公开(公告)号：CN114282652B

公开(公告)日：2024-06-21

申请号：CN202111578391.1

申请日：2021-12-22

Applicant: 哈尔滨工业大学

Inventor： 于海宁 ,  张宏莉 ,  尹莱莱 ,  孙骁 ,  申旭弘

IPC: G06N3/0499 ,  G06N3/084 ,  G06N3/098 ,  G06F21/60 ,  G06F21/62

Abstract: 本发明提出一种隐私保护的纵向深度神经网络模型构建方法、计算机及存储介质，属于隐私保护模型构建技术领域。首先，发起方和所有参与方找出共有的样本ID，生成自己的公私钥对，利用公钥对中间数据进行加密；其次，参与方基于本地数据集与发起方进行安全前向传播过程，使发起方获得深度神经网络模型交互层的真实加权值；最后，参与方和发起方进行安全反向传播过程，发起方基于加权值计算交互层中间误差，使双方各自获得更新交互层模型参数的梯度，进行深度神经网络交互层模型的更新，得到纵向深度神经网络模型。在无可信第三方的前提下保护数据隐私安全，对不同神经网络结构进行多方安全联合建模。解决构建模型成本高、风险大、结构敏感的问题。

公开(公告)号：CN114282652A

公开(公告)日：2022-04-05

申请号：CN202111578391.1

申请日：2021-12-22

Applicant: 哈尔滨工业大学

Inventor： 于海宁 ,  张宏莉 ,  尹莱莱 ,  孙骁 ,  申旭弘

IPC: G06N3/04 ,  G06N3/08 ,  G06F21/60 ,  G06F21/62

Abstract: 本发明提出一种隐私保护的纵向深度神经网络模型构建方法、计算机及存储介质，属于隐私保护模型构建技术领域。首先，发起方和所有参与方找出共有的样本ID，生成自己的公私钥对，利用公钥对中间数据进行加密；其次，参与方基于本地数据集与发起方进行安全前向传播过程，使发起方获得深度神经网络模型交互层的真实加权值；最后，参与方和发起方进行安全反向传播过程，发起方基于加权值计算交互层中间误差，使双方各自获得更新交互层模型参数的梯度，进行深度神经网络交互层模型的更新，得到纵向深度神经网络模型。在无可信第三方的前提下保护数据隐私安全，对不同神经网络结构进行多方安全联合建模。解决构建模型成本高、风险大、结构敏感的问题。

公开(公告)号：CN119201988A

公开(公告)日：2024-12-27

申请号：CN202411256454.5

申请日：2024-09-09

Applicant: 哈尔滨工业大学

Inventor： 于海宁 ,  申旭弘 ,  李响 ,  孙迎港 ,  杨锦波 ,  孙骁 ,  杨一正 ,  刘智超 ,  张文婷 ,  王炳轩

IPC: G06F16/2453 ,  G06F16/242 ,  G06F16/2455 ,  G06F16/22 ,  G06F21/60

Abstract: 本发明提出一种多方数据联合安全查询方法，属于多方数据查询技术领域。包括：步骤一、查询客户端接收并解析用户输入的SQL查询语句，并对查询语句进行权限检查检验SQL语句是否被各数据持有方允许执行；步骤二、查询客户端根据查询语句为各参与方生成多方安全计算任务，并发送给各参与方；步骤三、各参与方在本地进行权限检查，执行子查询部分和多方安全计算任务；步骤四、获得各参与方执行结果，查询客户端调度各参与方执行多方安全计算任务。解决无法实现多种高效安全且支持任意多参与方的常见数据库函数操作的技术问题。本发明涵盖常见的数据库查询语句，并且支持两个及以上的任意参与方数量，在大多数查询语句中具有良好的查询效率。