基于多项式拟合的双向隐私计算方法与流程

本发明涉及信息，具体涉及一种基于多项式拟合的双向隐私计算方法。

背景技术：

1、随着信息技术和机器学习技术的发展，目前数据已经被当做一种新型生产要素，与土地、劳动力、资本、技术等传统要素并列。对于推动生产力发展和技术进步，有着重要的作用。相对于其他生产要素，主要具有以下特点，即能够被无限复制，以及数据越交换越共享则价值越高。导致对数据要素的利用，天然存在矛盾，即在分享使用数据的带来价值的同时，会造成数据的泄露。出于竞争关系及隐私保护目的，当前数据要素仍然局限于企业内部或者行业联盟中，应用范围较窄。而采用安全多方计算或者同态加密技术，虽然能够实现在保持数据隐私的前提下，实现对数据的使用，挖掘出数据蕴含的价值。但无论是基于ot传输和混淆电路的安全多方计算还是同态加密技术，都存在效率低下的问题。由于缺乏高效率的隐私计算技术，目前的数据仍然主要以孤岛的形式存在，难以形成有效的流动。

2、如中国专利cn113505395a，公开日2021年10月15日，一种隐私计算方法和隐私计算系统。其中的方法包括：调度器接收计算任务，并将所述计算任务分发至所述编程接口；编程接口对所述计算任务中的计算指令进行解析，将所述计算指令解析为明文指令和/或密文指令，并将所述明文指令发送至相应数据方的明文引擎，以及将所述密文指令发送至密文引擎；明文引擎基于持有的明文数据和/或从所述明文引擎对应的明文缓存中读取的明文数据，执行接收到的明文指令；密文引擎基于从所述密文缓存中读取的密文数据，执行接收到的密文指令。其技术方案可以并发执行密文指令和密文指令，可以进一步提高计算效率。但其建立隐私计算需要借助专用的硬件系统，不适合推广使用。

技术实现思路

1、本发明要解决的技术问题是：目前缺乏适合广泛使用的隐私计算技术的问题。提出了一种基于多项式拟合的双向隐私计算方法，能够便捷构建、高效率完成隐私计算，适合广泛使用。

2、为解决上述技术问题，本发明所采取的技术方案为：基于多项式拟合的双向隐私计算方法，发起方向若干个参与方索要隐私数的取值范围；发起方将隐私数的取值范围扩大，根据目标函数生成样本数据，使用样本数据建立拟合多项式；生成子任务，所述子任务包括子任务编号和乘积项，公开子任务；发起方将乘积项对应的项系数拆分为若干个乘数，记为配比项系数，将配比项系数加密发送给若干个参与方；从若干个参与方中选择两个对位节点和一个汇总节点，发起方将参与方分为两组，为每组参与方指定对位节点；发起方为每个子任务编号关联中间值代号，将子任务编号和中间值代号发送给对位节点；若干个参与方将隐私数拆分为若干个乘数，若干个乘数分配给若干个参与方；参与方使用分配到的乘数计算每个子任务乘积项的值，将乘积项的值乘以配比项系数作为中间值，将中间值关联子任务编号发送给指定的对位节点；两个对位节点将同子任务编号的中间值相乘，关联中间值代号发送给汇总节点；汇总节点将同中间值代号的中间值相乘作为子任务的值，而后将全部子任务的值求和，即为拟合多项式的输出，作为隐私计算的结果。

3、作为优选，根据目标函数生成样本数据的方法包括：所述发起节点在每个隐私数扩大后的取值范围内，均匀生成隐私数的多个举例数；将隐私数的举例数随机组合为取值组，将取值组代入目标函数，获得目标函数的结果；将结果作为标签值标记所述取值组作为样本数据。

4、作为优选，使用样本数据建立拟合多项式的方法包括：建立多项式拟合表达式，赋予多项式拟合的项系数初始值；将样本数据代入多项式拟合表达式获得拟合值，计算拟合值与样本数据标签值差值的平方记为损失值；构建损失函数，所述损失函数等于全部样本数据的损失值的和；使用优化算法获得多项式拟合的项系数的最优值，使得损失函数的值最小。

5、作为优选，所述子任务编号包括主编号和副编号，所述发起节点向第一组参与方公开子任务的主编号，向第二组参与方公开子任务的副编号，所述发起节点为每个子任务的主编号生成二次主代号，为每个子任务的副编号生成二次副代号，将二次主代号和二次副代号的对应关系发送给汇总节点；所述发起节点将二次主代号关联主编号发送给第一组的对位节点，将二次副代号关联副编号发送给第二组的对位节点；所述对位节点将获得的中间值的乘积分别关联对应的二次主代号或关联二次副代号发送给汇总节点；所述汇总节点将二次主代号和对应的二次副代号关联的两个中间值的乘积相乘作为子任务的值。

6、作为优选，所述发起节点生成混淆系数k1和混淆系数k2，令k=k1*k2，将多项式拟合的全部项系数均除以k，而后再构建子任务并将子任务公开，将混淆系数k1和混淆系数k2加密后分别发送给第一组和第二组的对位节点，对位节点计算出中间值的乘积后，将中间值的乘积乘以收到的混淆系数作为最终的乘积，而后再将乘积关联中间值代号后加密发送给汇总节点。

7、作为优选，所述发起方生成混淆变量，所述混淆变量取值范围为[t-ε,t+ε]，t和ε均为预设常数，每个取值组纳入一个混淆变量的值，发起方将混淆变量视为自变量，使用样本数据建立多项式拟合，发起方在所述取值范围内随机生成混淆变量的值，发起方将混淆变量作为隐私数参与到隐私计算中。

8、本发明的实质性效果是：通过多项式能够拟合任意函数，能够完成复杂运算的隐私计算，实现数据的流动和共享；建立多项式拟合，进行隐私计算的过程中不需要复杂的加密运算，能够高效率的完成隐私计算；使用混淆系数能够进一步提高数据隐私的安全程度。

技术特征：

1.基于多项式拟合的双向隐私计算方法，其特征在于，

2.根据权利要求1所述的基于多项式拟合的双向隐私计算方法，其特征在于，

3.根据权利要求1或2所述的基于多项式拟合的双向隐私计算方法，其特征在于，

4.根据权利要求1或2所述的基于多项式拟合的双向隐私计算方法，其特征在于，

5.根据权利要求1或2所述的基于多项式拟合的双向隐私计算方法，其特征在于，

6.根据权利要求1或2所述的基于多项式拟合的双向隐私计算方法，其特征在于，

技术总结
本发明涉及信息技术领域，具体涉及一种基于多项式拟合的双向隐私计算方法，发起方向参与方索要隐私数取值范围；将取值范围扩大成样本数据，使用样本数据建立拟合多项式；生成子任务；将项系数拆分为若干个乘数，记为配比项系数，发送给若干个参与方；选择两个对位节点和汇总节点；为每个子任务编号关联中间值代号；参与方将隐私数拆分为若干个乘数，若干个乘数分配给若干个参与方；计算每个子任务乘积项的值，乘以配比项系数作为中间值；对位节点将同子任务编号的中间值相乘；汇总节点将中间值相乘作为子任务的值再求和，即为隐私计算的结果。本发明的实质性效果是：能够高效率的完成隐私计算，提高数据隐私的安全程度。

技术研发人员：张金琳,俞学劢,高航
受保护的技术使用者：浙江数秦科技有限公司
技术研发日：
技术公布日：2024/1/11