【技术实现步骤摘要】
本专利技术涉及隐私计算，尤其是涉及一种无需第三方的隐私计算下两方伽马回归模型训练方法、装置、设备及介质。
技术介绍
1、隐私计算(privacy preserving computation)是“面向隐私信息全生命周期保护的计算理论和方法，是隐私信息的所有权、管理权和使用权分离时隐私度量、隐私泄漏代价、隐私保护与隐私分析复杂性的可计算模型与公理化系统。”(《隐私计算研究范畴和发展趋势》，2016)。隐私计算本质上是在保护数据隐私的前提下，解决数据流通、数据应用等数据服务问题，实现“数据可用不可见”。隐私计算的概念从推出至今已被不同领域广泛应用，如政务领域精准施策、金融反欺诈场景、医疗领域疾病检查、广告领域精准投放等。根据目前市场上隐私计算的技术可以分为三类：基于协议的安全多方计算(mpc，secure muti-party computation)、基于现代密码的联邦学习(fl,federated learning)和基于硬件的可信执行计算(tee,trusted execution environment)。但在应用层面最受广泛关注的...
【技术保护点】
1.一种无需第三方的隐私计算下两方伽马回归模型训练方法，其特征在于，用于实现标签方和数据源方之间的两方伽马回归模型训练，包括以下步骤：
2.根据权利要求1所述的一种无需第三方的隐私计算下两方伽马回归模型训练方法，其特征在于，所述两方伽马回归模型表示为：
3.根据权利要求2所述的一种无需第三方的隐私计算下两方伽马回归模型训练方法，其特征在于，所述S1包括以下步骤：
4.根据权利要求3所述的一种无需第三方的隐私计算下两方伽马回归模型训练方法，其特征在于，所述S2具体为：数据源方基于两方伽马回归模型计算数据源方变量XH对应的线性函数ZH和...
【技术特征摘要】
1.一种无需第三方的隐私计算下两方伽马回归模型训练方法，其特征在于，用于实现标签方和数据源方之间的两方伽马回归模型训练，包括以下步骤：
2.根据权利要求1所述的一种无需第三方的隐私计算下两方伽马回归模型训练方法，其特征在于，所述两方伽马回归模型表示为：
3.根据权利要求2所述的一种无需第三方的隐私计算下两方伽马回归模型训练方法，其特征在于，所述s1包括以下步骤：
4.根据权利要求3所述的一种无需第三方的隐私计算下两方伽马回归模型训练方法，其特征在于，所述s2具体为：数据源方基于两方伽马回归模型计算数据源方变量xh对应的线性函数zh和数据源方模型结果的倒数分别以数据源方公钥pkh加密得到密文和并将密文和发送给标签方，其中，表示ckks同态加密的x密文，表示以数据源方公钥加密的x密文。
5.根据权利要求3所述的一种无需第三方的隐私计...
【专利技术属性】
技术研发人员：孙朋慧，梅品，薛瑞东，
申请(专利权)人：上海数据集团金融科技有限公司，
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。