-
公开(公告)号：CN111523134B
公开(公告)日：2020-11-03
申请号：CN202010630881.0
申请日：2020-07-03
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书的实施例提供用于经由第一和第二数据拥有方协同训练逻辑回归模型的方法。第一和第二数据拥有方具有的数据按照垂直切分方式组成逻辑回归模型的训练样本，第一和第二数据拥有方具有的模型按照垂直切分方式组成逻辑回归模型。各个数据拥有方共享各自的公钥，使用各自的模型和数据确定各自的预测值，并且使用第一数据拥有方的公钥进行预测值加密。第二数据拥有方根据各个数据拥有方的加密预测值，确定逻辑回归模型的第一加密预测差值以及第一加密梯度信息。第一和第二数据拥有方利用第一加密预测差值和第一加密梯度信息，使用同态加密算法确定第一和第二数据拥有方处的梯度信息。各个数据拥有方分别使用各自的梯度信息更新各自的模型。
-
公开(公告)号：CN111541553A
公开(公告)日：2020-08-14
申请号：CN202010653803.2
申请日：2020-07-08
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书一个或多个实施例提供一种区块链一体机的可信启动方法及装置；该方法可以包括：区块链一体机响应于接收到的启动指令，向区块链一体机上装配的密码加速卡发起针对区块链一体机上部署的镜像文件的签名验证请求，密码加速卡预存有镜像文件的发布方的发布方公钥；区块链一体机接收密码加速卡返回的签名验证结果，签名验证结果由密码加速卡通过发布方公钥对镜像文件的当前签名进行验证得到；在签名验证结果表明当前签名通过验证的情况下，区块链一体机执行区块链一体机上部署的镜像文件以形成区块链节点。
-
公开(公告)号：CN111538996A
公开(公告)日：2020-08-14
申请号：CN202010652921.1
申请日：2020-07-08
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书一个或多个实施例提供一种区块链一体机的可信启动方法及装置；该方法可以包括：区块链一体机响应于接收到的启动指令，计算本地部署的镜像文件的当前哈希值；该区块链一体机将当前哈希值提供至区块链一体机上装配的密码加速卡，并接收密码加速卡返回的当前哈希值与预存储的标准哈希值之间的比较结果，上述标准哈希值对应于预定义的标准镜像文件；在该比较结果表明当前哈希值与标准哈希值相同的情况下，区块链一体机执行本地部署的镜像文件以形成区块链节点。
-
公开(公告)号：CN111178549B
公开(公告)日：2020-07-07
申请号：CN202010276696.6
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，其中双方各自拥有一部分特征数据。在模型迭代过程中，双方通过安全矩阵乘法，得到总的特征矩阵X与总的参数矩阵W的乘积结果的两个乘积分片。拥有标签的第二方对标签向量Y进行秘密分享，使双方得到两个标签分片。于是，双方各自根据持有的乘积分片和标签分片计算出对应的误差分片。然后双方基于各自的误差分片和特征矩阵，通过秘密分享和安全矩阵乘法，得到对应的梯度分片。然后，第一方利用其梯度分片更新其维护的参数分片，第二方利用其梯度分片更新其维护的参数分片。如此实现保护数据隐私的安全联合训练。
-
Patent Agency Ranking
公开(公告)号：CN111291401A
公开(公告)日：2020-06-16
申请号：CN202010384203.0
申请日：2020-05-09
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隐私保护的业务预测模型训练方法和装置。该方法可以通过训练系统中的可信计算单元和非可信计算单元执行。可信计算单元将初始模型参数、多个业务样本的样本特征和对应的标签值分别进行同态加密，并将其发送至非可信计算单元，执行多轮模型迭代，其中任意一轮模型迭代包括，可信计算单元与非可信计算单元进行交互，使得非可信计算单元至少基于对同态加密后的特征数据和模型参数进行同态运算，确定本轮更新后的第二加密模型参数，可信计算单元根据第二加密模型参数和第一加密模型参数的差异，确定模型训练过程是否满足收敛条件，在不满足时进行下一轮模型迭代。
-
公开(公告)号：CN111160573A
公开(公告)日：2020-05-15
申请号：CN202010251506.5
申请日：2020-04-01
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，其中双方各自拥有一部分特征数据。在模型迭代过程中，双方通过安全矩阵乘法，得到总的特征矩阵X与总的参数矩阵W的乘积结果的加密分片。由拥有标签的第二方汇总这两个加密分片，得到加密的乘积结果Z。第二方基于该乘积结果Z与加密的标签Y，得到加密的误差E，并对其进行同态加密下的秘密分享。于是，双方各自得到误差分片。然后双方基于误差分片和各自的特征矩阵，通过秘密分享和安全矩阵乘法，得到对应的梯度分片。然后，第一方利用其梯度分片更新其维护的参数分片，第二方利用其梯度分片更新其维护的参数分片。如此实现保护数据隐私的安全联合训练。
-
公开(公告)号：CN111027086A
公开(公告)日：2020-04-17
申请号：CN201911297040.6
申请日：2019-12-16
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例公开了一种多方计算过程中的私有数据保护方法。所述方法包括：可以获取一个以上计算节点的计算数据。可以验证计算数据，以确保计算数据仅能被预设算法处理一次和/或计算数据的唯一性。可以将各计算节点的计算数据基于预设算法进行处理，获得处理结果。可以输出处理结果，以使中心节点能够基于处理结果进行多方计算中的后续计算工作。本说明书实施例公开的方法，可以利用可信执行环境提供的与不可信环境隔离的安全计算环境，在可信执行环境中对各个计算节点的计算数据进行聚合后，再发送给中心节点，使得中心节点在接收到聚合数据后无法得知各个计算节点的计算数据，增加倒推用户数据的难度，提高多方计算过程中私有数据安全性。
-
公开(公告)号：CN111026436A
公开(公告)日：2020-04-17
申请号：CN201911250425.7
申请日：2019-12-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F8/71
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。
-
公开(公告)号：CN110968743A
公开(公告)日：2020-04-07
申请号：CN201911285993.0
申请日：2019-12-13
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/901 , G06F21/60 , G06F21/62
Abstract: 本说明书实施例提供一种针对隐私数据的数据存储、数据读取方法及装置。在隐私数据存储阶段，可信执行环境TEE单元使用确定的密钥信息加密隐私数据并存储至数据存储平台；在解密密钥注册阶段，TEE单元使用数据管理方的公钥加密隐私数据的解密密钥并存储至数据管理方，由数据管理方管理解密密钥；在解密密钥获取阶段，数据查看方从数据管理方中获取采用数据管理方的公钥加密的解密密钥，并采用对应的私钥解密得到解密密钥；在隐私数据获取阶段，数据查看方从数据存储平台获取加密数据，并使用得到的解密密钥对加密数据进行解密而得到隐私数据。
-
-
-
-
-
-
-
-
Search Results
189
records
(took 0.071 seconds)
