[发明专利]一种三角式隐私计算方法

权利要求书

1.一种三角式隐私计算方法，其特征在于，包括以下步骤：

建立模型方、协作方和数据方，模型方拥有目标函数，数据方拥有隐私数；

模型方建立神经网络模型拟合目标函数，模型方将神经网络模型除输入层及输入层涉及的连接以外的部分，作为协作神经网络模型发送给协作方；

模型方将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；

模型方为协作连接生成协作权系数，将协作输入神经元、协作连接及协作连接权系数发送给协作方，将保留输入神经元及保留连接发送给数据方；

数据方随机生成协作比例系数和保留比例系数，将协作连接对应的隐私数与协作比例系数相乘，作为协作数，发送给协作方，数据方将隐私数与保留比例系数相乘，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，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，代入协作神经网络模型，获得协作神经网络模型的输出，即为隐私计算的结果，将结果发送给模型方。

2.根据权利要求1所述的一种三角式隐私计算方法，其特征在于，

模型方建立神经网络模型拟合目标函数的方法包括：

模型方将目标函数涉及的输入字段发送给相关的数据方；

数据方提供输入字段的输入数的取值范围和分布概率；

模型方根据按照分布概率在输入数的取值范围内随机生成输入数；

将输入数代入目标函数获得目标函数的结果，结果作为标签，形成样本数据；

使用样本数据训练神经网络模型，获得目标神经网络模型。

3.根据权利要求1或2所述的一种三角式隐私计算方法，其特征在于，

模型方建立历史记录表，历史记录表记录每对协作连接和保留连接收到的协作比例系数和保留比例系数，并记录模型方分配的协作权系数和计算所得保留权系数；

当再次收到历史表中记录的协作比例系数和保留比例系数时，为协作连接分配同样的协作权系数；

将同样的保留权系数发送给数据源方。

4.根据权利要求1或2所述的一种三角式隐私计算方法，其特征在于，

模型方为输入层神经元涉及的连接的权系数生成一个随机的干扰量，干扰量与权系数的比值小于预设阈值，根据协作权系数、协作比例系数、保留比例系数及添加干扰量后的原连接权系数，计算出保留权系数，发送给数据源方。

5.根据权利要求1或2所述的一种三角式隐私计算方法，其特征在于，

模型方根据目标函数，选择划分量，所述划分量为目标函数中涉及指数函数的输入数，模型方根据划分量的取值范围，为划分量设置若干个区间，为每个区间建立一个神经网络模型，并将神经网络模型关联对应的区间，进行安全多方计算时，由划分量对应的数据方选择对应的神经网络模型并通知其他数据方、协作方和模型方。

6.根据权利要求1或2所述的一种三角式隐私计算方法，其特征在于，

模型方构建神经网络模型时，执行以下步骤：

设定阈值N，N为正整数；

模型方分别计算目标函数对每个输入数的1阶偏导至N阶偏导；

对于输入数，若目标函数的m阶偏导非常数，则模型方添加所述输入数的m次方作为神经网络模型的输入神经元。

7.一种三角式隐私计算方法，其特征在于，包括以下步骤：

建立模型方、协作方和数据方，模型方拥有目标函数，数据方拥有隐私数；

模型方建立神经网络模型拟合目标函数，模型方将神经网络模型除输入层及输入层涉及的连接以外的部分，作为协作神经网络模型发送给协作方；

模型方将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；

模型方为协作连接生成协作权系数，将协作输入神经元、协作连接及协作连接权系数发送给协作方；

模型方根据原连接权系数及协作权系数，建立保留权系数与比例系数的多项式拟合函数；

将多项式拟合函数、保留输入神经元及保留连接发送给数据方；

数据方将协作连接对应的隐私数拆分为两个加数，分别作为协作数和保留数，将协作数发送给协作方；

协作方将协作数与协作权系数相乘，作为协作连接的值，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；

数据方计算保留数与协作数的比值，即为比例系数，根据多项式拟合函数，获得保留权系数；

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，代入协作神经网络模型，获得协作神经网络模型的输出，即为隐私计算的结果，将结果发送给模型方。