-
公开(公告)号：CN111737751B
公开(公告)日：2020-11-17
申请号：CN202010693667.X
申请日：2020-07-17
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实现隐私保护的分布式数据处理的方法和装置，在利用分布式系统确定属性值的分位点的情况下，各个节点对分配到的属性值执行相同候选值的合并权重操作，并且在传递给其他节点进行进一步合并权重的合并结果项中，既包括有效信息项，又包括无效信息项，有效信息项和无效信息项的总项数为预定的候选项数之一，从而，可以在减少信息传输项数的基础上，降低通过合并结果项数泄露候选值的风险，有效保护通过分布式系统确定属性值的分位点时的数据隐私。
-
-
公开(公告)号：CN111597548B
公开(公告)日：2020-10-30
申请号：CN202010691950.9
申请日：2020-07-17
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实现隐私保护的数据处理方法及装置，通过可信执行环境，基于对属性值的大小顺序排序，执行对相同候选值的重要度值的合并操作，在合并操作中，一方面，合并重要度值过程中，针对每个属性值，都会确定一个基准权重，并执行一次“加”操作，从系统进程调用来说，无法通过访问模式探知数据隐私，另一方面，保留与属性值相同的项数，从而避免通过合并结果的项数泄露数据分布隐私。同时，由于利用排序方式，相对于冗余加操作的合并方式，复杂度大大降低。总之，该方法和装置可以利用低复杂度的处理方式，实现内存访问模式基础上的隐私数据保护。
-
公开(公告)号：CN111737011A
公开(公告)日：2020-10-02
申请号：CN202010759188.3
申请日：2020-07-31
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提供一种安全多方计算的实现方法，应用在安全多方计算参与方的代表节点上，所述方法包括：确定本参与方符合安全多方计算协议的密态计算任务；将所述密态计算任务拆分为至少两个子任务，并将子任务分发给至少两个辅助节点进行计算；接收辅助节点返回的子任务的执行结果，根据子任务的执行结果生成符合安全多方计算协议的密态计算任务的计算结果。
-
公开(公告)号：CN111371544B
公开(公告)日：2020-09-08
申请号：CN202010459200.9
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同态加密的预测方法、装置、电子设备及存储介质，其中，上述方法包括：根据公钥Pk1对发送端目标参数进行加密，得到发送端加密参数，并将所述发送端加密参数发送给接收端；接收接收端加密参数，根据所述接收端加密参数及发送端目标预测数据进行计算，得到第一加密预测结果，并将所述第一加密预测结果发送给接收端，接收第二加密预测结果，根据发送端私钥Sk1对所述第二加密预测结果进行解密，得到第二预测结果；接收第一预测结果，根据所述第一预测结果及所述第二预测结果得到最终预测结果；可以实现在预测的同时保护模型的隐私，由此可以提高各参与方的数据安全性。
-
Patent Agency Ranking
公开(公告)号：CN111628966A
公开(公告)日：2020-09-04
申请号：CN202010307601.2
申请日：2020-04-17
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数据传输、处理、授权方法及其系统。各方的私密数据可按可信区域组内的一个或多个可信区域内的数据处理流程被处理成目标数据，待处理数据或结果数据在安全传输至可信区域前始终携来自指定方的秘钥，两者被一并加密，可信区域组内的某一可信区域获得目标数据以及解密出的来自指定方的秘钥后，使用该秘钥加密至少部分目标数据，再将使用该秘钥加密后的至少部分目标数据输出。如此，可以有效保护各方数据隐私。
-
公开(公告)号：CN111368336B
公开(公告)日：2020-09-04
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：CN111371545A
公开(公告)日：2020-07-03
申请号：CN202010461733.0
申请日：2020-05-27
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例公开了一种基于隐私保护的加密方法。所述方法包括：获取数据拥有者对所述数据通过半同态加密算法加密后的密文；所述密文进行第一计算，得到标准式；所述标准式为所述数据拥有者进行的计算；生成随机数；基于所述随机数对所述标准式进行扰动，得到扰动式；将所述扰动式发送至所述数据拥有者进行计算得到扰动式的结果；获取加密扰动式结果；基于加密扰动式结果、标准式、随机数和所述扰动得到加密结果。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：CN111371544A
公开(公告)日：2020-07-03
申请号：CN202010459200.9
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同态加密的预测方法、装置、电子设备及存储介质，其中，上述方法包括：根据公钥Pk1对发送端目标参数进行加密，得到发送端加密参数，并将所述发送端加密参数发送给接收端；接收接收端加密参数，根据所述接收端加密参数及发送端目标预测数据进行计算，得到第一加密预测结果，并将所述第一加密预测结果发送给接收端，接收第二加密预测结果，根据发送端私钥Sk1对所述第二加密预测结果进行解密，得到第二预测结果；接收第一预测结果，根据所述第一预测结果及所述第二预测结果得到最终预测结果；可以实现在预测的同时保护模型的隐私，由此可以提高各参与方的数据安全性。
-
公开(公告)号：CN111260053A
公开(公告)日：2020-06-09
申请号：CN202010030931.1
申请日：2020-01-13
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供使用可信执行环境的神经网络模型训练方法及装置。在该方法中，神经网络模型被依序分割为位于第一设备的可信执行环境中的第一部分神经网络模型和位于第二设备的非可信执行环境中的第二部分神经网络模型。在每轮模型训练时，当前第一部分神经网络模型在可信执行环境中对训练样本数据进行处理以得到中间结果，当前第二部分神经网络模型在非可信执行环境中对中间结果进行处理以得到当前预测值，并确定出预测差值。在不满足循环结束条件时，根据当前预测差值，调整当前第一部分神经网络模型和当前第二部分神经网络模型的各层模型参数。利用该方法，能够在确保隐私数据安全的情况下实现神经网络模型训练。
-
-
-
-
-
-
-
-
-
Search Results
189
records
(took 0.076 seconds)
