-
公开(公告)号：CN111371545B
公开(公告)日：2020-09-11
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：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：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：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。
-
-
-
Search Results
44
records
(took 0.025 seconds)
