-
公开(公告)号：CN111046431B
公开(公告)日：2021-08-13
申请号：CN201911289143.8
申请日：2019-12-13
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提供数据处理方法、查询方法、装置、电子设备和系统的实施例。所述查询方法包括：获取判断对象特定取值的多个二进制段；根据特定取值的每个二进制段，选取密文集合并从中查询分段判断结果密文，得到查询结果；其中，选取的密文集合所对应的段位置与该二进制段在特定取值中的段位置相同；向判断条件方发送所述查询结果。本说明书的一个或多个实施例，通过安全多方计算，可以在判断条件方不泄漏自身的判断条件、且数据方不泄漏自身的特定取值的前提下，由二者合作确定出判断条件的与判断对象的特定取值相对应的判断结果，从而实现了隐私保护。
-
公开(公告)号：CN113094739A
公开(公告)日：2021-07-09
申请号：CN202110243206.7
申请日：2021-03-05
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/62
Abstract: 本说明书提供了基于隐私保护的数据处理方法、装置和服务器。第一服务器和第二服务器在合作确定关于第一目标数据和第二目标数据乘积的秘密的分片数据时，第一服务器根据预设的秘密分享乘法协议，利用与第一目标数据对应的第一目标向量和所接收的第一随机向量，确定出编号差值，并将编号差值发送给第二服务器；第二服务器根据预设的秘密分享乘法协议，利用所持有的第二目标数据，和所接收的第二随机向量、编号差值，确定出差值向量，并将差值向量发送给第一服务器；第一服务器根据差值向量确定出秘密的第一分片数据，第二服务器根据第二随机数确定出秘密的第二分片数据，从而可以在保护数据隐私的前提下，高效地确定出秘密的分片数据。
-
公开(公告)号：CN111143862B
公开(公告)日：2021-07-09
申请号：CN201911284306.3
申请日：2019-12-13
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提供数据处理方法、查询方法、装置、电子设备和系统的实施例。所述查询方法包括：获取判断对象特定取值的多个二进制段；根据特定取值的每个二进制段，选取密文集合并从中查询分段判断结果密文，得到查询结果；其中，选取的密文集合所对应的段位置与该二进制段在特定取值中的段位置相同；对多个查询结果进行打包，得到打包数据密文；向判断条件方发送所述打包数据密文。本说明书的一个或多个实施例，通过安全多方计算，可以在判断条件方不泄漏自身的判断条件、且数据方不泄漏自身的特定取值的前提下，由二者合作确定出判断条件的与判断对象的特定取值相对应的判断结果，从而实现了隐私保护。
-
公开(公告)号：CN112800478B
公开(公告)日：2021-07-06
申请号：CN202110370782.8
申请日：2021-04-07
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保护隐私数据的共有数据确定方法、装置和系统。方法包括：第一方与第二方进行多方安全计算，获得第一随机向量和第二随机向量；第一随机向量、第二随机向量与第二方具有的随机值和第三随机向量之间满足第一关系；针对各个第一隐私数据，得到分别对应的第一结果；构建运算函数，以使运算函数针对各个第一隐私数据的运算结果等于第一结果；将运算函数发送给第二方；从第二方接收其针对各个第二隐私数据进行第一处理得到的第一结果序列；其中第一处理利用了第一关系、运算函数和哈希运算；针对各个第一隐私数据，得到第二结果序列；确定第一结果序列与第二结果序列的交集，以确定共有数据。能够提升性能。
-
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。
-
Patent Agency Ranking
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：CN112100679B
公开(公告)日：2021-03-02
申请号：CN202011276388.X
申请日：2020-11-16
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/62 , G06F21/60 , G06F16/27 , G06F16/2457
Abstract: 本说明书提供了基于隐私保护的数据处理方法、装置和服务器。基于该方法，持有多种特征数据的第二服务器在接收到包含有按照标识信息排列的数据标签的密文数据的第一标签列后，可以根据多种特征数据的数据值的排列顺序对第一标签列进行多种排列，得到对应多种特征数据的多个第二标签列；再基于上述多个第二标签列和预设的分箱规则，确定出对应多种特征数据的数据箱中的数据标签的密文数据的和，并反馈给第二服务器：第二服务器通过解密，得到并向第一服务器反馈相应的明文数据的和。进而第一服务器可以根据上述明文数据的和，计算出各种特征数据的信息值；并根据特征数据的信息值、特征数据之间的相关性系数，筛选出符合要求的特征数据。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
213
records
(took 0.043 seconds)
