[发明专利]一种用于隐私计算的三方安全乘法方法及系统

说明书

本发明公开一种用于隐私计算的三方安全乘法方法及系统，涉及隐私计算技术领域。所述方法包括辅助计算节点随机生成三组随机矩阵对，并将随机矩阵对发送给三方，三方分别根据各自的随机矩阵与私有矩阵的和计算各自的和矩阵和第二方根据和矩阵生成矩阵集合，第一方基于矩阵集合和自己的秘密矩阵得到Tsubgt;a/subgt;，第二方基于自己的随机秘密矩阵和Tsubgt;a/subgt;得到Tsubgt;b/subgt;，第三方基于Tsubgt;b/subgt;和矩阵集合生成自己的随机秘密矩阵，根据三个随机秘密矩阵得到乘积矩阵。本发明可提高结果精度的可靠性。

技术领域

本发明涉及隐私计算技术领域，特别是涉及一种用于隐私计算的三方安全乘法方法及系统。

背景技术

随着人工智能和大数据技术的不断创新和应用，全球正式进入“数据驱动”时代，对国家和企业而言，数据已成为重要的战略资源。然而，大数据时代离不开数据的开放共享，如何实现数据的“可用不可见”，打破数据孤岛实现数据的互联互通和融合分析，成为当前亟待解决的问题。而隐私计算技术的出现在有效保障了原始数据隐私不泄露的前提下，不仅实现了数据的安全流通又能有效保证数据所有权和使用权的分离。

隐私计算技术被广泛应用于大数据联合挖掘、机器学习的联合建模等应用场景中，这些相关工作涉及大量的矩阵乘法计算。例如训练神经网络中的卷积层都是大量的高维安全矩阵乘积运算；在支持向量机分类中，计算间隔距离会有向量的乘法计算；在K-Means聚类问题中，计算欧氏距离也涉及到大批量矩阵乘法计算；在线性回归问题中，无论是梯度优化或者最小二乘都涉及到矩阵乘法计算，现有的隐私计算方案中包括：基于同态加密技术的方案和基于差分隐私方案，基于同态加密技术的方案虽然在安全性保障上有很强的数学复杂理论支撑，但是过度的追求安全性和涉及大量模运算使得其计算复杂度高、运算速度慢、密文计算难度升级依赖大量计算资源，并且计算结果精度可靠性低。基于差分隐私技术的方案其优点是对于恶意节点对原始数据的攻击具有极高的安全保障，但是其缺点是噪声的引入会导致最终矩阵计算结果精度可靠性低。

发明内容

本发明的目的是提供一种用于隐私计算的三方安全乘法方法及系统，可提高结果精度的可靠性。

为实现上述目的，本发明提供了如下方案：

一种用于隐私计算的三方安全乘法方法，包括：

辅助计算节点随机生成三组随机矩阵对(R_a，r_a)、(R_b，r_b)和(R_c，r_c)，并将所述随机矩阵对(R_a，r_a)发送给第一参与方，将所述随机矩阵对(R_b，r_b)发送给第二参与方，将所述随机矩阵对(R_c，r_c)发送给第三参与方；其中r_a+r_b+r_c＝R_a·R_b·R_c；

所述第二参与方计算所述随机矩阵R_b和所述第二参与方的私有矩阵B的和得到矩阵并判断所述矩阵是否为非满秩矩阵，得到第一判断结果；

若所述第一判断结果为否，则返回步骤“辅助计算节点随机生成三组随机矩阵对(R_a，r_a)、(R_b，r_b)和(R_c，r_c)，并将所述随机矩阵对(R_a，r_a)发送给第一参与方，将所述随机矩阵对(R_b，r_b)发送给第二参与方，将所述随机矩阵对(R_c，r_c)发送给第三参与方”；