-
公开(公告)号：CN114239090A
公开(公告)日：2022-03-25
申请号：CN202111537805.6
申请日：2021-12-15
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/72
Abstract: 本说明书实施例提供一种多方安全计算的方法、装置及系统，在多方安全计算的方法中，针对混淆电路的n根输出线中任意的第i输出线，第一方随机生成第一比特串作为该第i输出线对应的第一方分片。第一方基于第一比特串，确定两个第二比特串，该两个第二比特串分别对应于第i输出线的两个真值。第一方利用混淆电路中针对该第i输出线的两个真值分别标注的两个混淆串，对应加密两个第二比特串，并将两个加密结果提供给第二方。第二方利用该第i输出线的实际真值对应的实际混淆串，解密两个加密结果，得到第i输出线对应的第二方分片。第一方和第二方，各自分别基于n根输出线中各输出线对应的本方分片，确定计算结果的本方分片。
-
公开(公告)号：CN113949510A
公开(公告)日：2022-01-18
申请号：CN202111204462.1
申请日：2021-10-15
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隐私保护的多方安全计算方法和系统。其中，该方法包括：第一参与方拥有私有的变换因子，第二参与方拥有私有的变换对象，所述方法由第一参与方执行，其包括：将所述变换因子进行分解，得到包含多个分解因子的变换序列；所述多个分解因子包括私有因子和公共因子，所述公共因子同时为第二参与方持有；与第二参与方协同，依次基于所述变换序列中的多个分解因子对变换对象进行迭代变换，进而获得变换结果的第一分片；其中，在对变换对象进行迭代变换过程中，涉及公共因子的变换，由参与方独自完成，涉及私有因子的变换，由参与方基于多方安全计算协议完成；所述变换结果等于利用变换因子对变换对象进行变换的结果。
-
公开(公告)号：CN113949505A
公开(公告)日：2022-01-18
申请号：CN202111205885.5
申请日：2021-10-15
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隐私保护的多方安全计算方法和系统。其中，第一参与方拥有私有的第一变换因子，第二参与方拥有私有的第一变换对象，所述方法由第一参与方执行，该方法包括：将所述第一变换因子进行分解，得到包含多个分解因子的第一变换序列；与第二参与方协同，基于所述第一变换序列中的分解因子对第一变换对象进行迭代变换，进而获得第一变换结果的第一分片；所述第一变换结果等同于第一变换因子对第一变换对象进行变换的结果。
-
公开(公告)号：CN113688425A
公开(公告)日：2021-11-23
申请号：CN202111074303.4
申请日：2021-09-14
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两方联合特征处理方法、装置和系统，属于多方安全计算。方法包括：第一方获取g项特征各自的第一随机表示，及目标空间的第二随机表示；第一随机表示、第二随机表示与第二方的第三随机函数和目标空间的第四随机表示之间满足预设关系；针对任一项特征，基于该特征的特征表示与对应的第一随机表示计算第一差值；向第二方发送第一差值，使第二方根据第一差值、映射函数和第三随机函数，得到第一中间函数；从第二方接收第一中间函数；根据第一中间函数、第一随机表示和第二随机表示，得到第一分片；第一分片与第二方得到的第二分片之和，等于g项特征分别映射在目标空间的嵌入表示之和。具有较低的通信量。
-
公开(公告)号：CN113094763A
公开(公告)日：2021-07-09
申请号：CN202110391816.1
申请日：2021-04-12
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保护数据隐私的选择问题处理方法，该选择问题被描述为，从包含n个元素的集合中选出m个元素，n≥m；所述选择问题等效为：存在从第一群到第二群的第一映射g，以及从第二群到第三群的第二映射f，计算第三映射fg；所述选择问题的参与方包括第一方和第二方，第一方持有第二映射f；第二方持有第一映射g；该包括：获取第一中间映射以及第一复合映射的分片；计算并发送第一传输映射和第二传输映射e；计算复合映射，并将其作为所述第三映射fg的分片。
-
Patent Agency Ranking
公开(公告)号：CN113094745A
公开(公告)日：2021-07-09
申请号：CN202110345581.2
申请日：2021-03-31
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提供了基于隐私保护的数据变换方法、装置和服务器。持有shuffle变换集的第一服务器、持有待进行数据变换的目标数据的第二服务器，以及负责提供随机数生成服务的第三服务器，可以根据基于G‑module action的预设协议进行相关的数据交互和数据运算，从而可以在保护第一服务器和第二服务器的数据隐私的前提下，高效地通过合作对第二服务器所持有的目标数据进行相应的shuffle变换，并由第一服务器和第二服务器分别得到上述目标数据的数据变换结果的一个分片数据。
-
公开(公告)号：CN112560106A
公开(公告)日：2021-03-26
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：CN112101531A
公开(公告)日：2020-12-18
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。
-
公开(公告)号：CN111475854B
公开(公告)日：2020-10-20
申请号：CN202010587170.X
申请日：2020-06-24
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保护两方数据隐私的协同计算方法及系统，可应用于多方模型训练。第一方持有第一私密矩阵和私钥，第二方持有第二私密矩阵。两方分别对第一私密矩阵和第二私密矩阵进行放大处理，得到第一输入映射矩阵和第二输入映射矩阵。第一方处理第一输入映射矩阵得到第一密文矩阵并将其发送给第二方。第二方处理第一密文矩阵得到第二密文矩阵并将其发送给第一方。第一方基于第二密文矩阵和私钥计算待近似矩阵，对待近似矩阵进行近似得到第一输出映射矩阵。第一方对第一输出映射矩阵进行缩小处理得到第一输出矩阵并将其作为第一私密矩阵和第二私密矩阵的乘积的第一分片。第二方获得第二输出矩阵作为该乘积的第二分片。
-
公开(公告)号：CN111737757A
公开(公告)日：2020-10-02
申请号：CN202010759933.4
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针对隐私数据进行安全运算的方法和装置，方法包括：第一方将第一隐私分片，与第一阈值进行比较，得到第一比较结果；通过针对第一隐私分片上和第一中间值的第一运算生成第一整数；将本方具有的第一整数，与第二方具有的第二整数进行安全比较，得到安全比较结果的第一分片；其中，第二整数为第二方通过针对第二隐私分片的加法逆元和第二中间值的第二运算而生成；第二方具有所述安全比较结果的第二分片；按照第一比较结果对应的第一处理方式，对安全比较结果的第一分片进行处理，得到隐私数据和0进行比较运算的最终结果的第一分片；第二方具有所述最终结果的第二分片。能够在针对隐私数据进行安全运算时提升性能。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.036 seconds)
