[发明专利]一种基于神经网络模型的安全多方计算方法

说明书

本发明涉及区块链技术领域，具体涉及一种基于神经网络模型的安全多方计算方法，包括：建立主持方，主持方构建神经网络模型；主持方自行生成若干组输入数；函数结果作为标签，形成样本数据；使用样本数据训练和测试神经网络模型；主持方公布神经网络模型；参与方将各自的隐私数代入加权和计算式，得到中间值，将中间值发送给主持方；主持方收到全部中间值后，将中间值求和，再与偏移值相加，获得第1层神经元的输入数；获得第1层全部神经元的输入数后，计算获得神经网络模型的输出，即为安全多方计算的结果。本发明的实质性效果是：利用神经网络模型拟合任意目标函数，获得安全多方计算的方案，扩大了安全多方计算的应用范围。

技术领域

本发明涉及区块链技术领域，具体涉及一种基于神经网络模型的安全多方计算方法。

背景技术

区块链是一个分布式的共享账本和数据库，具有去中心化、不可篡改、全程留痕、可以追溯、集体维护、公开透明等特点。这些特点保证了区块链的“诚实”与“透明”，为区块链创造信任奠定基础。基于区块链能够解决信息不对称问题，实现多个主体之间的协作信任与一致行动。区块链借助分布存储，虽然提高了数据的安全性并提供了信任基础，但同时也注定了数据在区块链上是公开透明的。随着区块链应用不断扩展延伸，涉及敏感隐私数据的行业在应用区块链时，就出现了无法保持数据隐私的问题。因此隐私计算的概念被提出，隐私计算（Privacy Computing）是指一种由两个或多个参与方联合计算约定函数的技术和系统。参与方在不泄露各自数据的前提下通过协作对他们的数据进行联合机器学习和联合分析。隐私计算的参与方既可以是同一机构的不同部门，也可以是不同的机构。其中，安全多方计算是隐私计算的一种实现技术。目前进行安全多方计算的技术有不经意传输、加密布尔电路和同态加密技术。其中不经意传输和加密布尔电路的方案能够进行任意目标函数的计算，但效率十分低下。同态加密目前仅能够进行加法的安全多方计算。导致安全多方计算技术难以推广使用，限制了区块链技术的发展。因而需要进一步研究执行效率更高的安全多方计算方案。

如中国专利CN111737011A，公开日2020年10月2日，公开了一种安全多方计算的实现方法，应用在安全多方计算参与方的代表节点上，其方法包括：确定本参与方符合安全多方计算协议的密态计算任务；将密态计算任务拆分为至少两个子任务，并将子任务分发给至少两个辅助节点进行计算；接收辅助节点返回的子任务的执行结果，根据子任务的执行结果生成符合安全多方计算协议的密态计算任务的计算结果。其基于同态加密进行安全多方计算，不能解决当前安全多方计算应用范围窄的技术问题。

发明内容

本发明要解决的技术问题是：目前安全多方计算应用范围窄的技术问题。提出了一种基于神经网络模型的安全多方计算方法，借助神经网络模型拟合目标函数实现安全多方计算。

为解决上述技术问题，本发明所采取的技术方案为：一种基于神经网络模型的安全多方计算方法，包括：选定主持方，主持方构建神经网络模型；主持方根据输入数的取值范围，生成若干组输入数；将每组输入数代入目标函数，获得函数结果，函数结果作为标签，形成样本数据；主持方使用样本数据训练和测试神经网络模型，直到神经网络模型的准确度达到预设阈值；主持方公布神经网络模型，参与方验证神经网络模型的准确度，若验证通过则将验证结果签名，全部参与方验证通过后进入下一步骤；神经网络模型的第1层神经元的输入数将是输入层神经元取值的加权和与偏移值的和，参与方将各自的隐私数代入加权和计算式，得到中间值，将中间值发送给主持方；主持方收到全部中间值后，将中间值求和，再与偏移值相加，获得第1层神经元的输入数；获得第1层全部神经元的输入数后，计算获得神经网络模型的输出，所述输出即为安全多方计算的结果。

作为优选，主持方训练神经网络模型达到预设阈值后，检查第1层每个神经元涉及的连接的权重值，若存在第1层的神经元仅涉及一条权重非零的连接，则丢弃该神经网络模型，重新构建神经网络模型并重新训练。