[发明专利]隐私保护机器学习在审
| 申请号： | 201780089839.9 | 申请日： | 2017-03-22 |
| 公开（公告）号： | CN110537191A | 公开（公告）日： | 2019-12-03 |
| 发明（设计）人： | P·莫哈塞尔;Y·张 | 申请（专利权）人： | 维萨国际服务协会 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06F21/62 |
| 代理公司： | 31100 上海专利商标事务所有限公司 | 代理人： | 钱慰民;张鑫<国际申请>=PCT/US2 |
| 地址： | 美国加利*** | 国省代码： | 美国;US |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 提供用于隐私保护机器学习训练的新的高效协议(例如，针对使用随机梯度下降法的线性回归、逻辑回归和神经网络)。协议可以使用双服务器模型，其中数据所有者在两个不共谋的服务器之间分发它们的私用数据，所述服务器使用安全双方计算(2PC)在联合数据上训练各种模型。新技术支持共享小数数字的安全算术运算，并提出非线性函数的MPC友好替代方案，所述非线性函数例如是sigmoid和softmax。 | ||
| 搜索关键词： | 非线性函数 随机梯度下降法 服务器使用 机器学习 技术支持 联合数据 逻辑回归 神经网络 双服务器 私用数据 算术运算 线性回归 隐私保护 小数 服务器 分发 安全 共享 替代 | ||
【主权项】：
1.一种执行隐私保护机器学习的方法，所述方法包括：/n在K个训练计算机处存储来自多个数据客户端的秘密共享私用数据，K等于2或更大，其中在秘密共享时所述秘密共享私用数据的每一数据项由K个部分表示，并且其中所述秘密共享私用数据包括一组训练样本，每一训练样本具有d个特征和输出Y；/n初始化机器学习模型的一组d个权重的值，所述权重在所述K个训练计算机之间秘密共享，其中所述权重和所述特征存储为整数；/n标识成本函数，所述成本函数在预测所述一组训练样本的所述输出Y时提供所述一组d个权重的精确度；/n选择训练样本；/n在所述K个训练计算机中的每一个处：/n相对于第J个权重计算所述成本函数的误差项以确定第J个增量部分，其中计算所述误差项包括：/n在确定前向部分时使用选定训练样本的d个特征部分和d个权重部分执行第一乘法运算，所述前向部分包括来自所述d个特征和所述d个权重的乘积的秘密共享前向传播结果，所述第一乘法运算使用随机整数的第一乘法三元组；/n对所述第J个增量部分进行截尾；/n使用截尾的第J个增量部分更新所述d个权重部分中的第J个权重部分；/n针对其它训练样本和所述d个权重中的其它权重重复操作以训练所述机器学习模型。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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维萨国际服务协会，未经维萨国际服务协会许可，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/patent/201780089839.9/，转载请声明来源钻瓜专利网。
- 上一篇：RFID标签
- 下一篇：关联存储器存储单元、装置和方法
