[发明专利]一种基于安全多方计算的卡方分箱方法

权利要求书

1.一种基于安全多方计算的卡方分箱方法，其特征在于，包括下述步骤：

步骤1：数据提供方通过同态加密系统生成一对公钥pk和私钥sk，将特征数据X＝{x₀,x₁,...,x_n-1},id∈[0,n-1]进行分组，将特征数据X中类别相同的数据的id划分为一个区间，共记作s个分组，记作x_t,t∈[0,s-1]，n,s为正整数，并且标记真实分组x_t的类别为1，使用公钥pk将该分组类别加密，记作E_x＝E(1)，得到真实分组信息Group_t(x_t,E_x)；

步骤2：构造虚假分组，将特征数据X的id随机划分s个分组区间，分组区间数目与真实分组个数保持一致，将区间记作x_v,v∈[0,s-1]，并且标记虚假分组的类别0，使用公钥pk将分组类别加密记作E_x＝E(0)，得到虚假分组信息为Group_v(x_v,E_x)；

步骤3：将真实分组信息和虚假分组信息按行连接，并且按行乱序，得到分组信息Group_X，数据提供方将分组信息Group_X(x_i,E_x)发送给数据应用方；

步骤4：数据应用方将分组信息Group_X(x_i,E_x)与标签数据Y＝{y₀,y₁,...,y_i,...,y_n-1},id∈[0,n-1]的id映射，得出每个分组区间x_i对应的标签数据y_i的值，将每个分组区间x_i对应的标签数据y_i的值相加，得出该分组区间内响应样本个数Group_y，根据该分组区间内数据总数Group_s，计算得出该分组区间未响应样本的个数Group_n＝Group_s-Group_y，并且将所有分组区间的响应样本个数Group_y，未响应样本个数Group_n，样本总数Group_s，以及分组区间对应的分组类别标记E_x发送给数据提供方；

步骤5：数据提供方使用私钥将分组类别标记E_x解密，得到解密后分组类别标记D_x，其中D_x＝1则为真实分组，D_x＝0则为虚假分组，删除虚假分组信息；

步骤6：数据提供方根据真实分组区间对应的响应样本个数Group_y，未响应样本个数Group_n，样本总数Group_s，计算第i,i∈[0,2s-1]个分组第j个类别的期望样本个数E_ij，此处j∈[0,2)表示响应样本和未响应样本两类；根据相邻两个真实分组的期望样本个数E_ij，相邻两个真实分组的样本个数A_ij，计算得出相邻两个真实分组的卡方值χ²；

步骤7：数据提供方设置分箱数目限制，根据相邻分组的卡方值，卡方值最小的两个分组合并，合并后重新计算相邻分组的卡方值，直到分箱数目达到分箱数目限制后停止合并，得出卡方分箱结果。

2.根据权利要求1所述的一种基于安全多方计算的卡方分箱方法，其特征在于，步骤1所述真实分组x_t，其中只包括特征数据的id,id∈[0,n-1]，不包含特征数据的实际值，避免特征数据的实际值泄露。

3.根据权利要求1所述的一种基于安全多方计算的卡方分箱方法，其特征在于，步骤2所述将特征数据X的id随机划分s个分组区间，目的是构造虚假分组，将虚假分组混入真实分组中，保护真实分组信息。