[发明专利]数据处理方法、装置、设备及存储介质

说明书

本发明公开了一种数据处理方法、装置、设备及存储介质，所述方法应用于第一客户终端，该方法包括：第一客户终端根据待加密数据需右移的总位数，确定多个右移阶段的右移位数，右移是指待加密数据中的比特数据从待加密数据的高位向待加密数据的低位移动；对待加密数据划分的每个子数据，依次根据各右移阶段的右移位数进行右移处理，获得右移结果，右移结果用于待加密数据的加密，加密后的待加密数据用于联邦学习。本发明通过提高右移位的效率，来提高联邦学习的加密效率。

技术领域

本发明涉及数据处理领域，尤其涉及一种数据处理方法、装置、设备及存储介质。

背景技术

在机器学习建模过程中，数据对机器学习模型的性能有着至关重要的作用，高质量的数据越多，机器学习模型的性能越好。由于数据中通常包含用户的隐私信息，在机器学习建模过程中，往往需要对数据进行加密保护。

作为一种新型的机器学习框架，联邦学习(Federated Learning，又称为联合学习、联盟学习)通过分布式训练和数据加密，在满足用户隐私保护、数据安全的要求下，帮助多方机构进行数据使用和机器学习建模，既可以做到保护用户隐私又能充分挖掘各方数据价值。

为提高加密效果，联邦学习使用的加密方式为非对称加密。然而，非对称加密中参与计算的数据的位宽较大，例如256位(binary digit，简称为BIT，又被称为“比特”)、512位、1024位，在移运运算中，这些高位宽的移位效率还有待提高，导致联邦学习中加密效率也有待提高。

发明内容

本发明的主要目的在于提供一种数据处理方法、装置、设备及存储介质，旨在解决联邦学习中加密效率有待提高的技术问题。

为实现上述目的，本发明提供一种数据处理方法，所述方法应用于第一客户终端，包括：

所述第一客户终端根据待加密数据需右移的总位数，确定多个右移阶段的右移位数，所述右移是指所述待加密数据中的比特数据从所述待加密数据的高位向所述待加密数据的低位移动；

对所述待加密数据划分的每个子数据，依次根据各所述右移阶段的右移位数进行右移处理，获得右移结果，所述右移结果用于待加密数据的加密，加密后的所述待加密数据用于联邦学习。

在一种可能的实现方式中，所述多个右移阶段包括第一右移阶段和第二右移阶段，所述对所述待加密数据划分的每个子数据，依次根据各右移阶段的右移位数进行右移处理，获得右移结果，包括：

对所述每个子数据，根据所述第一右移阶段的右移位数进行右移处理，获得中间数据；

对所述中间数据，根据所述第二右移阶段的右移位数进行右移处理，获得右移结果。

在一种可能的实现方式中，所述第一右移阶段的右移位数为第一右移位数，所述第二右移阶段的右移位数为第二右移位数，所述第一右移位数为所述子数据的位宽的整数倍，所述对所述每个子数据，根据所述第一右移阶段的右移位数进行右移处理，获得中间数据，包括：

以子数据为单位，将各所述子数据并行右移所述第一右移位数，获得所述中间数据；

所述对所述中间数据，根据所述第二右移阶段的右移位数进行右移处理，获得右移结果，包括：

以所述中间数据中的比特数据为单位，将各所述比特数据并行右移所述第二右移位数，获得所述右移结果。

在一种可能的实现方式中，所述第一客户终端根据待加密数据需右移的总位数，确定多个右移阶段的右移位数，包括：

根据所述待加密数据需右移的总位数和所述子数据的位宽，确定所述多个右移阶段的右移位数。

在一种可能的实现方式中，所述多个右移阶段包括第一右移阶段和第二右移阶段，所述根据所述待加密数据需右移的总位数和所述子数据的位宽，确定所述多个右移阶段的右移位数，包括：