[发明专利]秘密归一化指数函数计算系统、秘密归一化指数函数计算装置、秘密归一化指数函数计算方法、秘密神经网络计算系统、秘密神经网络学习系统、程序

说明书

本发明提供一种高速且高精度地对归一化指数函数进行秘密计算的技术。根据份额([[u₁]]，…，[[u_J]])来计算份额([[softmax(u₁)]]，…，[[softmax(u_J)]])的秘密归一化指数函数计算系统包括：减法单元，计算份额([[u₁‑u₁]]，[[u₂‑u₁]]，…，[[u_J‑u_J]])；第一秘密批量映射计算单元，计算([[exp(u₁‑u₁)]]，[[exp(u₂‑u₁)]]，…，[[exp(u_J‑u_J)]])；加法单元，计算份额([[∑_j＝1^Jexp(u_j‑u₁)]]，…，[[∑_j＝1^Jexp(u_j‑u_J)]])；及第二秘密批量映射计算单元，计算份额([[softmax(u₁)]]，…，[softmax(u_J)]])。

技术领域

本发明涉及秘密计算技术，特别是涉及对归一化指数(Softmax)函数进行秘密计算的技术。

背景技术

作为用于对归一化指数函数进行秘密计算的现有方法，有非专利文献1所记载的SecureML、非专利文献2所记载的SecureNN。这里，归一化指数函数是由下式表示的非线性函数。

[公式1]

所谓秘密计算，是不将被加密的数值复原而得到指定的运算的运算结果的方法(例如参照参考非专利文献1)。在参考非专利文献1的方法中，能够进行将能复原数值的多个信息分散到三个秘密计算装置这样的加密，并且不将数值复原，而将加减运算、常数和、乘法运算、常数倍、逻辑运算(非、与、或、异或)、数据形式转换(整数、二进制数)的结果在被分散到三个秘密计算装置的状态、即保持被加密的状态下进行保持。一般来说，分散数量不限于3而能够设为W(W是3以上的规定的常数)，通过由W个秘密计算装置进行的协调计算来实现秘密计算的协议称为多方协议。

(参考非专利文献1：千田浩司，濱田浩気，五十嵐大，高橋克巳，”軽量検証可能3パーティ秘匿関数計算の再考”(千田浩司，滨田浩气，五十岚大，高桥克己，”浅析可验证3方隐匿函数计算的再探讨”)，In CSS，2010.)

现有技术文献

非专利文献

非专利文献1：Payman Mohassel and Yupeng Zhang，”SecureML：A System forScalable Privacy-Preserving Machine Learning”，2017 IEEE Symposium on Securityand Privacy，pp.19-38，2017.

非专利文献2：Sameer Wagh，Divya Gupta，and Nishanth Chandran，”SecureNN：3-Party Secure Computation for Neural Network Training”，Proceedings onPrivacy Enhancing Technologies；2019(3)：26-49，2019.

发明内容

发明要解决的课题