[发明专利]一种数据处理方法、装置和用于数据处理的装置

说明书

本发明实施例提供一种数据处理方法、装置和用于数据处理的装置。其中的方法包括：根据参与计算的数据个数确定中位数的序号k；在每个参与方的明文端对每个参与方的数据进行明文分箱处理，得到每个参与方的分箱数组；确定循环轮数n的值；执行n轮循环操作，每轮循环操作包括：在密文端对各参与方的分箱数组进行密文相加，得到数组hsum；基于密文比较hsum＜k，确定第一个比较结果为假的元素对应的箱号i；更新k的值；在每个参与方的明文端对每个参与方的第i箱数据进行明文分箱处理，得到下一轮待处理的每个参与方的分箱数组；在n轮循环操作完成后，根据各参与方第i箱中的数据确定中位数。本发明实施例可以提高查找中位数的效率。

技术领域

本发明涉及计算机技术领域，尤其涉及一种数据处理方法、装置和用于数据处理的装置。

背景技术

中位数是按顺序排列的一组数据中居于中间位置的数，代表一个样本、种群或概率分布中的一个数值，其可将数值集合划分为相等的上下两部分。中位数是以它在所有标志值中所处的位置确定的全体单位标志值的代表值，不受分布数列的极大或极小值影响，从而在一定程度上提高了中位数对分布数列的代表性。

在多方数据融合计算的场景下，经常需要对多个不同数据拥有方持有的数据计算中位数。为了避免各数据拥有方的数据泄露，可以利用多方安全计算系统基于多方的加密数据计算中位数，既可以实现数据共享，又可以保证数据的隐私安全。

然而，当数据量较大时，对全部数据进行加密需要大量的时间消耗。并且需要大量的空间消耗，在多方安全计算平台上，加密后的数据的内存消耗为明文数据的数倍，导致查找中位数的效率较低，难以适用于大数据量的应用场景。

发明内容

本发明实施例提供一种数据处理方法、装置和用于数据处理的装置，可以在保证数据隐私安全的基础上，提高在多方数据中查找中位数的效率，可以适用于大数据量的应用场景。

为了解决上述问题，本发明实施例公开了一种数据处理方法，应用于明密文混合计算系统，所述明密文混合计算系统包括密文端和至少两个参与方的明文端，所述方法用于对所述至少两个参与方的数据查找中位数，所述方法包括：

根据参与计算的数据个数确定中位数的序号k；

在每个参与方的明文端根据预设分箱数对每个参与方的数据进行明文分箱处理，得到每个参与方的分箱数组；

根据所述参与计算的数据个数、所述预设分箱数、以及预设算法失败概率确定循环轮数n的值；

执行n轮循环操作，每轮循环操作包括：在密文端对各参与方的分箱数组进行密文相加，得到密文结果数组hsum；基于密文比较hsum＜k，得到比较结果数组，并确定比较结果数组中第一个比较结果为假的元素对应的箱号i；更新k的值，以舍弃各参与方前i-1箱的数据；在每个参与方的明文端根据预设分箱数对每个参与方的第i箱数据进行明文分箱处理，得到下一轮待处理的每个参与方的分箱数组；

在n轮循环操作完成后，根据各参与方第i箱中的数据确定中位数。

可选地，所述在每个参与方的明文端根据预设分箱数对每个参与方的数据进行明文分箱处理，得到每个参与方的分箱数组，包括：

在每个参与方的明文端根据预设分箱数对每个参与方的数据进行明文分箱，并统计每个参与方各个箱内的数据个数，得到每个参与方的直方图数组；

对每个参与方的直方图数组分别求前缀和，得到每个参与方的分箱数组。

可选地，所述更新k的值，包括：

令k = k – hsum[i-1]。

可选地，所述根据各参与方第i箱中的数据确定中位数，包括：