[发明专利]一种相关性系数计算方法、装置、设备及计算机存储介质

说明书

本发明实施例提供了一种相关性系数计算方法、装置、设备及计算机存储介质。方法应用于第一设备，方法包括：基于同态加密算法获取公钥；通过公钥对第一特征变量进行同态加密，得到第二特征变量；向第二设备发送第二特征变量，以用于第二设备根据第二特征变量得到第一目标相关系数；接收第二设备发送的第一目标相关系数；使用公钥对应的私钥，对第一目标相关系数进行解密，得到第二目标相关系数。本发明实施例能够提高计算效率和降低计算时间，适用于多种相关性系数的计算。

技术领域

本发明属于信息安全领域，尤其涉及一种相关性系数计算方法、装置、设备及计算机存储介质。

背景技术

当今社会处于信息互联互通的大数据时代，医疗、金融和教育等领域数据的信息隐私和安全问题越来越被关注。

为了更好的对各领域的数据进行分析和学习，同时满足安全性的要求，在各领域的应用中，常常通过联邦学习进行数据的分析和学习。

参与联邦学习的各参与方拥有不同的数据特征，为了保证数据各方的数据隐私，各参与方一般不直接传输原始数据，而是通过加密处理以及归一化等复杂操作来加密数据，在不违反数据隐私法规的情况下，建立一个虚拟的共有模型。然而，目前的计算方法不仅运算量大，计算效率低。

发明内容

本发明实施例提供一种相关性系数计算方法、装置、设备及计算机存储介质，能够提高计算效率和降低计算时间，适用于多种相关性系数的计算。

第一方面，本发明实施例提供一种相关性系数计算方法，方法应用于第一设备，方法包括：基于同态加密算法获取公钥；

通过公钥对第一特征变量进行同态加密，得到第二特征变量；

向第二设备发送第二特征变量，以用于第二设备根据第二特征变量得到第一目标相关系数；

接收第二设备发送的第一目标相关系数；

使用公钥对应的私钥，对第一目标相关系数进行解密，得到第二目标相关系数。

在第一方面的一些可实现方式中，通过公钥对第一特征变量进行同态加密，得到第二特征变量，包括：

对第一特征变量进行拉伸变化处理，得到处理后的第一特征变量；

通过公钥对处理后的第一特征变量进行同态加密，得到第二特征变量。

在第一方面的一些可实现方式中，对第一特征变量进行拉伸变化处理，得到处理后的第一特征变量，包括：

随机生成随机正实数和一个随机实数；

将第一特征变量乘以随机正实数后，与随机实数相加，得到处理后的第一特征变量。

在第一方面的一些可实现方式中，方法还包括：

向第二设备发送公钥，以用于第二设备使用公钥对第三特征变量进行同态加密，得到第四特征变量。

在第一方面的一些可实现方式中，方法还包括：

向第二设备发送第一特征变量的数据标识，以用于第二设备根据数据标识，组合第二特征变量和第四特征变量。

在第一方面的一些可实现方式中，同态加密算法包括全同态加密算法或半同态加密算法。

在第一方面的一些可实现方式中，第一目标相关系数至少包括以下至少一种：皮尔森相关系数、斯皮尔曼相关性系数、肯德尔相关性系数。

第二方面，本发明实施例提供一种相关性系数计算方法，方法应用于第二设备，方法包括：接收第一设备发送的第二特征变量、公钥和第一特征变量的数据标识；

通过公钥对第二设备中的第三特征变量进行同态加密，得到第四特征变量；