[发明专利]多方联合对隐私数据进行显著性检验的方法和装置

权利要求书

1.一种多方联合对隐私数据进行显著性检验的方法，所述隐私数据分布在M个持有方中，其中，每个持有方存储有对应的原始矩阵，所述M个持有方各自的原始矩阵在按照预定顺序相拼接的情况下构成联合矩阵，所述联合矩阵对应于N个业务对象针对D项属性项的属性值构成的矩阵；所述方法通过检验方执行，包括：

获取所述N个业务对象对应的N个预测值以及所述D项属性项对应的D个模型参数；其中，所述预测值和所述模型参数基于将所述N个业务对象的所述D项属性项的属性值作为样本特征，对逻辑回归模型进行安全联合训练后得到，所述逻辑回归模型用于对业务对象进行分类；

对所述N个预测值分别进行预定计算，将计算后的结果作为对角元素构建N*N维的预测值矩阵；

利用秘密共享的矩阵乘法SMM，基于所述预测值矩阵以及所述M个持有方各自的原始矩阵进行乘操作，得到多个子矩阵，将所述多个子矩阵构建得到中间矩阵，将所述中间矩阵的逆矩阵确定为所述预测值矩阵与所述联合矩阵形成的D*D维的方差协方差矩阵；

基于所述方差协方差矩阵的对角元素确定所述D个模型参数的标准误差；

采用显著性检验法，基于每个模型参数和对应的标准误差的比值，确定所述模型参数对应的属性项在提升所述逻辑回归模型效果上的显著性水平值。

2.根据权利要求1所述的方法，还包括：

基于所述属性项的显著性水平值，从所有属性项中去除显著性水平值不满足预设条件的属性项，以使多个所述持有方采用去除部分属性项后的样本特征，对所述逻辑回归模型进行安全联合训练。

3.根据权利要求1所述的方法，其中，所述业务对象为以下之一：用户、商户、商品、事件。

4.根据权利要求1所述的方法，其中，所述方差协方差矩阵为：联合矩阵的转置矩阵、所述预测值矩阵和所述联合矩阵相乘后求逆得到的D*D维的方差协方差矩阵。

5.根据权利要求1所述的方法，其中，每个持有方存储的原始矩阵对应于，全部的N个业务对象针对部分属性项的属性值构成的原始矩阵；

所述基于所述预测值矩阵以及所述M个持有方各自的原始矩阵进行乘操作，得到多个子矩阵的步骤，包括：

基于所述预测值矩阵以及任意一个持有方的原始矩阵进行乘操作，得到M个第一子矩阵，基于所述预测值矩阵以及任意两个不同持有方各自的原始矩阵进行乘操作，得到M(M-1)个第二子矩阵。

6.根据权利要求5所述的方法，所述将所述多个子矩阵构建得到中间矩阵的步骤，包括：

将有待形成的所述方差协方差矩阵的逆矩阵划分为M*M个块形成的方阵；

用所述M个第一子矩阵填充所述方阵的对角块，用所述M(M-1)个第二子矩阵填充所述方阵的对角块之外的其他块。

7.根据权利要求5所述的方法，其中，所述原始矩阵中一行对应一个业务对象，一列对应一个属性项；

所述联合矩阵为，假定对所述M个持有方各自对应的原始矩阵进行横向拼接所形成的矩阵。

8.根据权利要求1所述的方法，其中，每个持有方存储的原始矩阵对应于，部分业务对象针对全部的D项属性项的属性值构成的原始矩阵；

所述基于所述预测值矩阵以及所述M个持有方各自的原始矩阵进行乘操作，得到多个子矩阵的步骤，包括：

基于所述预测值矩阵以及任意一个持有方的原始矩阵进行乘操作，得到M个第一子矩阵。

9.根据权利要求8所述的方法，所述将所述多个子矩阵构建得到中间矩阵的步骤，包括：

将所述M个第一子矩阵相加，得到所述中间矩阵。

10.根据权利要求8所述的方法，其中，所述原始矩阵中一行对应一个业务对象，一列对应一个属性项；

所述联合矩阵为，假定对所述M个持有方各自对应的原始矩阵进行纵向拼接所形成的矩阵。

11.根据权利要求1所述的方法，所述检验方为所述M个持有方中的一个。