[发明专利]基于联邦学习的隐私集合求交方法、系统、设备及介质

说明书

本发明提供了一种基于联邦学习的隐私集合求交方法、系统、设备及介质。所述方法包括：获取所有参与方的全量加密序列；基于网络拓扑，将所有参与方的全量加密序列进行两两相交，逐步获得所有参与方的全量加密序列的最终交集；将最终交集发送给所有的参与方；基于所获得的全量加密序列以及最终交集，获取最终交集在全量加密序列中的索引；将索引发回全量加密序列的源头参与方，以在源头参与方获取最终交集对应的明文序列。以上隐私集合求交方法求交逻辑清晰明了，降低了求交过程的复杂度，从而提高了求交过程的效率。

技术领域

本发明涉及隐私安全计算技术领域，尤其涉及一种基于联邦学习的隐私集合求交方法、系统、设备及介质。

背景技术

当下多参与方联邦建模的需求越来越旺盛，而往往联合建模的前提，就是将多个参与方联邦建模的要素(例如：特征、ID等)进行对齐。因此，隐私集合求交(Private SetIntersection，PSI)成为一项重要技术。隐私集合求交的准确性、效率和安全性，往往影响着整体建模过程的准确性、效率和安全性。随着参与联邦建模的机构增多，隐私集合求交过程的交互逻辑逐渐变得复杂而低效，损耗问题变得越来越严重。

发明内容

本发明的主要目的在于提供一种基于联邦学习的隐私集合求交方法、系统、设备及介质，以解决现有的隐私集合求交过程的交互逻辑复杂、低效且损耗较为严重的问题。

本发明其中一个实施例提供了一种基于联邦学习的隐私集合求交方法，包括：

获取所有参与方的全量加密序列；

基于网络拓扑，将所有参与方的全量加密序列进行两两相交，逐步获得所有参与方的全量加密序列的最终交集；

将最终交集发送给所有的参与方；

基于所获得的全量加密序列以及最终交集，获取最终交集在全量加密序列中的索引；

将索引发回全量加密序列的源头参与方，以在源头参与方获取最终交集对应的明文序列。

在其中一个实施例中，获取所有参与方的全量加密序列，包括：

多个参与方将本方的明文序列通过本方的密钥进行加密；

将加密后的序列基于网络拓扑传输给下一个参与方进行加密操作，直至所有参与方的序列被所有参与方的密钥都进行加密过，得到所有参与方的全量加密序列。

在其中一个实施例中，在多个参与方将本方的明文序列通过本方的密钥进行加密之前，通过同一类型的加密算法生成多个密钥。

在其中一个实施例中，通过同一类型的加密算法生成多个密钥，包括：

基于一条公共的椭圆曲线，获取椭圆曲线的G值和n值；

对于每个参与方，基于椭圆曲线的n值，在(1，n-1)的范围内生成随机数；

每个参与方使用椭圆曲线的G值和所生成的随机数作为密钥。

在其中一个实施例中，在多个参与方将本方的明文序列通过本方的密钥进行加密之前，所述多个参与方将本方的明文序列通过哈希方程转换为哈希序列，用于排除浮点数据带来的偏差。

在其中一个实施例中，基于网络拓扑，将所有参与方的全量加密序列进行两两相交，包括：

将多个参与方分为第一参与方和第二参与方，所述第一参与方和第二参与方在网络拓扑中两两间隔设置，所述第一参与方接收其下一个参与方传输的全量加密序列，并与本方的全量加密序列相交，获得第一序列交集；