[发明专利]一种分布式可信隐私计算方法

权利要求书

1.一种分布式可信隐私计算方法，用于包括若干个参与节点、多个中继节点和接入节点的隐私计算系统，参与节点拥有隐私数，其特征在于，

包括以下步骤：

新建隐私计算任务：

若干个参与节点向接入节点注册获得节点标识，任一参与节点请求新建隐私计算任务并提供欲参与隐私计算的节点标识表，接入节点为隐私计算任务分配任务编号；

接入节点建立形式目标函数，所述形式目标函数为：标签值=f(参量化名i)，i∈[1,m]，m为隐私数的数量，形式目标函数及参量化名均关联任务编号，参量化名分配给隐私数，参与节点记录对应的参量化名；

发出请求的参与节点提交目标函数或样本数据，所述样本数据的参量按照参量化名的排序对齐；

准备隐私计算任务：

接入节点根据对应目标函数或样本数据，建立多项式拟合函数；

将多项式拟合函数展开为若干个乘积项的加权和，为每个乘积项分配项编号，通知参与节点执行隐私计算任务；

执行隐私计算任务：

参与节点将隐私数拆分为若干个乘数，乘数的数量与参与节点数量相同，将乘数分配给参与节点；

参与节点将乘积项的项系数进行M次开方作为拆分系数，M为参与节点的数量；参与节点使用分配到乘数各自计算每个乘积项的值，再乘对应的拆分系数作为项中间值；

多个所述中继节点具有预设的排序，项编号对中继节点数量取余，根据余数为项中间值指定中继节点，参与节点将项中间值关联项编号发送给中继节点；

中继节点将关联相同项编号的项中间值相乘，获得单项乘积，中继节点将获得的全部单项乘积求和，将和发送给接入节点；

接入节点将获得的全部和再求和，即获得多项式拟合函数的结果，即为隐私计算的结果。

2.根据权利要求1所述的一种分布式可信隐私计算方法，其特征在于，

执行隐私计算任务时，参与节点采用异步的方式分配乘数，具体包括以下步骤：

接入节点建立乘数表，乘数表为二维表且初值为空，乘数表和行为参量化名，乘数表的列数量与参与节点数量相同，乘数表的列关联节点标识；

参与节点收到执行隐私计算任务的通知后，连接接入节点；

参与节点读取所拥有的隐私数对应的参量化名所在的行，若行中的列存在非空值，则接受所述非空值作为已有乘数，在已有乘数的基础上，生成若干个乘数补满行的空值列，使行中全部乘数的乘积等于隐私数；

参与节点读取乘数表中对应自身节点标识的列，若列中的行存在空值，则生成随机值填入，使得所述列的每一行均存在非空的乘数；

所述列中的乘数即为参与节点分配到的乘数；

其中，参与节点生成乘数补满所述行的空值列时，使用列对应的参与节点的公钥加密乘数，参与节点生成随机数填入所述列的空值行时，使用行对应参量化名隶属的参与节点的公钥加密所述随机值后再填入。

3.根据权利要求1或2所述的一种分布式可信隐私计算方法，其特征在于，

建立多项式拟合函数的方法包括：

若发出请求的参与节点提交目标函数，则根据目标函数获得样本数据，

建立全部参量化名的多项式展开式，多项式展开式的最高次为n，则多项式展开式具有n^m个乘积项，即具有n^m个项系数，为项系数赋予初始值；

使用优化算法获得项系数的最优解，最优解使得多项式拟合函数与样本数据的差值最小，即获得多项式拟合函数。

4.根据权利要求3所述的一种分布式可信隐私计算方法，其特征在于，

使用优化算法获得项系数的最优解时，若乘积项的项系数被调整到小于预设阈值a，则将所述乘积项删除。

5.根据权利要求4所述的一种分布式可信隐私计算方法，其特征在于，预设阈值a随着项系数被调整次数的增加而减小。