[发明专利]一种基于隐私计算的资质审核系统

说明书

本发明涉及计算机技术领域，具体涉及一种基于隐私计算的资质审核系统，包括审核服务器、协同服务器和客户端，审核服务器建立有审核神经网络模型，将输入连接拆分为协同连接和用户连接，建立用户权系数对分配比例的多项式拟合函数，客户端接收用户输入的输入数组合，为每个输入连接随机生成分配比例，计算协同数发送给协同服务器，计算用户连接值发送给协同服务器，协同服务器计算协同连接值，将同输入组的协同连接值和用户连接值相加，获得输入组值，继而获得审核神经网络模型的输出，即为资质审核结果。本发明的实质性效果是：保护了用户的隐私，提高了审核的准确度，使得审核规则得以保密。

技术领域

本发明涉及计算机技术领域，具体涉及一种基于隐私计算的资质审核系统。

背景技术

隐私计算（Privacy-preserving computation）是指在保证数据提供方不泄露原始数据的前提下，对数据进行分析计算的一系列信息技术，保障数据在流通与融合过程中的“可用不可见”。是解决数据隐私和数据价值挖掘矛盾的一种技术。通过隐私计算能够使包含隐私的数据参与到分析计算中，获得数据计算的结果，用于指导后续服务的开展。目前的隐私计算技术的实现分为三个类别，分别为多方安全计算、联邦学习和基于可信硬件的可信执行技术。多方安全计算则有两种实现方式。其一是基于混淆电路和不经意传输，这种实现方法存在效率低的问题。另一种方式为采用同态加密的方式实现，但目前的同态加密技术尚不成熟，仅能够进行加法和简单乘法的同态加密计算，应用范围有限。神经网络模型本质上是对自然界规律的函 数拟合，其没有典型的函数表达式，但能够通过简单的加权求和及激活函数的计算，实现复杂规律的函数拟合，处理多输入的分类或预测问题具有极佳的效果。但目前缺乏基于神经网络模型实现隐私计算的方案。而且在资质审核过程中，不仅需要对输入进行隐私保护，有时也需要对审核的标准进行保密。如反洗钱审核中，就需要对反洗钱的判断规则进行保密，避免参与洗钱活动的用户针对反洗钱判断规则进行规避。因而不仅需要研究适合复杂审核规则的隐私计算方案，还需要在执行审核时，实现对审核规则的保密。

如中国专利CN112785246A，公开日为2021年5月11日，公开了一种低收入人群审核方法，基于大数据技术对申请人的经济状态相关数据进行处理，并将处理后的数据与低收入人群申请资格评估模型和虚假低收入人群评估模型相结合，从而判断出申请人是否为低收入人群；其方法避免了人工提交材料的繁琐，低收入人群资质自动审核，避免了人工干涉，提高了低收入人群的有效性以及办事效率。该方法还具有定期对已审核通过的低收入人群进行资质查验的功能，能够筛选出虚假低收入人群，减少非必要的开支，让保障金真正发挥价值；此外，该方法在处理过程中采用了数据脱敏处理，使敏感数据不可见，避免了申请人的隐私泄漏。虽然其数据经过了脱敏处理，但仍然获得了申请人的大量数据。当数据脱敏程度较低时，隐私保护程度低，而脱敏程度高时，又会导致数据失真严重，降低审核的准确度。

发明内容

本发明要解决的技术问题是：目前缺乏能够同时保护用户隐私和审核规则保密的审核系统的技术问题。提出了一种基于隐私计算的资质审核系统，本系统能够在数据不失真的情况下，完成对用户的资质的审核，同时使审核规则不被泄露。