-
公开(公告)号:CN114218616B
公开(公告)日:2024-06-21
申请号:CN202111362064.2
申请日:2021-11-17
Applicant: 鹏城实验室
IPC: G06F21/71
Abstract: 本发明公开了一种归一化指数函数安全计算方法及系统,本发明提供的归一化指数函数安全计算方法中,根据归一化指数函数的待计算输入序列生成第一输入序列和第二输入序列,并且根据待计算输入序列生成第一输入序列和第二输入序列的公式中可以有多组解,将第一输入序列和第二输入序列分别分给第一计算终端和第二计算终端进行计算,在计算过程中,第一计算终端和第二计算终端之间传输的信息,都是根据随机数运算得到的,从而使得每个计算终端在计算过程中接收到的信息都是随机均匀分布的,计算终端无法根据接收到的信息来倒推得到真实的数据,从而避免了原始数据泄露,保证了数据的安全性。
-
公开(公告)号:CN114386566A
公开(公告)日:2022-04-22
申请号:CN202111479964.5
申请日:2021-12-06
Applicant: 鹏城实验室
Abstract: 本发明公开了一种激活函数安全计算方法和Tanh函数安全计算方法,本发明为了保留原有的Sigmoid函数算法结构,采用随机参数的方式实现安全计算,解决了现有技术中将隐私保护深度学习算法中的Sigmoid函数替换为相应密码学友好的函数进行安全计算,改变了原有的算法结构,导致隐私保护深度学习算法性能变差的问题。
-
公开(公告)号:CN114218617A
公开(公告)日:2022-03-22
申请号:CN202111362067.6
申请日:2021-11-17
Applicant: 鹏城实验室
Abstract: 本发明公开了一种交叉熵损失函数安全计算方法及系统,其中,上述方法包括:根据需要进行计算的输入概率分布序列生成第一概率输入序列和第二概率输入序列;根据需要进行计算的待输入标签序列生成第一标签输入序列和第二标签输入序列。分别使用第一计算终端针对第一概率输入序列和第一标签输入序列进行计算,使用第二计算终端针对第二概率输入序列和第二标签输入序列进行计算,计算过程中引入随机序列组对各数据进行保护,进一步防止数据泄露或隐私泄露,最后将获得的第一目标结果和第二目标结果相加则可以消除随机序列组的影响,获得实际的计算结果。计算过程中的数据是经过随机序列组保护后的数据,有利于提高交叉熵损失函数计算的安全性。
-
公开(公告)号:CN114386566B
公开(公告)日:2025-02-11
申请号:CN202111479964.5
申请日:2021-12-06
Applicant: 鹏城实验室
Abstract: 本发明公开了一种激活函数安全计算方法和Tanh函数安全计算方法,本发明为了保留原有的Sigmoid函数算法结构,采用随机参数的方式实现安全计算,解决了现有技术中将隐私保护深度学习算法中的Sigmoid函数替换为相应密码学友好的函数进行安全计算,改变了原有的算法结构,导致隐私保护深度学习算法性能变差的问题。
-
公开(公告)号:CN114218616A
公开(公告)日:2022-03-22
申请号:CN202111362064.2
申请日:2021-11-17
Applicant: 鹏城实验室
IPC: G06F21/71
Abstract: 本发明公开了一种归一化指数函数安全计算方法及系统,本发明提供的归一化指数函数安全计算方法中,根据归一化指数函数的待计算输入序列生成第一输入序列和第二输入序列,并且根据待计算输入序列生成第一输入序列和第二输入序列的公式中可以有多组解,将第一输入序列和第二输入序列分别分给第一计算终端和第二计算终端进行计算,在计算过程中,第一计算终端和第二计算终端之间传输的信息,都是根据随机数运算得到的,从而使得每个计算终端在计算过程中接收到的信息都是随机均匀分布的,计算终端无法根据接收到的信息来倒推得到真实的数据,从而避免了原始数据泄露,保证了数据的安全性。
-
公开(公告)号:CN114218617B
公开(公告)日:2024-06-21
申请号:CN202111362067.6
申请日:2021-11-17
Applicant: 鹏城实验室
Abstract: 本发明公开了一种交叉熵损失函数安全计算方法及系统,其中,上述方法包括:根据需要进行计算的输入概率分布序列生成第一概率输入序列和第二概率输入序列;根据需要进行计算的待输入标签序列生成第一标签输入序列和第二标签输入序列。分别使用第一计算终端针对第一概率输入序列和第一标签输入序列进行计算,使用第二计算终端针对第二概率输入序列和第二标签输入序列进行计算,计算过程中引入随机序列组对各数据进行保护,进一步防止数据泄露或隐私泄露,最后将获得的第一目标结果和第二目标结果相加则可以消除随机序列组的影响,获得实际的计算结果。计算过程中的数据是经过随机序列组保护后的数据,有利于提高交叉熵损失函数计算的安全性。
-
-
-
-
-