【技术实现步骤摘要】
本专利技术涉及区块链安全，特别是涉及一种基于空间降维的安全两方向量位乘方法及相关装置。
技术介绍
1、随着大数据和人工智能的发展，数据已经成为推动创新和经济增长的重要资源，隐私计算是一种确保数据隐私和安全的计算方法，目的是在多方协作处理数据时保护个人信息的机密性。现有隐私计算技术(ppct，privacy-preserving computing technology)采用同态加密、差分隐私、秘密共享等技术，通过降低计算效率、计算精度及增大通信开销的方式，打破了固有的数据孤岛模式并驱动多方数据的流通，实现数据要素背后价值的挖掘。
2、而在ai大模型场景的训练和推断过程中，激活函数sigmoid、输出层softmax以及反向传播过程中梯度参数链式传播无不涉及到向量的位乘运算，其存在极大提高了隐私计算的并行化。因此在满足隐私需求的前提下，实现两方乃至多方向量的位乘计算具有重要的研究意义，下面对国内外现有的相关技术进行总结阐述：
3、在现有技术中，由zahur和evans提出的obliv-c框架以及由demmler、s...
【技术保护点】
1.一种基于空间降维的安全两方向量位乘方法，其特征在于，所述基于空间降维的安全两方向量位乘方法包括：
2.根据权利要求1所述的基于空间降维的安全两方向量位乘方法，其特征在于，对所述第一参与方的私有向量和所述第二参与方的私有向量进行预处理，得到第一参与方私有矩阵和第二参与方私有矩阵，具体包括：
3.根据权利要求1所述的基于空间降维的安全两方向量位乘方法，其特征在于，基于安全两方矩阵乘法计算协议，将所述第一参与方私有矩阵和所述第二参与方私有矩阵进行安全两方矩阵乘法计算，得到第一参与方私有输出矩阵和第二参与方私有输出矩阵，具体包括：
4....
【技术特征摘要】
1.一种基于空间降维的安全两方向量位乘方法，其特征在于，所述基于空间降维的安全两方向量位乘方法包括：
2.根据权利要求1所述的基于空间降维的安全两方向量位乘方法，其特征在于，对所述第一参与方的私有向量和所述第二参与方的私有向量进行预处理，得到第一参与方私有矩阵和第二参与方私有矩阵，具体包括：
3.根据权利要求1所述的基于空间降维的安全两方向量位乘方法，其特征在于，基于安全两方矩阵乘法计算协议，将所述第一参与方私有矩阵和所述第二参与方私有矩阵进行安全两方矩阵乘法计算，得到第一参与方私有输出矩阵和第二参与方私有输出矩阵，具体包括：
4.根据权利要求1所述的基于空间降维的安全两方向量位乘方法，其特征在于，分别对所述第一参与方私有输出矩阵和所述第二参与方私有输出矩阵进行降维转换处理，得到第一降维私有向量和第二降维私有向量，具体包括：
5.根据权利要求4所述的基于空间降维的安全两方向量位乘方法，其特征在于，所述第一...
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。