-
公开(公告)号：CN111563261A
公开(公告)日：2020-08-21
申请号：CN202010409893.0
申请日：2020-05-15
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书的实施例公开了一种基于可信执行环境的隐私保护多方计算方法，该方法包括：在可信执行环境中创建随机数提供程序；隐私保护多方计算的每个参与方先验证所述随机数提供程序是否可信；当所述随机数提供程序通过所述每个参与方的可信性验证后，所述随机数提供程序提供比尔三元组给所述隐私保护多方计算的参与方；以及所述隐私保护多方计算的参与方基于自身持有的数据以及收到的所述比尔三元组，确定目标计算结果对应于所述参与方的局部结果值。该方法能够在多方安全计算的场景下保护各方的私有数据。
-
公开(公告)号：CN111177791B
公开(公告)日：2020-07-17
申请号：CN202010276682.4
申请日：2020-04-10
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种保护数据隐私的双方联合训练业务预测模型的方法和装置，其中第一方和第二方分别拥有一部分特征数据，分别维护第一和第二参数部分，借助于第三方进行联合训练。在模型迭代时，双方各自计算其特征矩阵与参数的乘积结果，第一方将其乘积结果用第三方公钥同态加密后发送给拥有标签的第二方，由第二方进行同态运算，得到加密误差向量。然后，基于该加密误差向量，双方各自通过同态添加混淆元素的方式，将混淆后的加密梯度发送给第三方，使其解密，再对解密后的混淆梯度去混淆，得到对应的梯度，由此更新对应的参数。如此实现保护数据隐私的安全联合训练。
-
公开(公告)号：CN111368336A
公开(公告)日：2020-07-03
申请号：CN202010459211.7
申请日：2020-05-27
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提出了一种基于秘密共享的训练方法、装置、电子设备及存储介质，上述方法通过对训练参数进行定点数编码，对编码后的训练参数进行训练，并在训练过程中通过一次秘密共享进行定点数截取，以完成一轮训练，并更新训练参数，以进行下一轮训练，由此可以实现大规模数据的训练，避免由同态加密及定点数编码带来的数据溢出问题，并减少训练过程中数据的通信量，提高模型的训练效率，并且该秘密共享的训练方法可以保护数据的隐私。
-
公开(公告)号：CN111046409A
公开(公告)日：2020-04-21
申请号：CN201911290265.9
申请日：2019-12-16
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种私有数据多方安全计算方法。该方法包括：由第一终端将第一私有数据转换为第一安全数据集，并将所述第一安全数据集发送至第二终端，所述第一安全数据集包括至少一个字符串，所述至少一个字符串的其中一个对应的数值等于所述第一私有数据；由所述第二终端将第二私有数据转换为第二安全数据集，并将所述第二安全数据集发送至所述第一终端，所述第二安全数据集包括至少两组字符串的并集，其中一组中每个字符串对应的数值小于所述第二私有数据，另一组中每个字符串对应的数值大于所述第二私有数据；比较所述第一安全数据集与所述第二安全数据集，根据比较结果确定所述第一私有数据和所述第二私有数据的大小。
-
公开(公告)号：CN110969264A
公开(公告)日：2020-04-07
申请号：CN201911272294.2
申请日：2019-12-11
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书中的实施例提供了模型训练方法、分布式预测方法及其系统。中心节点在可信执行环境中基于两个以上用户节点的样本数据进行模型训练，将训练好的模型拆分成两个以上用户节点的用户模型分发至各用户节点。一个或多个用户节点至少基于用户模型和本地特征数据获得本地预测结果，预测节点基于一个或多个用户节点的本地预测结果得到针对待预测对象的标识信息的预测结果。如此，可以有效保护各方的数据隐私。
-
Patent Agency Ranking
公开(公告)号：CN110944011A
公开(公告)日：2020-03-31
申请号：CN201911297515.1
申请日：2019-12-16
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种基于树模型的联合预测方法及装置，该方法包括获取待预测对象的特征信息；获取可能到达的第一叶子节点以及可能到达的第二叶子节点；基于加密算法得到第一叶子节点加密列表和第二叶子节点加密列表；然后，将第一叶子节点加密列表和第二叶子节点加密列表进行再次加密，得到至少经过两次加密的目标叶子节点的值；基于第一加密算法将至少经过两次加密的目标叶子节点的值进行解密；然后，将解密结果发送给第二参与方。该方法采用密文传输，可以保护决策树模型隐私。
-
公开(公告)号：CN112182632B
公开(公告)日：2024-11-12
申请号：CN202011232020.3
申请日：2020-11-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/60 , G06F21/64 , G06N3/0464 , G06N3/082
Abstract: 本说明书实施例提供了一种基于访问模式保护的样本特征分位点确定方法及装置。可信执行环境TEE中的CPU从内存中顺序读取包含N1项的第一数组，其对应于N1个样本的第一属性项的特征值与对应的权重值；针对第一数组中的N1个特征值，将值大小相同的特征值对应的权重值进行合并，得到第一序列，在第一序列中填充若干个伪项以得到第二序列，使得第二序列的项数达到N1项，基于第二序列形成包含N1项的第二数组，并将第二数组写入内存；采用不经意访问方式，从内存中读取第二数组中除若干个伪项之外的项；基于读取的各项确定第一属性项的特征分位点。
-
公开(公告)号：CN118709727A
公开(公告)日：2024-09-27
申请号：CN202410773446.1
申请日：2024-06-14
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种保护隐私的多方联合模型预测方法、系统及装置。其中，计算设备将业务预测模型中的所有非线性激活函数转换成对应的线性激活函数。其中，任意一个非线性激活函数被转换成若干分段的线性函数。任意一个线性函数是在对应分段内的泰勒展开点对非线性激活函数进行泰勒展开而得到的，并且在该分段内，该线性函数与非线性激活函数之间的差异小于预设阈值。接着，第一参与方和第二参与方，按照业务预测模型中包含的线性激活函数指示的逻辑运算，基于多方安全计算进行数据交互，联合执行业务预测模型的预测过程。其中，多方安全计算更适用于对线性激活函数进行计算。
-
-
公开(公告)号：CN118520969A
公开(公告)日：2024-08-20
申请号：CN202310180119.0
申请日：2023-02-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00 , G06F18/27 , G06F18/214 , G06F21/62 , G06F21/60
Abstract: 本说明书实施例提供一种联合训练伽马回归模型的方法及装置，涉及n个参与方。该方法由其中任意的第i个参与方执行，包括：先与其他的n‑1个参与方共同进行针对训练样本集的秘密分享分片，得到第i个特征分片和第i个标签分片；再基于第i个特征分片和第i个标签分片，与其他的n‑1个参与方联合进行对应伽马回归模型的第i个参数分片的多轮次迭代更新，模型参数分片的迭代更新可以按需选用设计的多种模型优化器之一，例如，适用于小规模数据的安全迭代重加权最小二乘法、适用于大规模数据的安全批次迭代重加权最小二乘法、大小规模数据都适用的安全随机梯度下降法等，如此可以提高执行效率。另外，各种模型优化器涉及的密文运算为秘密分享运算，使得执行更加高效。
-
-
-
-
-
-
-
-
-
Search Results
189
records
(took 0.051 seconds)
