[发明专利]一种三角式隐私计算方法

说明书

本发明涉及大数据技术领域，具体涉及一种三角式隐私计算方法，建立模型方、协作方和数据方，模型方拥有目标函数，数据方拥有隐私数；模型方建立神经网络模型拟合目标函数；将连接拆分为两个连接；模型方生成协作权系数；数据方随机生成协作比例系数和保留比例系数，将协作数，发送给协作方；协作方计算获得协作中间值；数据方将协作比例系数和保留比例系数发送给模型方，获得保留权系数；数据方计算获得保留中间值，发送给协作方；协作方获得第1层神经元的输入，获得协作神经网络模型的输出，即为隐私计算的结果。本发明的实质性效果是：提高隐私计算的应用范围，提高了安全多方计算的计算效率；同时还能够使神经网络模型保密。

技术领域

本发明涉及大数据技术领域，具体涉及一种三角式隐私计算方法。

背景技术

数据常被比作是数字时代的石油，又有资料将数据称为和土地、劳动力、资本、技术并列的第五大生产要素。但数据资源拥有其特殊性。与其他传统生产要素相比，数据的独特性在于，一旦被使用或被看见，就会导致数据包含的信息被泄露。而且就能被无限地传播或者复制，造成数据大量传播，降低了数据的价值。数据的价值发挥和隐私保护成了一对矛盾。数据发挥价值时，就会导致数据的泄露。数据一旦被泄露传播，数据源方就难以再次利用数据获取价值，带来十分不利的结果。同时，由于数据泄露难以追溯泄露源，泄露者和滥用者的责任就难以追究。加之部分机构及企业的数据还涉及用户的隐私，为了保护用户隐私，更加限制了数据的流通和价值的发挥。虽然本领域提出了同态加密技术，用于实现数据价值的挖掘和隐私保护的兼顾。但同态加密技术目前仅能够实现加法和乘法运算，应用范围十分有限。因而需要继续研究隐私计算的技术。

如中国专利CN111047450A，公开日2020年4月21日，一种链上数据的链下隐私计算方法及装置，该方法包括：区块链节点根据客户端提交的交易，确定用于隐私计算的链上数据；上述区块链节点将经过加密的链上数据传输至链下隐私计算节点，该链下隐私计算节点处部署了用于对上述链上数据执行隐私计算的链下可信执行环境；上述区块链节点获取上述链下隐私计算节点在链下可信执行环境内生成并加密后反馈的计算结果，并根据该计算结果更新区块链账本数据。通过其技术方案可以在链下隐私计算的过程中实现隐私保护。但其并不能解决不同机构、企业之间进行数据流通和价值挖掘的问题。

发明内容

本发明要解决的技术问题是：目前隐私计算的应用范围窄的技术问题。提出了一种三角式隐私计算方法，能够扩大隐私计算的应用范围。

为解决上述技术问题，本发明所采取的技术方案为：一种三角式隐私计算方法，包括以下步骤：建立模型方、协作方和数据方，模型方拥有目标函数，数据方拥有隐私数；模型方建立神经网络模型拟合目标函数，模型方将神经网络模型除输入层及输入层涉及的连接以外的部分，作为协作神经网络模型发送给协作方；模型方将神经网络模型的输入层神经元涉及的连接拆分为两个连接，分别记为协作连接和保留连接，协作连接和保留连接的权系数分别记为协作权系数和保留权系数，为每个协作连接建立协作输入神经元，为每个保留连接建立保留输入神经元；模型方为协作连接生成协作权系数，将协作输入神经元、协作连接及协作连接权系数发送给协作方，将保留输入神经元及保留连接发送给数据方；数据方随机生成协作比例系数和保留比例系数，将协作连接对应的隐私数与协作比例系数相乘，作为协作数，发送给协作方，数据方将隐私数与保留比例系数相乘，作为保留数；协作方将协作数与协作权系数相乘，作为协作连接的值，将连接同一个第1层神经元的协作连接的值相加，作为第1层神经元的协作中间值；数据方将协作比例系数和保留比例系数发送给模型方，模型方通过计算获得适配的保留权系数，将保留权系数反馈给数据方；数据方将保留数与保留权系数相乘，作为保留连接的值，将连接同一个第1层神经元的保留连接的值相加，作为第1层神经元的保留中间值，发送给协作方；协作方将第1层神经元的协作中间值、保留中间值和偏移值相加，获得第1层神经元的输入，代入协作神经网络模型，获得协作神经网络模型的输出，即为隐私计算的结果，将结果发送给模型方。

作为优选，所述目标函数为多元函数或不具有反函数的一元函数。