-
公开(公告)号：CN113128697A
公开(公告)日：2021-07-16
申请号：CN202010050857.X
申请日：2020-01-16
Applicant: 复旦大学
Abstract: 本发明提供一种基于安全多方计算协议的可扩展机器学习系统，用于使用户在具有三个及以上参与方时构建有效的机器学习模型训练，其特征在于，包括：用于在＝三个及以上参与方中提供通信服务的通信模块；用于让用户定义机器学习模型的结构的机器学习模型表示模块；与通信模块连接并调用通信，同时与机器学习模型表示模块连接，用于训练在机器学习模型表示模块中预定义的机器学习模型的机器学习驱动模块。本发明的基于安全多方计算协议的可扩展机器学习系统将安全多方计算协议与机器学习系统结合，采用秘密共享的方法，对机器学习模型提供隐私保护的支持，使得各数据拥有方可以在其共同的数据上训练模型，而不会泄露结果之外的信息。
-
Patent Agency Ranking
公开(公告)号：CN111859267A
公开(公告)日：2020-10-30
申请号：CN202010571112.8
申请日：2020-06-22
Applicant: 复旦大学
Abstract: 本发明属于网络空间安全领域，具体为一种基于BGW协议的隐私保护机器学习激活函数的运算方法。本发明将安全多方计算协议与机器学习激活函数结合，以提供安全高效的机器学习激活函数为目标，实现了基于BGW协议的机器学习激活函数。安全多方计算友好的机器学习激活函数可以是安全ReLU函数或安全Sigmoid函数。本发明可用于基于安全多方计算协议的机器学习模型或框架实现相关激活函数，而不会泄露中间过程信息。
-
公开(公告)号：CN111859267B
公开(公告)日：2024-04-26
申请号：CN202010571112.8
申请日：2020-06-22
Applicant: 复旦大学
Abstract: 本发明属于网络空间安全领域，具体为一种基于BGW协议的隐私保护机器学习激活函数的运算方法。本发明将安全多方计算协议与机器学习激活函数结合，以提供安全高效的机器学习激活函数为目标，实现了基于BGW协议的机器学习激活函数。安全多方计算友好的机器学习激活函数可以是安全ReLU函数或安全Sigmoid函数。本发明可用于基于安全多方计算协议的机器学习模型或框架实现相关激活函数，而不会泄露中间过程信息。
-
公开(公告)号：CN113128697B
公开(公告)日：2022-09-06
申请号：CN202010050857.X
申请日：2020-01-16
Applicant: 复旦大学
Abstract: 本发明提供一种基于安全多方计算协议的可扩展机器学习系统，用于使用户在具有三个及以上参与方时构建有效的机器学习模型训练，其特征在于，包括：用于在＝三个及以上参与方中提供通信服务的通信模块；用于让用户定义机器学习模型的结构的机器学习模型表示模块；与通信模块连接并调用通信，同时与机器学习模型表示模块连接，用于训练在机器学习模型表示模块中预定义的机器学习模型的机器学习驱动模块。本发明的基于安全多方计算协议的可扩展机器学习系统将安全多方计算协议与机器学习系统结合，采用秘密共享的方法，对机器学习模型提供隐私保护的支持，使得各数据拥有方可以在其共同的数据上训练模型，而不会泄露结果之外的信息。
-
公开(公告)号：CN111857649B
公开(公告)日：2022-04-12
申请号：CN202010571111.3
申请日：2020-06-22
Applicant: 复旦大学
Abstract: 本发明属于网络空间安全技术领域，具体为一种用于隐私保护机器学习的定点数编码及运算系统。该系统包括定点数表示模块，定点数加法模块以及定点数乘法模块，本发明将有限域中定点数编码方式用于隐私保护机器学习中，以提供隐私保护机器学习中定点数编码与运算的整体解决方案为目标，实现了隐私保护机器学习中定点数编码方案及运算机制。使用本发明系统表示定点数的机器学习框架训练的模型(如线性回归，逻辑回归，BP神经网络和LSTM神经网络)，与现有的机器学习框架相比，可以几乎相同的精度执行预测和分类任务。
-
公开(公告)号：CN111857649A
公开(公告)日：2020-10-30
申请号：CN202010571111.3
申请日：2020-06-22
Applicant: 复旦大学
Abstract: 本发明属于网络空间安全技术领域，具体为一种用于隐私保护机器学习的定点数编码及运算系统。该系统包括定点数表示模块，定点数加法模块以及定点数乘法模块，本发明将有限域中定点数编码方式用于隐私保护机器学习中，以提供隐私保护机器学习中定点数编码与运算的整体解决方案为目标，实现了隐私保护机器学习中定点数编码方案及运算机制。使用本发明系统表示定点数的机器学习框架训练的模型(如线性回归，逻辑回归，BP神经网络和LSTM神经网络)，与现有的机器学习框架相比，可以几乎相同的精度执行预测和分类任务。
-
-
-
-
-
Search Results
6
records
(took 0.013 seconds)
