利用差分私有交集进行数据通信的方法和系统

    公开(公告)号:CN116710949A

    公开(公告)日:2023-09-05

    申请号:CN202180087361.2

    申请日:2021-07-02

    Abstract: 利用差分私有数据交集进行数据通信的方法、系统和装置,包括编码在计算机存储介质上的计算机程序。一示例方法包括:基于用于建立差分隐私(DP)数据保护的参数确定多个偏置参数;基于来自客户端设备的客户端数据和来自服务器设备的服务器数据确定数据交集;基于所述客户端数据和所述多个偏置参数更新数据交集;以及将更新后的具有差分隐私数据保护的所述数据交集返回给客户端设备。

    针对多方安全数据库的数据查询方法、装置及系统

    公开(公告)号:CN112860752A

    公开(公告)日:2021-05-28

    申请号:CN202110443580.1

    申请日:2021-04-23

    Abstract: 本说明书实施例中提供了一种针对多方安全数据库的数据查询方法、装置及系统。应用于中心节点的方法包括:接收来自数据请求方的数据查询请求,数据查询请求涉及存储于若干数据提供方的若干目标数据;确定数据查询请求是否满足若干目标数据各自的安全要求;当数据查询请求满足若干目标数据各自的安全要求时,对若干目标数据进行处理以获得结果数据;向数据请求方发送结果数据。中心节点根据存储于数据提供方的目标数据的安全要求,限制数据请求方对目标数据的查询情况,使数据提供方通过中心节点实现有限制的向外部共享目标数据,对共享场景提供安全的数据解决方案,有利于对目标数据中的部分或全部数据进行安全保护。

    依据决策内容生成决策树用于多方决策的方法和装置

    公开(公告)号:CN111177576A

    公开(公告)日:2020-05-19

    申请号:CN202010276684.3

    申请日:2020-04-10

    Abstract: 本说明书实施例提供的一种依据决策内容生成决策树用于多方决策的方法和装置。在生成第一决策树时依据的第一决策内容包括:当业务对象的多个对象特征的特征值满足第一关系式时,针对该业务对象执行第一决策;其中,第一关系式由多个比较关系式及其之间的若干逻辑关系符构成,比较关系式由对象特征和阈值之间的比较关系构成。在生成第一决策树时,基于第一关系式中的每个比较关系式,生成对应的子决策树;确定若干逻辑关系符的类型及其之间的层次;根据各个逻辑关系符的类型以及层次,逐层地对各个比较关系式的子决策树进行拼接,得到第一关系式对应的第一决策树,该第一决策树用于根据对象特征的特征值确定是否针对该业务对象执行第一决策。

    模型联合训练方法及装置

    公开(公告)号:CN112925558A

    公开(公告)日:2021-06-08

    申请号:CN202110362275.X

    申请日:2019-12-09

    Abstract: 本说明书实施例提供一种模型联合训练方法及装置,在训练方法中,接收模型训练任务的配置指令。该配置指令指示多个数据提供方中参与本次联合训练的各目标提供方以及本次联合训练所使用的目标模型。查询版本信息表,以确定各目标提供方各自部署的执行引擎的引擎版本信息。基于各目标提供方各自部署的执行引擎的引擎版本信息,判断目标模型是否为各目标提供方各自部署的执行引擎共同支持的公共模型,并在目标模型是公共模型的情况下,确定目标模型的公共版本。向各目标提供方发送联合训练请求,该联合训练请求指示各目标提供方通过各自部署的执行引擎加载公共版本的目标模型并训练。由此,可实现各数据提供方数据的隐私保护。

    数据存储和读取的方法及装置

    公开(公告)号:CN111079158A

    公开(公告)日:2020-04-28

    申请号:CN201911151124.9

    申请日:2019-11-21

    Abstract: 本说明书实施例提供了一种数据存储和读取的方法和装置。根据数据存储方法,可信计算集群中任意的第一可信计算节点可以利用第一可信计算节点的硬件标识生成第一对称密钥,使用第一对称密钥加密待持久化数据,得到第一加密数据,例如,待持久化数据可以为第一可信计算节点中的隐私数据;使用集群公钥加密第一对称密钥,得到第二加密数据,将第一加密数据和第二加密数据对应地存储至数据存储平台。

    共享机器学习系统及方法

    公开(公告)号:CN111027713A

    公开(公告)日:2020-04-17

    申请号:CN201911261423.8

    申请日:2019-12-10

    Abstract: 本说明书中的实施例提供了共享机器学习系统及方法。共享机器学习系统包括多个计算节点,多个计算节点中的至少部分计算节点具备可信执行环境。具备可信执行环境的计算节点能够接收来自一个或多个数据源的私有数据,以及在可信执行环境中使用所述私有数据执行集中式共享机器学习任务和/或与其他计算节点协同执行分布式共享机器学习任务。

    共享机器学习系统及方法

    公开(公告)号:CN111027713B

    公开(公告)日:2022-09-02

    申请号:CN201911261423.8

    申请日:2019-12-10

    Abstract: 本说明书中的实施例提供了共享机器学习系统及方法。共享机器学习系统包括多个计算节点,多个计算节点中的至少部分计算节点具备可信执行环境。具备可信执行环境的计算节点能够接收来自一个或多个数据源的私有数据,以及在可信执行环境中使用所述私有数据执行集中式共享机器学习任务和/或与其他计算节点协同执行分布式共享机器学习任务。

    模型联合训练方法及装置
    10.
    发明授权

    公开(公告)号:CN112925558B

    公开(公告)日:2022-05-17

    申请号:CN202110362275.X

    申请日:2019-12-09

    Abstract: 本说明书实施例提供一种模型联合训练方法及装置,在训练方法中,接收模型训练任务的配置指令。该配置指令指示多个数据提供方中参与本次联合训练的各目标提供方以及本次联合训练所使用的目标模型。查询版本信息表,以确定各目标提供方各自部署的执行引擎的引擎版本信息。基于各目标提供方各自部署的执行引擎的引擎版本信息,判断目标模型是否为各目标提供方各自部署的执行引擎共同支持的公共模型,并在目标模型是公共模型的情况下,确定目标模型的公共版本。向各目标提供方发送联合训练请求,该联合训练请求指示各目标提供方通过各自部署的执行引擎加载公共版本的目标模型并训练。由此,可实现各数据提供方数据的隐私保护。

Patent Agency Ranking