[发明专利]针对多方的隐私数据进行聚类的方法和装置

说明书

本说明书实施例提供一种针对多方的隐私数据进行聚类的方法和装置，方法包括：第一方确定K个类簇当前分别对应的各中心数据的第一数据部分，第一数据部分对应于第一维度集合；第二方具有各中心数据的对应于第二维度集合的第二数据部分；分别将各中心数据作为目标中心数据，基于N个样本中任一样本的第一特征部分和目标中心数据的第一数据部分，通过本地计算得到任一样本和目标中心数据的目标距离的第一分片；基于各目标距离的第一分片，利用秘密共享的方式，与第二方中的各目标距离的第二分片进行联合比较，确定各目标距离中的最近的目标距离；将最近的目标距离对应的类簇，确定为任一样本当前归属的类簇。能够防止泄露隐私数据。

技术领域

本说明书一个或多个实施例涉及计算机领域，尤其涉及针对多方的隐私数据进行聚类的方法和装置。

背景技术

聚类是机器学习中一种很常用的技术。它常常被应用于社区发现、异常检测等任务。通常的聚类算法，是一种无监督学习算法，目的是将相似的对象归到同一个类蔟中。类蔟内的对象越相似，聚类的效果就越好。聚类和分类最大的不同在于，分类的目标事先已知，而聚类则不一样。其产生的结果和分类相同，而只是类别没有预先定义。

在某些场景下，数据垂直分布在多方。各方具有的数据可能为隐私数据，也就是说，一方具有的隐私数据不能公开给其他方。这种情况下，现有技术未提供合适的聚类方法。

因此，希望能有改进的方案，在针对多方的隐私数据进行聚类时，能够防止泄露隐私数据。

发明内容

本说明书一个或多个实施例描述了一种针对多方的隐私数据进行聚类的方法和装置，在针对多方的隐私数据进行聚类时，能够防止泄露隐私数据。

第一方面，提供了一种针对多方的隐私数据进行聚类的方法，所述多方包括第一方和第二方，所述第一方的隐私数据包括N个样本的第一特征部分，所述第一特征部分对应于第一维度集合，所述第二方的隐私数据包括所述N个样本的第二特征部分，所述第二特征部分对应于第二维度集合，所述方法通过所述第一方执行，包括多轮迭代过程，其中任意一轮迭代包括：

确定K个类簇当前分别对应的各中心数据的第一数据部分，所述第一数据部分对应于所述第一维度集合；所述第二方具有所述各中心数据的对应于所述第二维度集合的第二数据部分；任一中心数据的第一数据部分和该中心数据的第二数据部分共同构成该中心数据；

分别将所述各中心数据作为目标中心数据，基于所述N个样本中任一样本的第一特征部分和目标中心数据的第一数据部分，通过本地计算得到所述任一样本和所述目标中心数据的目标距离的第一分片；所述第二方具有所述目标距离的第二分片；

基于各目标距离的第一分片，利用秘密共享的方式，与第二方中的各目标距离的第二分片进行联合比较，确定各目标距离中的最近的目标距离；

将所述最近的目标距离对应的类簇，确定为所述任一样本当前归属的类簇。

在一种可能的实施方式中，所述本地计算包括：

将所述任一样本的第一特征部分作为第一子向量，将目标中心数据的第一数据部分作为第二子向量，计算所述第一子向量和所述第二子向量之间的向量距离，将所述向量距离确定为所述任一样本和所述目标中心数据的目标距离的第一分片。

在一种可能的实施方式中，所述任意一轮迭代为第一轮迭代，所述K个类簇当前分别对应的各中心数据的第一数据部分为随机初始化的数据。

在一种可能的实施方式中，所述联合比较包括：

基于所述各目标距离中任意两个目标距离的第一分片，利用秘密共享的方式，与所述第二方中的该任意两个目标距离的第二分片进行联合比较，确定该任意两个目标距离之间的距离远近的比较结果；

根据各比较结果，确定所述各目标距离中的最近的目标距离。