公开(公告)号：CN114614983A

公开(公告)日：2022-06-10

申请号：CN202210183933.3

申请日：2022-02-28

Applicant: 北京理工大学

Inventor： 杨小川 ,  张全新 ,  杨洁 ,  韩伟锋 ,  张合沛 ,  苏兵 ,  马秀苹 ,  谭毓安

IPC: H04L9/08 ,  H04L9/40

Abstract: 本发明涉及一种基于安全多方计算的特征融合隐私保护方法，属于数据安全技术领域。本方法基于安全多方计算，提供了一种安全的多方联合机器学习数据预处理方案，采用针对任意多参与方的安全多方计算架构，能够在特征融合阶段保护隐私数据，使得外包计算方只获得融合后的特征，而各方均不泄露隐私。同时，只需要在特征融合阶段执行一次，而无需在后续训练过程的迭代中反复进行安全多方计算协议，无需在机器学习训练时的大量迭代过程中反复加密和通信，极大地提高了计算效率。

公开(公告)号：CN114614983B

公开(公告)日：2024-03-22

申请号：CN202210183933.3

申请日：2022-02-28

Applicant: 北京理工大学

Inventor： 杨小川 ,  张全新 ,  杨洁 ,  韩伟锋 ,  张合沛 ,  苏兵 ,  马秀苹 ,  谭毓安

IPC: H04L9/08 ,  H04L9/40

Abstract: 本发明涉及一种基于安全多方计算的特征融合隐私保护方法，属于数据安全技术领域。本方法基于安全多方计算，提供了一种安全的多方联合机器学习数据预处理方案，采用针对任意多参与方的安全多方计算架构，能够在特征融合阶段保护隐私数据，使得外包计算方只获得融合后的特征，而各方均不泄露隐私。同时，只需要在特征融合阶段执行一次，而无需在后续训练过程的迭代中反复进行安全多方计算协议，无需在机器学习训练时的大量迭代过程中反复加密和通信，极大地提高了计算效率。