[发明专利]差分隐私高频命中项的安全多方计算

说明书

根据一个方面，一种用于差分隐私高频命中项的安全多方计算的方法可以包括：接收候选值；响应于接收到的候选值与表中的条目当中的一个匹配，使对应计数递增；响应于接收到的候选值不与表中的条目当中的一个匹配并且表不超过阈值尺寸，向表添加条目；响应于接收到的候选值不与表中的条目当中的一个匹配并且表超过了阈值尺寸，使表中的计数递减并且删除具有计数零的条目；向表中的条目当中的对应计数添加噪声并且删除任何小于阈值的有噪对应计数；以及输出表的至少部分作为前k个值结果集合。

技术领域

本申请的发明构思提供了用于多方计算的方法、系统和制品，包括计算机程序产品。特别地，本申请的发明构思公开了一种针对前k个(top-k)值的分布式隐私学习问题的解决方案。

背景技术

用于对敏感数据执行分析(例如，统计或聚合查询等)的服务可能涉及与第三方共享数据。在一些情况下，对于共享数据的一方或多方共享明文数据可能是不期望或不可行的。例如，数据可能是不允许共享的敏感数据。在一些情况下，共享数据的各方可能是互不信任的各方。在其他情况下，使用受信任第三方也可能是不可行的，因为该受信任第三方可能变得受到怀疑。

发明内容

提供了用于多方计算的方法、系统和制品，包括计算机程序产品。

根据一个方面，一种系统包括：至少一个数据处理器；以及至少一个存储指令的存储器，指令在被至少一个处理器执行时产生操作，操作包括：针对跨越多个客户端的前k个值的确定生成包括将候选值映射至对应计数的条目的表；从多个客户端中的每一个接收候选值；响应于所接收到的候选值与表中的条目当中的一个匹配，针对匹配的候选值使对应计数递增；响应于所接收到的候选值不与表中的条目当中的一个匹配并且表不超过阈值尺寸，通过添加所接收到的候选值连同计数值1而向表添加条目；响应于所接收到的候选值不与表中的条目当中的一个匹配并且表超过了阈值尺寸，使表中的所有计数减1，并且从表中删除任何具有计数零的条目；向表的条目中的对应计数添加噪声；响应于有噪的对应计数小于阈值，针对的有噪对应计数删除表中的对应条目；以及输出表的至少一部分作为前k个值结果集合。

在一些变型当中，可以任选按照任何可行的组合包含包括下述特征在内的文中公开的特征中的一者或多者。在输出之前可以基于有噪对应计数对表排序。系统可以包括受信任服务器或者包含在受信任服务器中。前k个值结果集合是使用跨越多个客户端的数据域基于多方计算确定的，其中前k个值结果集合是在数据域的范围内确定的。系统可以利用云提供商处的至少一个计算节点或者多个客户端中的一者或多者处的至少一个计算节点来执行多方计算。从多个客户端的每者接收候选值可以包括接收处于安全消息内的候选值，安全消息进一步包括部分噪声值。向表的条目中的对应计数添加噪声可以进一步包括基于来自多个客户端中的每者的部分噪声值添加噪声。输出表的至少一部分作为前k个值结果集合可以进一步包括在安全消息中输出表的至少部分。前k个值结果集合可以是根据差分隐私输出的。

应当理解，上文的一般描述和下文的详细描述均为示例性和说明性的，而非限制性的。可以在文中阐述的那些以外提供额外的特征和/或变型。例如，本文描述的实施方式可以涉及所公开特征的各种组合及子组合以及/或者在下文的详细描述中公开的几个其他特征的组合及子组合。

附图说明

结合到本说明书当中并且构成本说明书的部分的附图示出了本文所公开的主题的某些方面，其连同文字描述一起有助于解释与所公开实施方式相关联的某些原理。在附图中：

图1A概念性地描绘了根据一些示例实施例的用于添加噪声以增强差分隐私的机制；

图1B描绘了根据一些示例实施例的可以实施差分隐私算法的模型的示例；

图2A-F描绘了根据一些示例实施例的确定前k个值或高频命中项值的第一算法HH1的过程的示例；

图3描绘了根据一些示例实施例的确定前k个值或高频命中项值的第二算法HH2的示例过程；并且