-
公开(公告)号：CN113065145A
公开(公告)日：2021-07-02
申请号：CN202110322472.9
申请日：2021-03-25
Applicant: 上海海洋大学
Abstract: 本发明公开了一种基于秘密共享和随机扰动的隐私保护线性回归方法，包括如下步骤：S1：秘密共享值的乘法，S2：训练数据预处理，S3：参数初始化，S4：模型参数更新，S5：模型参数重构，S6：预测数据预处理，S7：计算预测共享值，S8：重构预测结果。数据提供者只需将两方参数值相加即可得到模型参数，模型参数隐私和原始数据隐私都可得到保护。本技术可以使企业或机构将数据通过秘密共享的形式分给两云服务器，利用云服务器来存储数据，且可以利用两个云服务器进行计算线性回归模型，此过程中，利用云服务器高效计算的同时并不会泄露原始数据。
-
公开(公告)号：CN112182649B
公开(公告)日：2024-02-02
申请号：CN202011004265.0
申请日：2020-09-22
Applicant: 上海海洋大学
Abstract: 本发明公开了一种基于安全两方计算的线性回归算法，所述方法包括以下步骤：步骤S1：采用秘密共享值的乘法；步骤S2：训练数据预处理；步骤S3：参数初始化；S4：模型参数更新；步骤S5：预测数据预处理；步骤S6：计算预测共享值；步骤S7：重构预测结果。本文方案在保证数据和模型参数隐私不被泄露的同时，所需要的通信开销更低。本申请将原始训练数据和模型参数私有化，在云服务器无法获得原始训练数据以及中间参数、并且无法推断模型参数的情况下，借助云服务的便利实现了一种保护数据隐私的线性回归算法；在此基础上，可安全地执行回归预测任务，在利用云服务器的计算及存储资源时，可高效准确的进行线性回归模型的训练及数据预测。
-
公开(公告)号：CN112182649A
公开(公告)日：2021-01-05
申请号：CN202011004265.0
申请日：2020-09-22
Applicant: 上海海洋大学
Abstract: 本发明公开了一种基于安全两方计算的线性回归算法，所述方法包括以下步骤：步骤S1：采用秘密共享值的乘法；步骤S2：训练数据预处理；步骤S3：参数初始化；S4：模型参数更新；步骤S5：预测数据预处理；步骤S6：计算预测共享值；步骤S7：重构预测结果。本文方案在保证数据和模型参数隐私不被泄露的同时，所需要的通信开销更低。本申请将原始训练数据和模型参数私有化，在云服务器无法获得原始训练数据以及中间参数、并且无法推断模型参数的情况下，借助云服务的便利实现了一种保护数据隐私的线性回归算法；在此基础上，可安全地执行回归预测任务，在利用云服务器的计算及存储资源时，可高效准确的进行线性回归模型的训练及数据预测。
-
公开(公告)号：CN113065145B
公开(公告)日：2023-11-24
申请号：CN202110322472.9
申请日：2021-03-25
Applicant: 上海海洋大学
Abstract: 本发明公开了一种基于秘密共享和随机扰动的隐私保护线性回归方法，包括如下步骤：S1：秘密共享值的乘法，S2：训练数据预处理，S3：参数初始化，S4：模型参数更新，S5：模型参数重构，S6：预测数据预处理，S7：计算预测共享值，S8：重构预测结果。数据提供者只需将两方参数值相加即可得到模型参数，模型参数隐私和原始数据隐私都可得到保护。本技术可以使企业或机构将数据通过秘密共享的形式分给两云服务器，利用云服务器来存储数据，且可以利用两个云服务器进行计算线性回归模型，此过程中，利用云服务器高效计算的同时并不会泄露原始数据。
-
-
-
Search Results
4
records
(took 0.02 seconds)
