公开(公告)号：CN116595586A

公开(公告)日：2023-08-15

申请号：CN202310785002.5

申请日：2023-06-29

Applicant: 西安交通大学

Inventor： 董博 ,  张纪强 ,  赵锐 ,  潘天泽 ,  师斌 ,  王余蓝 ,  刘奥

IPC: G06F21/62 ,  G06F16/901 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种面向教育大数据的高可用性差分隐私图生成方法，包括：首先，以原始图结构数据作为输入，利用逆向学习挖掘图中骨干网络，生成假定邻接矩阵；其次，为深化从假定邻接矩阵中的拓扑信息，依据上一步获得的假定邻接矩阵，利用编码解码器生成可能性矩阵；再次，根据隐私预算的大小，生成相应的差分隐私图，获得虚假边。最后，根据可能性矩阵，图中每个节点从真实边和虚假边中分别采样一定数量的边，总数等同于真实边数量，生成受保护的差分隐私邻接矩阵。一方面，从具有高可能性的真实边采样保留了图中的重要信息，保证图的可用性，另一方面，从虚假边中采样可以有效保护原始的图拓扑信息，实现对图的隐私保护，同时保护节点度分布这一重要特征。

公开(公告)号：CN116861152A

公开(公告)日：2023-10-10

申请号：CN202310795131.2

申请日：2023-06-30

Applicant: 西安交通大学

Inventor： 师斌 ,  刘奥 ,  张纪强 ,  赵锐 ,  潘天泽 ,  董博 ,  郑庆华

IPC: G06F17/16 ,  G06Q40/10 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08 ,  G06F21/62

Abstract: 本发明一种基于矩阵分解的税务数据安全图神经网络训练方法，包括：首先，对税务数据图的邻接矩阵部分利用外部服务器进行安全的特征值分解，并将获得的特征值分解结果分成多个部分，与特征向量矩阵做运算，生成多个可分发的邻接矩阵；其次，对税务数据图的特征矩阵部分，进行差分隐私；再次，税务数据拥有着通过参数服务器将分解后的邻接矩阵与差分隐私后的特征矩阵分发给各计算方进行模型训练；最后，计算方将计算结果返回给税务数据拥有者，经过参数服务器整合更新获得目标模型参数。本发明拓扑秘密分享及邻接矩阵特征值分解的方式，将原始税务数据进行了安全的分解，进而借助外部算力资源实现了对税务数据的高效分析建模，提高了分析效率。