[发明专利]一种双向隐私保护的安全多方计算方法

说明书

本发明涉及计算机技术领域，具体涉及一种双向隐私保护的安全多方计算方法，包括：模型方建立神经网络模型拟合目标函数；将输入层神经元的连接拆分为两个连接；建立协作输入神经元和保留输入神经元；建立协作方；将协作数发送给协作方；数据方获得保留数；协作方计算协作连接的值；获得协作中间值；数据方将协作比例系数和保留比例系数发送给模型方，获得保留权系数；计算保留连接的值；将保留中间值发送给协作方；协作方获得第1层神经元的输入；模型方代入激活函数，获得第1层神经元的输出，进而获得目标神经网络模型的输出，即为安全多方计算的结果。本发明的有益效果是：扩大了安全多方计算的范围；实现隐私数据和神经网络模型的双向保密。

技术领域

本发明涉及大数据技术领域，具体涉及一种双向隐私保护的安全多方计算方法。

背景技术

随着大数据时代的到来，如何保护隐私数据和防止敏感信息泄露成为当前面临的重大挑战。在具体应用中，隐私即为数据所有者不愿意被披露的敏感信息，包括敏感数据以及数据所表征的特性。为解决大数据应用中隐私保护的问题，本领域提出了安全多方计算的技术。安全多方计算主要是针对无可信第三方的情况下，如何安全地计算一个约定函数的问题。安全多方计算能够同时确保输入数的隐私和计算结果的正确性。在无可信第三方的前提下通过数学理论保证参与计算的各方成员输入信息不暴露，且同时能够获得准确的运算结果。目前的安全多方计算方案包括加密布尔电路和同态加密。加密布尔电路的执行效率非常低，难以满足需要。同态加密技术仅支持加法和乘法的计算，应用范围十分有限。因而需要研究新的安全多方计算方法。

如中国专利CN110546642A，公开日2019年12月6日，一种不利用可信初始化器的安全多方计算，包括编码在计算机存储介质上的计算机程序，通过不利用可信初始化器的秘密共享安全协同地计算包括第一方的隐私数据的第一矩阵和包括第二方的隐私数据的第二矩阵的矩阵乘积。获得包括第一方的隐私数据的第一矩阵；生成第一随机矩阵；识别第一随机矩阵的第一子矩阵和第一随机矩阵的第二子矩阵；基于第一矩阵、第一随机矩阵、第一子矩阵和第二子矩阵计算第一方的第一加扰隐私数据；接收第二方的第二加扰隐私数据；计算矩阵乘积的第一加数；接收矩阵乘积的第二加数；以及通过对第一加数和第二加数求和来计算矩阵乘积。其技术方案使用矩阵乘积完成隐私数的计算，通过秘密共享和加饶数据保证隐私数的保密。但其采用的矩阵乘法能够实现的计算有限，仍然无法解决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：目前安全多方计算效率低或者应用范围窄的技术问题。提出了一种双向隐私保护的安全多方计算方法，本方法能够扩大安全多方计算的应用范围，同时能够保护目标函数的隐私，实现数据和函数的双向隐私保护。

为解决上述技术问题，本发明所采取的技术方案为：一种双向隐私保护的安全多方计算方法，包括：模型方建立神经网络模型拟合目标函数，获得目标神经网络模型；将目标神经网络模型的输入层神经元涉及的连接拆分为两个连接，分别记为协作连接和保留连接，协作连接和保留连接的权系数分别记为协作权系数和保留权系数；为每个协作连接建立协作输入神经元，为每个保留连接建立保留输入神经元；建立协作方，模型方将全部协作连接及协作权系数发送给协作方；每个数据方分别为所属的协作连接和保留连接，随机生成协作比例系数和保留比例系数，将协作连接对应的输入数与协作比例系数相乘的结果，作为协作数，发送给协作方；数据方将输入数与保留比例系数相乘的结果，作为保留数；协作方将协作数与协作权系数相乘，作为协作连接的值；协作方将连接同一个第1层神经元的协作连接的值相加，作为第1层神经元的协作中间值；数据方将协作比例系数和保留比例系数发送给模型方，模型方通过计算获得适配的保留权系数，将保留权系数反馈给数据方；数据方将保留数与保留权系数相乘，作为保留连接的值；将连接同一个第1层神经元的保留连接的值相加，作为第1层神经元的保留中间值，发送给协作方；协作方将第1层神经元的协作中间值、保留中间值和偏移值相加，获得第1层神经元的输入，将第1层神经元的输入发送给模型方；模型方将第1层神经元的输入代入激活函数，获得第1层神经元的输出，进而获得目标神经网络模型的输出，即为安全多方计算的结果。