公开(公告)号：CN111079158B

公开(公告)日：2022-04-12

申请号：CN201911151124.9

申请日：2019-11-21

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 余超凡 ,  王磊 ,  黄群山 ,  张宁 ,  周爱辉

IPC: G06F21/60 ,  G06F21/62 ,  G06F21/45

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。

公开(公告)号：CN112860752B

公开(公告)日：2021-08-20

申请号：CN202110443580.1

申请日：2021-04-23

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 杨扬 ,  黄群山 ,  齐俊 ,  操顺德 ,  段普 ,  杜健 ,  毛庆凯 ,  赵扬 ,  余可丰 ,  王磊 ,  张本宇

IPC: G06F16/2455 ,  G06F16/25

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。

公开(公告)号：CN112860738A

公开(公告)日：2021-05-28

申请号：CN202110443996.3

申请日：2021-04-23

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 杨扬 ,  黄群山 ,  齐俊 ,  操顺德 ,  段普 ,  杜健 ,  毛庆凯 ,  赵扬 ,  余可丰 ,  王磊 ,  张本宇

IPC: G06F16/2453 ,  G06F16/2455 ,  G06F21/62

Abstract: 本说明书实施例提供一种针对多方安全数据库的查询优化方法、装置和系统。查询优化方法包括，首先，中心设备接收当前查询，并生成该当前查询的多个执行计划；其中，当前查询涉及多个目标数据库。接着，中心设备针对各执行计划，确定出对应的成本计算式，所述成本计算式用于计算多个目标数据库联合执行该执行计划所需的执行成本。然后，多个目标数据库对应的多个查询引擎，采用与所述成本计算式对应的目标安全计算方式，执行多方安全计算MPC，得到安全计算结果；于是，中心设备根据安全计算结果，确定出各个成本计算式中成本值最低的优化执行计划。

公开(公告)号：CN111026436B

公开(公告)日：2021-04-02

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

Inventor： 陈星宇 ,  王磊 ,  谭晋 ,  黄群山

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：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

Inventor： 陈星宇 ,  王磊 ,  谭晋 ,  黄群山

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。