-
公开(公告)号：CN112685788B
公开(公告)日：2021-05-28
申请号：CN202110249147.4
申请日：2021-03-08
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/62 , G06F16/2458
Abstract: 本说明书提供一种数据处理方法和装置。所述方法包括：计算多个第一方元素的多个分片数据；将第一方元素的部分分片数据发送给第二设备；接收所述第二设备发送的第二方筛选值的部分分片数据；与所述第二设备共同参与所述第一方元素和所述第二方筛选值的基于秘密分享的多方安全运算，得到对应每个第一方元素的第一方筛选结果值的第一筛选结果值分片数据；针对所述第一方筛选结果值的第一方筛选结果值分片数据执行指定运算得到第一目标数据的第一目标分片数据；接收所述第二设备提供的所述第一目标数据的第二目标分片数据；结合所述第一目标分片数据和所述第二目标分片数据得到所述第一目标数据。实现较高联合统计效率。
-
公开(公告)号：CN112560106B
公开(公告)日：2021-05-18
申请号：CN202110192773.4
申请日：2021-02-20
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针对隐私矩阵进行处理的方法、装置和系统。方法包括：第一方和第二方，各自基于其本地拥有的矩阵分片进行本地处理，各自得到本地差值结果，双方交换其本地差值结果；第一方和第二方，各自将双方的本地差值结果的对应项进行本地处理，双方均得到对应于隐私矩阵与第一随机矩阵差值的第一结果，和对应于卷积核与第二随机矩阵差值的第二结果；第一方和第二方，各自根据第一结果与其保有的卷积核分片的卷积运算结果、其保有的第一随机矩阵分片与第二结果的卷积运算结果，以及其保有的随机卷积矩阵分片进行本地处理，得到联合卷积运算结果的本方结果分片。能够降低安全计算的通信量。
-
公开(公告)号：CN112506469B
公开(公告)日：2021-04-27
申请号：CN202110160533.6
申请日：2021-02-05
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针对隐私数据进行处理的方法和装置，隐私数据基于和共享的方式被拆分成第一分片和第二分片，隐私数据的第一分片分布于第一方，隐私数据的第二分片分布于第二方。方法包括：第一方根据本方具有的隐私数据的第一分片和迭代初始值，与第二方提供的隐私数据的第二分片，进行预定次数的多轮迭代运算，得到针对隐私数据进行逆运算的运算结果的近似值；其中，迭代初始值小于逆运算的运算结果，多轮迭代运算的每一轮迭代的运算结果大于上一轮迭代的运算结果；其中，多轮迭代运算中的每一轮迭代涉及本地处理，以及和共享下的安全乘法运算。能够在针对隐私数据进行处理时，降低安全计算的通信轮次和通信量。
-
公开(公告)号：CN112506469A
公开(公告)日：2021-03-16
申请号：CN202110160533.6
申请日：2021-02-05
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针对隐私数据进行处理的方法和装置，隐私数据基于和共享的方式被拆分成第一分片和第二分片，隐私数据的第一分片分布于第一方，隐私数据的第二分片分布于第二方。方法包括：第一方根据本方具有的隐私数据的第一分片和迭代初始值，与第二方提供的隐私数据的第二分片，进行预定次数的多轮迭代运算，得到针对隐私数据进行逆运算的运算结果的近似值；其中，迭代初始值小于逆运算的运算结果，多轮迭代运算的每一轮迭代的运算结果大于上一轮迭代的运算结果；其中，多轮迭代运算中的每一轮迭代涉及本地处理，以及和共享下的安全乘法运算。能够在针对隐私数据进行处理时，降低安全计算的通信轮次和通信量。
-
公开(公告)号：CN112101531B
公开(公告)日：2021-02-09
申请号：CN202011276900.0
申请日：2020-11-16
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供基于隐私保护的神经网络模型训练方法、装置及系统。第一和第二成员设备分别具有第一和第二特征数据，第一和第二特征数据按照垂直切分方式组成神经网络模型的训练数据样本的特征数据，第一或第二成员设备具有标签数据。第一成员设备接收第二成员设备所具有的数据，并与第二成员设备共同初始化神经网络模型。在执行模型训练时，第一成员设备从第一训练数据样本集中随机抽取出训练数据样本；对训练数据样本的第二特征数据进行份额分解处理得到第三和第四特征数据份额，并向第二成员设备发送第四特征数据份额和对应标签数据。第一和第二成员设备使用第一特征数据、第三特征数据份额、第四特征数据份额和对应标签数据进行联合模型训练。
-
Patent Agency Ranking
公开(公告)号：CN112084530A
公开(公告)日：2020-12-15
申请号：CN202010948796.9
申请日：2020-09-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/62 , G06F16/9035
Abstract: 本说明书实施例提供一种多方联合进行安全统计的方法和装置，方法包括：根据目标样本对应的第一隐私数据，计算第一过滤条件的第一过滤结果的第一逻辑值；根据本方具有的第一逻辑值，与第二方提供的目标样本针对总过滤条件的总过滤结果的结果逻辑值的各可能取值，通过叠加秘密共享的扩展不经意传输方式，得到结果逻辑值的第一分片；第二方得到结果逻辑值的第二分片；其中，结果逻辑值的各可能取值由第二方根据目标样本对应的第二隐私数据确定的；根据本方具有的样本集合中各样本的结果逻辑值的第一分片，与第二方具有的各样本的结果逻辑值的第二分片，通过秘密共享的方式，进行样本统计运算。能够同时满足安全性和实用性。
-
公开(公告)号：CN111738361B
公开(公告)日：2020-12-08
申请号：CN202010759898.6
申请日：2020-07-31
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业务模型的联合训练方法及装置，在多方联合训练业务模型过程中，为了使用牛顿法以更快的收敛速度训练业务模型，在确定海森矩阵的逆矩阵时，引入由可信第三方生成的辅助矩阵，由联合训练业务模型的各个业务方以秘密共享方式来确定海森矩阵与辅助矩阵的乘积，并各自得到相应份额。之后，公开海森矩阵与辅助矩阵的乘积的合并结果，使各个业务方分别得到以上合并结果的逆矩阵，进而确定海森矩阵的逆矩阵的相应份额。根据这种特定的业务方交互方式设置，使得多方安全计算中，在保证数据隐私的前提下，利用牛顿法调整模型参数具有可行性，从而提高业务模型的联合训练效率。
-
公开(公告)号：CN111967035A
公开(公告)日：2020-11-20
申请号：CN202011144330.X
申请日：2020-10-23
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/60
Abstract: 本说明书实施例公开了一种模型训练方法、装置和电子设备。所述方法包括：第一方根据特征数据和原始模型参数的第一份额与第二方秘密分享第一乘积，得到第一乘积的第一份额；向第三方发送第一乘积的第一份额；接收第三方发来的激励函数的取值的第一份额；根据特征数据和所述取值的第一份额与第二方秘密分享损失函数的梯度，得到所述梯度的第一份额；根据特征数据和所述取值的第一份额与第二方秘密分享海森矩阵，得到海森矩阵的第一份额；若海森矩阵的条件数满足预设条件，根据原始模型参数的第一份额、所述梯度的第一份额和海森矩阵的第一份额与第二方秘密分享新的模型参数，得到新的模型参数的第一份额。本说明书实施例可以保护数据隐私。
-
公开(公告)号：CN111539026A
公开(公告)日：2020-08-14
申请号：CN202010567563.4
申请日：2020-06-19
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针对隐私数据进行安全运算的方法和装置，方法包括：多方中的任一方将本方具有的隐私数据的第一分片，利用本方的第一随机数掩盖，得到掩盖数据的第一分片；将掩盖数据的第一分片发送给多方之外的服务方，以使服务方根据多方分别发送的掩盖数据的多个分片，进行除法运算，得到第一运算结果，将第一运算结果基于秘密共享的方式拆分成多个分片；从服务方接收第一运算结果的第一分片；针对述第一运算结果的第一分片，移除第一随机数的影响，得到第二运算结果的第一分片，作为针对隐私数据进行除法运算的最终结果的第一分片。能够在针对隐私数据进行安全运算时提升性能。
-
公开(公告)号：CN111523144A
公开(公告)日：2020-08-11
申请号：CN202010632211.2
申请日：2020-07-03
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/62
Abstract: 本说明书实施例提供一种针对多方的隐私数据进行安全运算的方法和装置，方法包括：第一方利用本地的第一隐私数据，与第二方的第二隐私数据，得到各个位分别对应的标识数据的第一分片；标识数据标识出第一隐私数据的该位与第二隐私数据的该位是否不相等；查找各标识数据中第一个非0的标识数据，得到该标识数据对应的第一隐私数据和第二隐私数据的各位中不相等的最高位的第一分片；利用本方的最高位的第一分片，与第二方的第二隐私数据和最高位的第二分片，得到第二隐私数据中对应于最高位的数值大小的第一分片；基于最高位的数值大小，确定比较结果。能够在针对多方的隐私数据进行安全运算时提升性能。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.036 seconds)
