【技术实现步骤摘要】
基于区块链隐私计算的多平台互通方法及装置
[0001]本专利技术涉及区块链隐私计算
,尤其涉及一种基于区块链隐私计算的多平台互通方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]随着数字经济的高速发展,数据安全问题逐渐受到人们的重视。基于多方安全计算与联邦学习的隐私计算技术开始得到数据方以及技术方的关注,隐私计算技术可以实现数据的可用不可见,实现数据跨域分享以及融通。
[0003]当前多方数据协作方式主要通过将数据进行分片,再基于分片数据进行计算,达到保护每个参与方隐私数据的目的,最后聚合还原计算结果。但这种方式存在隐私数据还原低效以及融合成本高的问题。
技术实现思路
[0004]本专利技术提供一种基于区块链隐私计算的多平台互通方法、装置及计算机可读存储介质,其主要目的在于解决隐私数据还原低效以及融合成本高的问题。
[0005]为实现上述目的,本专利技术提供的一种基于区块链隐私计算的多平台互通方法,包括:
[0006]获取多方隐私数据,根据预构建的数据属性指标在所述多方隐私数据中提取每个数据属性指标对应的指标统计数据;
[0007]根据预构建的安全多方计算技术将所述指标统计数据执行秘密分享,得到秘密子集数据;
[0008]将所述秘密子集数据分发给所述多方隐私数据对应的多方区块链隐私存储节点,得到区块隐私节点数据;
[0009]利用所述区块隐私节点数据对预构建的原始神经网络进行反馈训练,得到目标神经网络,其中所述原始神经网络的激活函数 ...
【技术保护点】
【技术特征摘要】
1.一种基于区块链隐私计算的多平台互通方法,其特征在于,所述方法包括:获取多方隐私数据,根据预构建的数据属性指标在所述多方隐私数据中提取每个数据属性指标对应的指标统计数据;根据预构建的安全多方计算技术将所述指标统计数据执行秘密分享,得到秘密子集数据;将所述秘密子集数据分发给所述多方隐私数据对应的多方区块链隐私存储节点,得到区块隐私节点数据;利用所述区块隐私节点数据对预构建的原始神经网络进行反馈训练,得到目标神经网络,其中所述原始神经网络的激活函数如下所示:其中,x表示所述原始神经网络中输入层、隐藏层及输出层的求和值,y表示所述原始神经网络中输入层、隐藏层及输出层根据所述求和值计算得到的输出值;接收单方隐私数据,根据所述数据属性指标对所述单方隐私数据执行指标分类,得到每个数据属性指标对应的单方指标数据;将所述单方指标数据输入所述目标神经网络中执行单方数据预测,得到单方预测数据,完成所述区块链隐私计算的多平台互通。2.如权利要求1所述的基于区块链隐私计算的多平台互通方法,其特征在于,所述根据预构建的数据属性指标在所述多方隐私数据中提取每个数据属性指标对应的指标统计数据,包括:根据预构建的数据属性指标在所述多方隐私数据中的每一方隐私数据中提取指标单方数据;统计所述指标单方数据,得到所述每个数据属性指标对应的指标统计数据。3.如权利要求2所述的基于区块链隐私计算的多平台互通方法,其特征在于,所述根据预构建的安全多方计算技术将所述指标统计数据执行秘密分享,得到秘密子集数据,包括:按照所述多方隐私数据的数据来源方数量,构建初始数据分享公式;根据所述秘密数据分享公式的因子项数,利用所述指标统计数据随机生成相应因子项数的因子常数;将所述因子常数填充到所述初始数据分享公式中,得到目标数据分享公式;按照所述因子项数将所述目标数据分享公式的因子项进行拆分,得到所述秘密子集数据。4.如权利要求3所述的基于区块链隐私计算的多平台互通方法,其特征在于,所述初始数据分享公式,如下所示:f(x)=a1x+a2x2+
…
+a
t
‑1x
t
‑1其中,f(x)表示指标统计数据,a1、a2、
…
、a
t
‑1表示因子常数,x、x2、
…
、x
t
‑1表示所述因子常数的调控参数。5.如权利要求3所述的基于区块链隐私计算的多平台互通方法,其特征在于,所述将所述秘密子集数据分发给所述多方隐私数据对应的多方区块链隐私存储节点,得到区块隐私
节点数据,包括:将所述多方区块链隐私存储节点对应的数据原始机构赋予数据机构标签;建立所述数据机构标签与所述秘密子集数据的对应关系,得到标签子集数据集;根据所述数据机构标签,将所述标签子集数据集分发至所述多方区块链隐私存储节点,得到区块隐私节点数据。6.如权利要求3所述的基于区块链隐私计算的多平台互通方法,其特征在于,所述利用所述区块隐私节点数据对预构建的原始神经网络进行反馈训练,得到目标神经网络,包括:接收所述指标统计数据对应的统计预测数据;将所述区块隐私节点数据按照所述数据属性指标输入所述...
【专利技术属性】
技术研发人员:李佳,
申请(专利权)人:遥相科技发展北京有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。