[发明专利]应用于联邦学习的安全求并方法、装置、设备及介质

说明书

本发明涉及人工智能技术领域，特别涉及一种应用于联邦学习的安全求并方法、装置、设备及介质，本发明发送方和接收方按照哈希函数将各自数据集中的数据填入到n个数据组中；使用特殊虚拟项填充各自数据集的每个数据组，使得每个数据组包含的数据个数为m+1；通过反向私有成员资格测试协议，依次对发送方的每个数据组中的各个数据是否存在于接收方的某一数据组中进行判断，得到发送方的每个数据组的每个数据的判断指标值，根据各个所述判断指标值，以及每个数据组中的各个数据和对应的特殊虚拟项，确定发送方的数据集中所有不在接收方的数据集中的数据，和接收方的数据集求并，得到双方数据的并集；提高了联邦学习中安全求并任务的执行效率。

技术领域

本发明涉及人工智能技术领域，特别涉及一种应用于联邦学习的安全求并方法、装置、设备及介质。

背景技术

随着计算机及互联网技术的快速发展，用户的个人数据隐私保护成为非常重要的议题，而企业间的数据资源互补，共享也是不可或缺的。保护隐私的数据聚合也是网络安全和其他社区中广受好评的目标。

目前主要有两种方法来做安全求并任务：一种是用户将他们的加密数据和计算外包给云服务器，同时保持他们的数据隐私。这种方法需要强大的安全云服务器支持，耗费资源较多。并且向云服务器传输数据时会存在数据泄露的风险。另一种是构建PSU协议，参与方按照协议进行数据传输与计算，例如，Davidson和Cid提出了一个ecient协议，该协议基于加密的Bloom lter和加性同态加密(AHE)。而目前在PSU的协议中，大多数是基于类似于安全求交的方法构建协议，因为目前安全求交(PSI)较为成熟。但是，在领先的PSI协议中使用的现有快速私有成员资格测试并不立即适用于计算PSU，并且现有的PSU协议会包含更丰富的私有成员资格测试，即判断参与方是否有资格提供或获取数据参与计算，因此会带来较高的性能损失，导致联邦学习中安全求并任务执行效率较低。

发明内容

基于此，有必要针对上述技术问题，提供一种应用于联邦学习的安全求并方法、装置、设备及介质，以解决现有技术安全求并协议会带来较高的性能损失，导致联邦学习中安全求并任务执行效率较低的问题。

第一方面，本发明实施例提供一种应用于联邦学习的安全求并方法，所述应用于联邦学习的安全求并方法包括：

发送方和接收方按照选定的哈希函数将各自数据集中的数据填入到各自分好的n个数据组中，n＞1，每个数据组所能包含的最大数据个数为m，m＞1；

所述发送方和所述接收方使用特殊虚拟项填充各自数据集的每个数据组，使得每个数据组包含的数据个数为m+1，所述特殊虚拟项为空值；

通过反向私有成员资格测试协议，依次对所述发送方的每个数据组中的各个数据是否存在于接收方的某一数据组中进行判断，得到所述发送方的每个数据组的每个数据的判断指标值，将各个所述判断指标值发送至接收方；

根据各个所述判断指标值，以及所述每个数据组中的各个数据和对应的所述特殊虚拟项，确定所述发送方的数据集中所有不在所述接收方的数据集中的数据，构成第一数据集；

将所述第一数据集和所述接收方的数据集求并，得到所述发送方的数据和所述接收方的数据的并集。

第二方面，本发明实施例提供一种应用于联邦学习的安全求并方法，所述应用于联邦学习的安全求并方法包括：

发送方和接收方按照选定的哈希函数将各自数据集中的数据填入到各自分好的n个数据组中，n＞1，每个数据组所能包含的最大数据个数为m，m＞1；

所述发送方和所述接收方使用特殊虚拟项填充各自数据集的每个数据组，使得每个数据组包含的数据个数为m+1，所述特殊虚拟项为空值；

通过反向私有成员资格测试协议，依次对所述接收方的每个数据组中的各个数据是否存在于发送方的某一数据组中进行判断，得到所述接收方的每个数据组的每个数据的判断指标值，将各个所述判断指标值发送至发送方；