[发明专利]多方联合对隐私数据进行聚类的方法及装置

说明书

本说明书实施例提供了一种多方联合对隐私数据进行聚类的方法及装置。隐私数据分布在多个持有方中，多个持有方分别存储的样本特征用于构成待聚类的多个样本的总特征矩阵。在任意一轮迭代中，在安全的计算方式下，多个持有方联合确定多个样本与多个聚类中心之间距离的距离分片，以及类簇索引的索引分片；接着，各持有方联合确定属于各类簇的样本特征的和值分片，以及联合确定属于各类簇的样本数量，并对样本数量进行修正。具体可以基于样本数量与第一数值的和值来修正样本数量，得到样本修正数量。多个持有方基于各方的和值分片和样本修正数量分别确定更新后的聚类中心特征分片。

技术领域

本说明书一个或多个实施例涉及计算机技术领域，尤其涉及一种多方联合对隐私数据进行聚类的方法及装置。

背景技术

k-means聚类已广泛用于用户分类、目标营销、图像分割和特征学习等许多应用中。待聚类的数据往往会涉及多个平台、多个领域。例如，在商户分类分析场景中，电子支付平台拥有商户的交易流水数据，电子商务平台存储有商户的销售数据，银行机构拥有商户的借贷数据。这就需要多方在保证业务数据隐私性的前提下，联合起来进行聚类。

目前，希望能有改进的方案，可以提高多方联合对隐私数据进行聚类时聚类过程的稳定性。

发明内容

本说明书一个或多个实施例描述了一种多方联合对隐私数据进行聚类的方法及装置，以提高多方联合对隐私数据进行聚类时聚类过程的稳定性。具体的技术方案如下。

第一方面，实施例提供了一种多方联合对隐私数据进行聚类的方法，所述隐私数据分布在多个持有方中，多个持有方分别存储的样本特征用于构成待聚类的多个样本的总特征矩阵；所述方法通过多个持有方执行，包括多轮迭代，其中任意一轮迭代包括：

基于各方的样本特征分片和各方的聚类中心特征分片，多个持有方之间执行第一多方安全计算，分别得到多个样本与多个聚类中心之间距离的距离分片；

基于各方的距离分片，多个持有方之间执行安全比较计算，分别得到类簇索引的索引分片，所述类簇索引用于表征样本在多个聚类中心对应的类簇中的归属；

基于各方的样本特征分片和各方的索引分片，多个持有方之间执行第二多方安全计算，分别确定属于各类簇的样本特征的和值分片；

基于各方的索引分片，多个持有方之间执行安全统计计算，分别得到属于各类簇的样本数量，并基于多个样本数量分别与第一数值的和值，确定属于各类簇的样本修正数量；

基于各方的和值分片和所述样本修正数量，多个持有方分别确定更新后的聚类中心特征分片。

在一种实施方式中，所述第一数值为接近于0但不为0的数值。

在一种实施方式中，所述确定属于各类簇的样本修正数量的步骤，包括：

将多个样本数量分别与第一数值的和值，确定为属于各类簇的样本修正数量。

在一种实施方式中，所述确定属于各类簇的样本修正数量的步骤，包括：

针对任意一个第一样本数量，基于和值与差值的比值，确定与所述第一样本数量对应的类簇的样本修正数量；其中，所述和值为所述第一样本数量与所述第一数值的和值，所述差值为1与所述第一样本数量的差值。

在一种实施方式中，所述基于各方的索引分片，多个持有方之间执行安全统计计算的步骤，包括：

基于各方的索引分片，多个持有方之间执行安全统计计算，分别得到属于各类簇的样本数量分片；其中，针对任意一个类簇，该类簇的多个样本数量分片在假定重构时得到对应的样本数量；

所述确定属于各类簇的样本修正数量的步骤，包括：