[发明专利]数据加密、机器学习模型训练方法、装置以及电子设备在审
申请号: | 201710538950.3 | 申请日: | 2017-07-04 |
公开(公告)号: | CN109241749A | 公开(公告)日: | 2019-01-18 |
发明(设计)人: | 张志强;周俊;李小龙 | 申请(专利权)人: | 阿里巴巴集团控股有限公司 |
主分类号: | G06F21/60 | 分类号: | G06F21/60;G06N20/00 |
代理公司: | 北京晋德允升知识产权代理有限公司 11623 | 代理人: | 周莉娜 |
地址: | 英属开曼群岛大开*** | 国省代码: | 开曼群岛;KY |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 加密数据 数据加密 机器学习模型 电子设备 数据加密系统 待加密数据 随机矩阵 训练机器 映射 学习 | ||
本说明书实施例公开了数据加密、机器学习模型训练方法、装置、电子设备以及数据加密系统。所述数据加密方法包括:用随机矩阵对待加密数据进行随机映射,得到该待加密数据对应的加密数据,该加密数据用于训练机器学习模型。
技术领域
本说明书涉及计算机软件技术领域,尤其涉及数据加密、机器学习模型训练方法、装置、电子设备以及数据加密系统。
背景技术
随着计算机和互联网技术的迅速发展,网络上的不同平台之间的合作也越来越多,合作过程中往往会涉及到数据共享,而数据共享可能会对数据隐私性带来风险。
在现有技术中,一种典型的数据共享场景是:平台A搭建涉及某种业务的机器学习模型时,平台B将其持有的该种业务的业务数据共享给平台A,平台A进而利用这些业务数据训练该机器学习模型。
但是,这些业务数据对于平台B而言是往往是敏感的,包含有对应用户的隐私,因此,需要一种技术,能降低平台B向平台A数据共享后用户隐私泄露的风险,并且又不会影响平台A训练该机器学习模型。
发明内容
本说明书实施例提供数据加密、机器学习模型训练方法、装置、电子设备以及数据加密系统,用以解决如下技术问题:需要一种技术,能降低平台B向平台A数据共享后用户隐私泄露的风险,并且又不会影响平台A训练该机器学习模型。
为解决上述技术问题,本说明书实施例是这样实现的:
本说明书实施例提供的一种数据加密方法,包括:
获取待加密数据;
获取为所述待加密数据生成的随机矩阵,所述随机矩阵服从正态分布;
利用所述随机矩阵对所述待加密数据进行随机映射,得到所述待加密数据对应的加密数据,所述加密数据用于训练机器学习模型。
本说明书实施例提供的一种数据加密装置,包括:
第一获取模块,获取待加密数据;
第二获取模块,获取为所述待加密数据生成的随机矩阵,所述随机矩阵服从正态分布;
加密模块,利用所述随机矩阵对所述待加密数据进行随机映射,得到所述待加密数据对应的加密数据,所述加密数据用于训练机器学习模型。
本说明书实施例提供的一种机器学习模型训练方法,包括:
获取加密数据,所述加密数据通过利用随机矩阵对对应的待加密数据进行随机映射得到,所述随机矩阵服从正态分布;
利用所述加密数据训练机器学习模型。
本说明书实施例提供的一种机器学习模型训练装置,包括:
获取模块,获取加密数据,所述加密数据通过利用随机矩阵对对应的待加密数据进行随机映射得到,所述随机矩阵服从正态分布;
训练模块,利用所述加密数据训练机器学习模型。
本说明书实施例提供的一种数据加密系统,包括第一平台、第二平台;
所述第一平台或者所述第二平台为待加密数据生成随机矩阵,所述随机矩阵服从均值为0且方差为的正态分布,p为所述随机矩阵的列数;
所述第一平台利用所述随机矩阵对所述待加密数据进行随机映射,得到所述待加密数据对应的加密数据,并将所述加密数据发送给所述第二平台;
所述第二平台利用所述加密数据训练机器学习模型。
本说明书实施例提供的一种电子设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于阿里巴巴集团控股有限公司,未经阿里巴巴集团控股有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710538950.3/2.html,转载请声明来源钻瓜专利网。