一种基于多项式拟合的隐私计算方法
文献发布时间:2023-06-19 19:28:50
技术领域
本发明属于多项式拟合隐私计算技术领域,具体涉及一种基于多项式拟合的隐私计算方法。
背景技术
多项式拟合是用一个多项式展开去拟合包含数个分析格点的一小块分析区域中的所有观测点,得到观测数据的客观分析场。展开系数用最小二乘拟合确定。但此方法的区域多项式拟合并不稳定,当资料缺测时更是如此,而且会导致分析在拟合的各个区域之间不连续。直接替代法(又称直接插值法)是最简单的数据同化方法,认为所有观测值都准确,将观测值直接替代对应点的模型地报量(模报值,观测点外的状态变量通过插值得到。该方法简单易行.但没有考虑观测数据自身的误差以及与模型状态变量之间的联系,会导致连续模报过程出现跳跃,使观测点外的模型交量只有靠模式内部自我调整,收敛效果不理想。
隐私计算(Privacy compute)是指在保护数据本身不对外泄露的前提下实现数据分析计算的技术集合,达到对数据“可用、不可见”的目的;在充分保护数据和隐私安全的前提下,实现数据价值的转化和释放。隐私计算是面向隐私信息全生命周期保护的计算理论和方法,是隐私信息的所有权、管理权和使用权分离时隐私度量、隐私泄漏代价、隐私保护与隐私分析复杂性的可计算模型与公理化系统。然而现有技术中,使用多项式拟合难以拟合任意连续的目标函数,则导致其使用范围较窄,不能实现复杂的隐私计算;进行隐私计算过程中仅涉及明文状态下的乘法和加法执行效率低,不能够提高隐私计算的效率;借助参与节点以外的节点,难以方便快速的构建隐私计算,为此我们提出一种基于多项式拟合的隐私计算方法来解决现有技术中存在的问题。
发明内容
本发明的目的在于提供一种基于多项式拟合的隐私计算方法,以解决上述背景技术中提出现有技术中的问题。
为实现上述目的,本发明采用了如下技术方案:
一种基于多项式拟合的隐私计算方法,包括如下步骤:
新建隐私计算任务,若干个参与节点向接入节点注册获得节点标识,任一参与节点请求新建隐私计算任务并提供欲参与隐私计算的节点标识表,接入节点为隐私计算任务分配任务编号;
接入节点中若干参与节点参与隐私计算,参与节点经协商分为两组,记为第一组和第二组,参与节点投票选出一个准备节点和一个汇总节点,每组选出一个对位节点,所述准备节点、汇总节点和对位节点均为不同的参与节点;
所述准备节点为每个隐私数分配形式变量,使用形式变量写出目标函数的表达式,建立目标函数的多项式拟合,将多项式展开为若干个乘积项的加权和,乘积项的系数记为项系数;所述准备节点为每个乘积项构建子任务,所述子任务包括子任务编号、修正系数和乘积项,所述修正系数的N次方等于多项式中对应乘积项的项系数,将子任务公开;
若干个参与节点向接入节点注册获得节点标识,任一参与节点请求新建隐私计算任务并提供欲参与隐私计算的节点标识表,接入节点为隐私计算任务分配任务编号,隐私计算任务分配任务编号处理完成后执行隐私计算任务。
优选的,还包括建立目标函数的多项式拟合的方法以及根据目标函数举例生成若干个样本数据的方法。
优选的,建立目标函数的多项式拟合的方法包括以下步骤:根据目标函数举例生成若干个样本数据;建立多项式拟合表达式,赋予多项式拟合的项系数初始值;将样本数据代入多项式拟合表达式获得拟合值,计算拟合值与样本数据标签值差值的平方记为损失值;构建损失函数,所述损失函数等于全部样本数据的损失值的和;使用优化算法获得多项式拟合的项系数的最优值,使得损失函数的值最小。
优选的,根据目标函数举例生成若干个样本数据的方法包括:所述准备节点向每个参与节点索要隐私数的取值范围,若参与节点未返回隐私数,则使用预设的默认取值范围;所述准备节点在每个隐私数的取值范围内,均匀生成隐私数的多个举例数;将隐私数的举例数随机组合为取值组,将取值组代入目标函数,获得目标函数的结果;将结果作为标签值标记所述取值组作为样本数据。
优选的,所述接入节点为隐私计算任务分配任务编号中,接入节点建立形式目标函数,所述形式目标函数为:标签值=f(参量化名i),i∈[1,m],m为隐私数的数量,形式目标函数及参量化名均关联任务编号,参量化名分配给隐私数,参与节点记录对应的参量化名。
优选的,所述执行隐私计算任务包括如下步骤:参与节点将隐私数拆分为若干个乘数,乘数的数量与参与节点数量相同,将乘数分配给参与节点;参与节点将乘积项的项系数进行M次开方作为拆分系数,M为参与节点的数量;参与节点使用分配到乘数各自计算每个乘积项的值,再乘对应的拆分系数作为项中间值。
优选的,执行隐私计算任务过程中的多个中继节点具有预设的排序,项编号对中继节点数量取余,根据余数为项中间值指定中继节点,参与节点将项中间值关联项编号发送给中继节点。
优选的,中继节点将关联相同项编号的项中间值相乘,获得单项乘积,中继节点将获得的全部单项乘积求和,将和发送给接入节点;接入节点将获得的全部和再求和,即获得多项式拟合函数的结果,即为隐私计算的结果。
本发明的技术效果和优点:本发明提出的一种基于多项式拟合的隐私计算方法,与现有技术相比,具有以下优点:
本发明通过新建准备和执行隐私计算任务,在执行隐私计算任务中若干个参与节点向接入节点注册获得节点标识,任一参与节点请求新建隐私计算任务并提供欲参与隐私计算的节点标识表,接入节点为隐私计算任务分配任务编号,隐私计算任务分配任务编号处理完成后执行隐私计算任务。使用多项式拟合能够拟合任意连续的目标函数,具有较广的使用范围,能够实现复杂的隐私计算;进行隐私计算过程中仅涉及明文状态下的乘法和加法,具有较高的执行效率,能够提高隐私计算的效率;不需要借助参与节点以外的节点,能够方便快速的构建隐私计算。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书以及附图中所指出的结构来实现和获得。
附图说明
图1为本发明基于多项式拟合的隐私计算方法的方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供了如图1所示的实施例:
一种基于多项式拟合的隐私计算方法,包括如下步骤:
新建隐私计算任务,若干个参与节点向接入节点注册获得节点标识,任一参与节点请求新建隐私计算任务并提供欲参与隐私计算的节点标识表,接入节点为隐私计算任务分配任务编号;
接入节点中若干参与节点参与隐私计算,参与节点经协商分为两组,记为第一组和第二组,参与节点投票选出一个准备节点和一个汇总节点,每组选出一个对位节点,所述准备节点、汇总节点和对位节点均为不同的参与节点;
所述准备节点为每个隐私数分配形式变量,使用形式变量写出目标函数的表达式,建立目标函数的多项式拟合,将多项式展开为若干个乘积项的加权和,乘积项的系数记为项系数;所述准备节点为每个乘积项构建子任务,所述子任务包括子任务编号、修正系数和乘积项,所述修正系数的N次方等于多项式中对应乘积项的项系数,将子任务公开;
若干个参与节点向接入节点注册获得节点标识,任一参与节点请求新建隐私计算任务并提供欲参与隐私计算的节点标识表,接入节点为隐私计算任务分配任务编号,隐私计算任务分配任务编号处理完成后执行隐私计算任务。
还包括建立目标函数的多项式拟合的方法以及根据目标函数举例生成若干个样本数据的方法;建立目标函数的多项式拟合的方法包括以下步骤:根据目标函数举例生成若干个样本数据;建立多项式拟合表达式,赋予多项式拟合的项系数初始值;将样本数据代入多项式拟合表达式获得拟合值,计算拟合值与样本数据标签值差值的平方记为损失值;构建损失函数,所述损失函数等于全部样本数据的损失值的和;使用优化算法获得多项式拟合的项系数的最优值,使得损失函数的值最小。
根据目标函数举例生成若干个样本数据的方法包括:所述准备节点向每个参与节点索要隐私数的取值范围,若参与节点未返回隐私数,则使用预设的默认取值范围;所述准备节点在每个隐私数的取值范围内,均匀生成隐私数的多个举例数;将隐私数的举例数随机组合为取值组,将取值组代入目标函数,获得目标函数的结果;将结果作为标签值标记所述取值组作为样本数据。
所述接入节点为隐私计算任务分配任务编号中,接入节点建立形式目标函数,所述形式目标函数为:标签值=f(参量化名i),i∈[1,m],m为隐私数的数量,形式目标函数及参量化名均关联任务编号,参量化名分配给隐私数,参与节点记录对应的参量化名。
所述执行隐私计算任务包括如下步骤:参与节点将隐私数拆分为若干个乘数,乘数的数量与参与节点数量相同,将乘数分配给参与节点;参与节点将乘积项的项系数进行M次开方作为拆分系数,M为参与节点的数量;参与节点使用分配到乘数各自计算每个乘积项的值,再乘对应的拆分系数作为项中间值。执行隐私计算任务过程中的多个中继节点具有预设的排序,项编号对中继节点数量取余,根据余数为项中间值指定中继节点,参与节点将项中间值关联项编号发送给中继节点;中继节点将关联相同项编号的项中间值相乘,获得单项乘积,中继节点将获得的全部单项乘积求和,将和发送给接入节点;接入节点将获得的全部和再求和,即获得多项式拟合函数的结果,即为隐私计算的结果。
综上所述,
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
- 一种基于多项式拟合的隐私计算方法
- 基于多项式拟合的双向隐私计算方法