债券市场数据共享方法及装置、存储介质及电子设备

技术领域

本发明涉及金融科技领域，特别是涉及一种债券市场数据共享方法及装置、存储介质及电子设备。

背景技术

债券市场是金融市场的重要组成部分之一，随着金融科技的发展，债券数据要素已逐渐成为重要的数据资源，在金融模型训练、数据分析等诸多场景中，均需债券数据参与。

目前，债券市场中各金融机构的债券数据通常由各机构自行管理，各金融机构的债券数据互不相通。在金融机构产生数据应用需求时，仅能通过其自身的信息平台获取其掌握的债券数据或债券市场中公开发行的债券数据，应用其自身掌握的债券数据或公开发行的数据进行需求处理。

在债券数据的应用场景中，金融机构对于债券数据的数据应用效果的要求越来越高。基于现有处理方式，面对数据应用需求，金融机构的处理过程仅能采用自身掌握的债券数据或公开发行的数据，已难以满足各金融机构的需求，亦不利于挖掘债券市场的数据价值。

发明内容

有鉴于此，本发明实施例提供了一种债券市场数据共享方法，以解决金融机构仅能应用自身掌握的债券数据或公开数据，难以满足数据需求的问题。

本发明实施例还提供了一种债券市场数据共享装置，用以保证上述方法实际中的实现及应用。

为实现上述目的，本发明实施例提供如下技术方案：

一种债券市场数据共享方法，包括：

当接收到数据需求方发送的数据共享请求时，确定所述数据共享请求对应的共享任务类别和请求信息；所述共享任务类别表征联邦学习任务或数据查询任务；

依据所述请求信息，确定数据提供方集合；所述数据提供方集合包括至少一个数据提供方；

确定所述共享任务类别对应的隐私计算策略；

依据所述隐私计算策略和所述请求信息，确定所述数据共享请求对应的隐私计算任务和目标公钥；

对于每个所述数据提供方，将所述目标公钥和所述隐私计算任务发送给该数据提供方，使该数据提供方基于其拥有的债券数据对所述隐私计算任务进行任务处理，并通过所述目标公钥对任务处理结果进行加密处理，将加密结果作为该数据提供方对应的密态任务结果；

接收每个所述数据提供方对应的密态任务结果，并对各个所述密态任务结果进行结果融合处理，得到目标任务结果；

将所述目标任务结果发送给所述数据需求方，使所述数据需求方基于所述目标任务结果，确定所述数据共享请求对应的数据共享结果。

上述的方法，可选的，若所述共享任务类别表征联邦学习任务，所述依据所述隐私计算策略和所述请求信息，确定所述数据共享请求对应的隐私计算任务和目标公钥，包括：

基于所述请求信息，确定所述数据共享请求对应的联邦学习模型信息；

依据预设的联邦学习算法和所述联邦学习模型信息，建立横向联邦学习模型；

生成所述横向联邦学习模型对应的联邦学习模型训练任务，并将所述联邦学习模型训练任务作为所述隐私计算任务；

获取所述请求信息中携带的第一公钥，并将所述第一公钥作为所述目标公钥；所述第一公钥为第一密钥对中的公钥，所述第一密钥对为所述数据需求方调用预设的同态加密服务生成的密钥对。

上述的方法，可选的，所述数据提供方基于其拥有的债券数据对所述隐私计算任务进行任务处理，并通过所述目标公钥对任务处理结果进行加密处理，将加密结果作为该数据提供方对应的密态任务结果的过程，包括：

基于所述债券数据对所述横向联邦学习模型进行模型训练，将完成训练的横向联邦学习模型的模型参数作为所述隐私计算任务的任务处理结果；

通过所述目标公钥对所述模型参数进行加密处理，获得所述模型参数对应的密态模型参数，并将所述密态模型参数作为该数据提供方对应的密态任务结果。

上述的方法，可选的，所述对各个所述密态任务结果进行结果融合处理，得到目标任务结果，包括：

依据预设的联邦聚合策略，对各个所述密态任务结果中包含的密态模型参数进行参数聚合，获得参数聚合结果，并将所述参数聚合结果作为所述目标任务结果，以使所述数据需求方通过所述第一密钥对中的私钥对所述目标任务结果进行解密，获得所述参数聚合结果对应的模型参数明文。

上述的方法，可选的，若所述共享任务类别表征数据查询任务，所述依据所述隐私计算策略和所述请求信息，确定所述数据共享请求对应的隐私计算任务和目标公钥，包括：

基于所述请求信息，确定所述数据共享请求对应的查询属性集合和查询对象集合；所述查询属性集合包括多个查询属性，所述查询对象集合包括多个目标查询对象对应的摘要值；所述多个目标查询对象包括所述数据需求方选择查询的查询对象和基于预设的不经意传输策略确定的各个查询对象；

依据所述查询属性集合和所述查询对象集合，生成联合隐匿查询任务，并将所述联合隐匿查询任务作为所述隐私计算任务；

依据预设的加密算法，生成第二密钥对，并将所述第二密钥对中的公钥作为所述目标公钥。

上述的方法，可选的，所述数据提供方基于其拥有的债券数据对所述隐私计算任务进行任务处理，并通过所述目标公钥对任务处理结果进行加密处理，将加密结果作为该数据提供方对应的密态任务结果，包括：

确定所述债券数据对应的数据对象集合；所述数据对象集合包括多个数据对象对应的摘要值；

基于预设的隐私求交算法，对所述数据对象集合与所述查询对象集合进行隐私求交处理，得到每个所述目标查询对象对应的数据对象；所述预设的隐私求交算法为采用基于编辑距离的分桶优化策略的隐私求交算法；

对于每个所述目标查询对象，依据所述查询属性集合，在所述债券数据中确定该目标查询对象对应的数据对象所对应的属性数据，并将该属性数据作为所述目标查询对象对应的属性数据；

将各个所述目标查询对象对应的属性数据作为所述隐私计算任务的任务处理结果；

通过所述目标公钥对每个所述目标查询对象对应的属性数据进行加密处理，得到每个所述目标查询对象对应的密态属性数据，并将各个所述密态属性数据作为该数据提供方对应的密态任务结果。

上述的方法，可选的，所述对各个所述密态任务结果进行结果融合处理，得到目标任务结果，包括：

通过所述第二密钥对中的私钥对每个所述密态任务结果进行解密，获得每个所述密态任务结果对应的结果明文；每个所述密态任务结果对应的结果明文包括该密态任务结果中密态属性数据对应的属性数据明文；

基于各个所述结果明文进行数据拼接处理，获得每个所述目标查询对象对应的查询属性数据；

基于所述不经意传输策略，对每个所述目标查询对象对应的查询属性数据进行数据处理，得到各个所述目标查询对象对应的不经意传输数据，并将各个所述目标查询对象对应的不经意传输数据作为所述目标任务结果，以使所述数据需求方基于所述不经意传输策略，从所述目标任务结果中获取所述数据需求方选择查询的查询对象所对应的查询属性数据。

一种债券市场数据共享装置，包括：

第一确定单元，用于当接收到数据需求方发送的数据共享请求时，确定所述数据共享请求对应的共享任务类别和请求信息；所述共享任务类别表征联邦学习任务或数据查询任务；

第二确定单元，用于依据所述请求信息，确定数据提供方集合；所述数据提供方集合包括至少一个数据提供方；

第三确定单元，用于确定所述共享任务类别对应的隐私计算策略；

第四确定单元，用于依据所述隐私计算策略和所述请求信息，确定所述数据共享请求对应的隐私计算任务和目标公钥；

第一发送单元，用于对于每个所述数据提供方，将所述目标公钥和所述隐私计算任务发送给该数据提供方，使该数据提供方基于其拥有的债券数据对所述隐私计算任务进行任务处理，并通过所述目标公钥对任务处理结果进行加密处理，将加密结果作为该数据提供方对应的密态任务结果；

接收单元，用于接收每个所述数据提供方对应的密态任务结果，并对各个所述密态任务结果进行结果融合处理，得到目标任务结果；

第二发送单元，用于将所述目标任务结果发送给所述数据需求方，使所述数据需求方基于所述目标任务结果，确定所述数据共享请求对应的数据共享结果。

一种存储介质，所述存储介质包括存储的指令，其中，在所述指令运行时控制所述存储介质所在的设备执行如上述的债券市场数据共享方法。

一种电子设备，包括存储器，以及一个或者一个以上的指令，其中一个或者一个以上指令存储于存储器中，且经配置以由一个或者一个以上处理器执行如上述的债券市场数据共享方法。

基于上述本发明实施例提供的一种债券市场数据共享方法，包括：当接收到数据需求方发送的数据共享请求时，确定数据共享请求对应的共享任务类别和请求信息；该共享任务类别表征联邦学习任务或数据查询任务；依据请求信息，确定数据提供方集合，其中包括至少一个数据提供方；确定共享任务类别对应的隐私计算策略；依据隐私计算策略和请求信息，确定数据共享请求对应的隐私计算任务和目标公钥；对于每个数据提供方，将目标公钥和隐私计算任务发送给该数据提供方，使该数据提供方基于其拥有的债券数据对隐私计算任务进行任务处理，并通过目标公钥对任务处理结果进行加密处理，将加密结果作为该数据提供方对应的密态任务结果；接收每个数据提供方对应的密态任务结果，并对各个密态任务结果进行结果融合处理，得到目标任务结果；将目标任务结果发送给数据需求方，使数据需求方基于目标任务结果，确定数据共享请求对应的数据共享结果。应用本发明实施例提供的方法，债券市场中的金融机构可作为数据需求方发起联邦学习任务或数据查询任务的数据共享请求，响应于数据共享请求，可匹配相应的隐私计算策略，据此建立隐私计算任务，使数据提供方基于其债券数据执行隐私计算任务，以获得数据共享结果。数据需求方可应用其他服务参与方的债券数据实现其联邦学习任务或数据查询任务的数据需求，有利于改善金融机构数据应用任务的处理效果，满足金融机构的数据需求，挖掘债券市场的数据价值。其次，数据共享过程基于隐私计算技术和加密技术实现，数据提供方的债券数据不出本地，数据需求方仅能获得其所需的数据共享结果而无法获得所有参与任务处理的原始数据，可在保障债券数据安全性的情况下实现数据共享。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的一种债券市场数据共享方法的方法流程图；

图2为本发明实施例提供的一种债券市场数据共享方法的又一方法流程图；

图3为本发明实施例提供的一种债券市场数据共享方法的另一方法流程图；

图4为本发明实施例提供的一种债券市场数据共享装置的结构示意图；

图5为本发明实施例提供的一种电子设备的结构示意图。

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。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。

在本申请中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本发明实施例提供了一种债券市场数据共享方法，所述方法可应用于面向债券市场的数据共享系统，其执行主体可以为系统的服务器，所述方法的方法流程图如图1所示，包括：

S101：当接收到数据需求方发送的数据共享请求时，确定所述数据共享请求对应的共享任务类别和请求信息；所述共享任务类别表征联邦学习任务或数据查询任务；

本发明实施例提供的方法可应用于预先部署的数据共享系统，该数据共享系统可基于区块链网络实现，各金融机构可作为服务参与方，部署相应的节点，参与到数据共享服务中。可提供债券数据进行数据共享的服务参与方，可预先按要求将其拥有的债券数据在数据共享服务中进行登记备案，如以约定的形式登记其拥有哪些类型的数据。本发明实施例中提及的债券数据指的是与债券市场相关联的信息数据，包括债券的基本数据信息，如债券发行人、债券发行日、债券发行量、债券类型等，也包括与债券相关的数据信息，如债券发行人的司法、工商、税务、舆情信息等。

本发明实施例提供的方法可实现两类数据共享任务的处理，一类是联邦学习任务，另外一类为数据查询任务。联邦学习是一项结合传统密码学及机器学习的分布式学习技术，旨在面向多家不愿或不能暴露自家明文数据的数据提供方，在满足数据隐私安全的前提下进行联合模型训练。数据查询即为在各服务参与方拥有的债券数据中查询所需的数据内容。

当金融机构存在联邦学习任务或数据查询任务的数据需求时，可作为数据需求方，通过其对应的节点客户端输入相应的请求数据，向服务端发送相应的数据共享请求。

当服务端接收到数据需求方发送的数据共享请求时，可对该数据共享请求进行解析，以获得该请求对应的共享任务类别和请求信息。该共享任务类别即该数据共享请求所请求执行的任务类别，本发明实施例中该共享任务类别表征联邦学习任务或数据查询任务。请求信息为该数据共享请求所对应的任务需求信息，具体的信息内容与共享任务类别相对应。例如，若共享任务类别为联邦学习任务，请求信息可以包括训练数据的属性、模型输出属性和训练目标等数据，若共享任务类别为数据查询任务，请求信息可以包括查询对象、查询属性等数据，例如查询某债券发行人的司法信息和舆情信息，查询对象可为表征该债券的债券标识（如债券代码），查询属性可以为表征发行人司法信息和发行人舆情信息的数据属性。

S102：依据所述请求信息，确定数据提供方集合；所述数据提供方集合包括至少一个数据提供方；

本发明实施例提供的方法中，服务端根据请求信息可确定数据共享请求的数据需求，即需应用哪些类型的数据。基于提供债券数据的服务参与方在服务端的数据登记信息，可在各个服务参与方中，确定其债券数据资源与当前的数据共享请求的数据需求相匹配的服务参与方，将匹配的服务参与方视为当前数据共享请求的数据提供方，以此确定数据提供方集合。例如，当前需查询某债券发行人的司法信息和舆情信息，服务参与方A拥有债券发行机构的司法信息，服务参与方B拥有债券发行机构的税务信息，服务参与方C拥有债券发行机构的工商信息，服务参与方D拥有债券发行机构的舆情信息，通过服务参与方数据资源与数据需求方数据需求的匹配，可确定服务参与方A和服务参与方D分别为数据提供方，由服务参与方A和服务参与方D组成数据提供方集合。

S103：确定所述共享任务类别对应的隐私计算策略；

本发明实施例提供的方法中，预先设置了各类数据共享任务对应的隐私计算策略。隐私计算是一项融合密码学、统计学、人工智能、大数据、计算机系统等核心技术的技术，其可在不侵害数据本身安全和隐私的前提下，有效挖掘数据价值，支持数据可信共享和安全流通，实现“数据可用不可见”。本发明实施例采用的隐私计算策略可基于现有的隐私计算技术实现，对于不同类型的任务，可以采用不同的隐私计算策略。如对于联邦学习任务，可以采用同态加密技术和联邦学习技术实现隐私计算，对于数据查询任务，可以采用不经意传输技术和隐私求交技术实现隐私计算。

本发明实施例提供的方法中，可基于预先配置的策略信息，确定当前的共享任务类别对应的隐私计算策略。

S104：依据所述隐私计算策略和所述请求信息，确定所述数据共享请求对应的隐私计算任务和目标公钥；

本发明实施例提供的方法中，可基于当前的共享任务类别对应的隐私计算策略和请求信息，生成当前的数据共享请求所对应的隐私计算任务。本发明实施例提供的方法中，各数据提供方向服务端反馈任务结果时采用加密传输，此过程的加密策略与任务类型相对应，可在隐私计算策略中定义数据反馈过程的加密方式，服务端根据隐私计算策略中定义的加密方式确定数据提供方用于加密任务处理结果的公钥，即目标公钥。目标公钥可由服务端生成，也可由数据需求方生成，由实际的任务需求决定。

S105：对于每个所述数据提供方，将所述目标公钥和所述隐私计算任务发送给该数据提供方，使该数据提供方基于其拥有的债券数据对所述隐私计算任务进行任务处理，并通过所述目标公钥对任务处理结果进行加密处理，将加密结果作为该数据提供方对应的密态任务结果；

本发明实施例提供的方法中，可将隐私计算任务和目标公钥分别发送给每个数据提供方，可以理解的是，具体是发给每个数据提供方对应的节点，数据提供方的任务处理过程亦为其对应的节点进行的操作。当数据提供方接收到隐私计算任务和目标公钥后，可基于其对应的债券数据进行任务处理，得到任务处理结果，然后利用目标公钥对其任务处理结果进行加密处理，将加密后的任务处理结果作为该数据提供方的密态任务结果，并发送给服务端。

S106：接收每个所述数据提供方对应的密态任务结果，并对各个所述密态任务结果进行结果融合处理，得到目标任务结果；

本发明实施例提供的方法中，可预先设置各类数据共享任务对应的结果融合方式。当服务端接收到所有数据提供方对应的密态任务结果后，则对各个数据提供方对应的密态任务结果进行结果融合处理，融合处理结果即为目标任务结果。结果融合处理的方式与共享任务类别相对应，联邦学习任务和数据查询任务对应的结果融合处理方式可以是不同的。

S107：将所述目标任务结果发送给所述数据需求方，使所述数据需求方基于所述目标任务结果，确定所述数据共享请求对应的数据共享结果。

本发明实施例提供的方法中，将目标任务结果作为反馈数据，发送给数据需求方，数据需求方可按照共享任务类别对应的隐私计算策略所对应的数据读取方式，对目标任务结果进行数据处理，从而获得数据共享请求对应的数据共享结果，即数据需求方所需的数据。

基于本发明实施例提供的方法，当接收到数据需求方发送的数据共享请求时，确定数据共享请求对应的共享任务类别和请求信息；该共享任务类别表征联邦学习任务或数据查询任务；依据请求信息，确定数据提供方集合，其中包括至少一个数据提供方；确定共享任务类别对应的隐私计算策略；依据隐私计算策略和请求信息，确定隐私计算任务和目标公钥；将目标公钥和隐私计算任务发送给数据提供方，使数据提供方基于其拥有的债券数据对隐私计算任务进行任务处理，并通过目标公钥对任务处理结果进行加密处理，将加密结果作为数据提供方对应的密态任务结果；接收各个密态任务结果，并对各个密态任务结果进行结果融合处理，得到目标任务结果；将目标任务结果发送给数据需求方，使数据需求方基于目标任务结果，确定数据共享结果。应用本发明实施例提供的方法，债券市场中的金融机构可作为数据需求方发起联邦学习任务或数据查询任务的数据共享请求，响应于数据共享请求，可匹配相应的隐私计算策略，据此建立隐私计算任务，使数据提供方基于其债券数据执行隐私计算任务，以获得数据共享结果。数据需求方可应用其他服务参与方的债券数据实现其联邦学习任务或数据查询任务的数据需求，有利于改善金融机构数据应用任务的处理效果，满足金融机构的数据需求，挖掘债券市场的数据价值。其次，数据共享过程基于隐私计算技术和加密技术实现，数据提供方的债券数据不出本地，数据需求方仅能获得其所需的数据共享结果而无法获得所有参与任务处理的原始数据，可在保障债券数据安全性的情况下实现数据共享。

在图1所示方法的基础上，结合图2所示流程图，本发明实施例提供了又一种债券市场数据共享方法，本发明实施例提供的方法中，所述共享任务类别表征联邦学习任务，步骤S104中提及的依据所述隐私计算策略和所述请求信息，确定所述数据共享请求对应的隐私计算任务和目标公钥的过程，包括：

S201：基于所述请求信息，确定所述数据共享请求对应的联邦学习模型信息；

本发明实施例提供的方法中，数据共享请求对应的共享任务类别表征联邦学习任务，即数据共享请求所对应的数据共享任务为联邦学习任务。请求信息中包含数据需求方需通过联邦学习训练的模型相关的数据，如训练数据的属性、模型输出属性、模型训练算法类型等数据。在请求处理过程中，可从请求信息中获取关于模型训练的相关数据，得到联邦学习模型信息。

S202：依据预设的联邦学习算法和所述联邦学习模型信息，建立横向联邦学习模型；

本发明实施例提供的方法中，服务端可预先设置联邦学习算法，如联邦卷积神经网络算法、联邦深度神经网络算法、联邦决策树算法等。在请求处理过程中，可依据预设的联邦学习算法和联邦学习模型信息，进行模型初始化，建立横向联邦学习模型。

S203：生成所述横向联邦学习模型对应的联邦学习模型训练任务，并将所述联邦学习模型训练任务作为所述隐私计算任务；

本发明实施例提供的方法中，生成指示对该横向联邦学习模型进行训练的联邦学习模型训练任务，该联邦学习模型训练任务即为当前的隐私计算任务。

S204：获取所述请求信息中携带的第一公钥，并将所述第一公钥作为所述目标公钥；所述第一公钥为第一密钥对中的公钥，所述第一密钥对为所述数据需求方调用预设的同态加密服务生成的密钥对。

本发明实施例提供的方法中，联邦学习任务基于同态加密技术进行隐私计算。当数据需求方需发起联邦学习任务的数据共享请求时，数据需求方需调用预设的同态加密服务生成一组密钥对，并将该密钥对的公钥通过数据共享请求发送给服务端，以便于后续对任务数据进行同态加密处理。服务端在进行请求处理时，可从请求信息中获取数据需求方生成的公钥，并将该公钥作为目标公钥。同态加密是一项通过在加密的数据上进行运算，从而在保证用户数据安全的前提下完成各类计算任务的密码学技术。基于同态加密技术可对加密后的数据密文直接使用一些函数或其密文态映射进行处理操作，得到密态下的处理结果，密态下的处理结果解密后与原始数据明文直接进行处理所获得的结果相同，从而保障用户数据隐私。

基于本发明实施例提供的方法，在数据需求方发起联邦学习任务的数据共享请求时，可基于预设的联邦学习算法建立横向联邦学习模型，生成相应的联邦学习模型训练任务，使数据需求方可应用各数据提供方的债券数据进行联合模型训练，满足数据需求方的模型训练需求。通过联邦学习支持多数据提供方联合建模，在不暴露数据明文的同时完成模型共同训练，数据提供方仅将训练得到的模型参数提供给服务端，而且使用了同态加密技术，中间参数利用数据需求方的公钥进行加密，可以确保建模过程的参数不会被泄露，有利于保障原始数据的安全性。

在上述实施例提供的方法的基础上，本发明实施例提供的方法中，步骤S105提及的数据提供方基于其拥有的债券数据对所述隐私计算任务进行任务处理，并通过所述目标公钥对任务处理结果进行加密处理，将加密结果作为该数据提供方对应的密态任务结果的过程，包括：

基于所述债券数据对所述横向联邦学习模型进行模型训练，将完成训练的横向联邦学习模型的模型参数作为所述隐私计算任务的任务处理结果；

本发明实施例提供的方法中，在共享任务类别表征联邦学习任务的情况下，数据提供方接收到的隐私计算任务即为联邦学习模型训练任务。当数据提供方接收到该联邦学习模型训练任务时，则基于任务要求，应用其本地的债券数据对该横向联邦学习模型进行模型训练，数据提供方进行模型训练所采用的联邦学习算法与服务端建立该横向联邦学习模型采用的联邦学习算法相同。当数据提供方完成模型训练过程后，将经过训练的横向联邦学习模型的模型参数作为当前隐私计算任务的任务处理结果。

通过所述目标公钥对所述模型参数进行加密处理，获得所述模型参数对应的密态模型参数，并将所述密态模型参数作为该数据提供方对应的密态任务结果。

本发明实施例提供的方法中，数据提供方将目标公钥作为加密密钥，对经过训练的横向联邦学习模型的模型参数进行数据加密，得到密态模型参数，该密态模型参数即为当前数据提供方对应的密态任务结果，也就是当前数据提供方需向服务端反馈的任务处理结果。

在上述实施例提供的方法的基础上，本发明实施例提供的方法中，步骤S106提及的对各个所述密态任务结果进行结果融合处理，得到目标任务结果的过程，包括：

依据预设的联邦聚合策略，对各个所述密态任务结果中包含的密态模型参数进行参数聚合，获得参数聚合结果，并将所述参数聚合结果作为所述目标任务结果，以使所述数据需求方通过所述第一密钥对中的私钥对所述目标任务结果进行解密，获得所述参数聚合结果对应的模型参数明文。

本发明实施例提供的方法中，预先设置了与联邦学习算法相对应的联邦聚合策略，用于对各数据提供方反馈的联邦学习的处理结果进行聚合。具体的，联邦聚合策略可以采用联邦平均算法或其优化算法等现有的联邦聚合算法。在请求处理过程中，当服务端接收到所有数据提供方对应的密态任务结果后，则对所有密态任务结果中的密态模型参数进行参数聚合，得到参数聚合结果，也就是经过聚合的、密态的模型参数，将参数聚合结果作为目标任务结果发送给数据需求方。

当数据需求方接收到目标任务结果，即参数聚合结果时，则利用其预先调用同态加密服务所生成的密钥对中的私钥，对该参数聚合结果进行解密处理，得到模型参数明文，该模型参数明文即为各个数据提供方训练得到的模型参数的聚合结果。数据需求方可基于该模型参数明文构建其所需的业务模型。

进一步的，在实际的应用过程中，基于联邦学习的模型训练过程可能需要经过多轮次训练，当数据需求方获得当前的模型参数明文时，若整体模型训练过程并未结束，数据需求方可基于当前的模型参数明文触发下一轮训练，数据需求方可将当前的模型参数明文发送给服务端，使服务端就该模型参数明文再次建立一个待训练的横向联邦学习模型，触发各数据提供方在当前的横向联邦学习模型的基础上，继续进行模型训练，得到新的模型参数，直至数据需求方获得满足训练要求的模型参数明文。

为了更好地说明本发明实施例提供的方法，在上述实施例提供的方法的基础上，对联邦学习任务的数据共享场景进行进一步举例说明。本发明实施例提供的方法中，关于联邦学习任务的数据共享的实现过程，主要包括：

各数据提供方部署用于横向联邦学习的分布式节点，并将其拥有的数据以数据样本ID为标识，在数据共享服务中进行登记，在登记数据样本ID时，以SM3算法计算数据样本ID摘要后导入。

数据需求方发起联邦学习任务的数据共享请求，将调用同态加密服务生成的公钥发送给服务端。服务端确定参与当前联邦学习的各数据提供方，并对这些数据提供方导入的数据样本ID摘要进行收集去重，确认用于本次模型训练的联邦数据样本总量。

服务端初始化横向联邦学习模型，具体可以采用如联邦卷积神经网络、联邦深度神经网络、联邦决策树等联邦学习算法。

服务端开启训练任务，将数据需求方的公钥和横向联邦学习模型发送给各数据提供方。

数据提供方基于本地的债券数据进行模型训练，完成当前的训练过程后，将生成的模型参数以数据需求方的公钥进行加密，将加密后的模型参数发送给服务端。

服务端收到所有数据提供方加密后的模型参数后，使用联邦聚合方法进行参数的聚合，聚合的方式通常与采用的联邦学习算法相对应，例如可以使用联邦平均聚合，将所有加密后的模型参数进行相加和求平均操作，由于模型参数使用同态加密，故支持密文下的加法和乘法，可以直接对加密后模型参数进行计算。

服务端将联邦聚合后的模型参数密文发送给数据需求方。

数据需求方使用预先调用同态加密服务生成的私钥对模型参数密文解密，此时如果训练还未结束（联邦学习通常需要多轮次训练，取决于数据提供方的数据量和每次训练使用的数据量），则将模型参数明文发送给服务端，服务端将模型参数明文再次通过任务发送给所有数据提供方，数据提供方在此模型参数基础上再次执行训练任务，继而数据需求方可获得新一轮训练过程后聚合得到的模型参数。此时如果训练已经结束，数据需求方则可获得所需的业务模型，用于自身的业务。

本发明实施例提供的方法中的同态加密服务，可以选择使用CKKS、DGK、Paillier等现有的同态加密框架。各类框架具有其优势，可按需设置。如CKKS框架基于格密码，因此具备抗量子攻击的性能，而DGK框架的加解密效率更高。不同框架对于同态加法及乘法的支持力度不同，故同态加密服务的效果与联邦学习算法使用何种参数聚合方式亦相关联，可以根据数据需求方选择的联邦学习算法自适应选取同态加密框架。

在图1所示方法的基础上，结合图3所示流程图，本发明实施例提供了又一种债券市场数据共享方法，本发明实施例提供的方法中，所述共享任务类别表征数据查询任务，步骤S104中提及的依据所述隐私计算策略和所述请求信息，确定所述数据共享请求对应的隐私计算任务和目标公钥的过程，包括：

S301：基于所述请求信息，确定所述数据共享请求对应的查询属性集合和查询对象集合；所述查询属性集合包括多个查询属性，所述查询对象集合包括多个目标查询对象对应的摘要值；

本发明实施例提供的方法中，共享任务类别表征数据查询任务，即数据共享请求所对应的数据共享任务为数据查询任务。对于数据查询任务的处理，基于不经意传输技术实现，不经意传输是一项多方安全计算技术，该技术基于使用不同公钥对发送方数据加密，而接收方仅具有自己需要的数据的私钥的密文数据传输手段，从而实现发送方不知道接收方想要的具体是哪些信息，而接收方不知道发送方其他信息的明文，在过程中同时保障了发送方的查询意图和接收方的数据安全。即本发明实施例提供的数据查询是联合隐匿查询，服务端和各数据提供方无法知道数据需求方实际查询的对象，而数据需求方亦只能获取到实际查询对象的相关数据。

当数据需求方需发起数据查询任务的数据共享请求时，数据需求方需输入其实际查询的对象（即查询条件，如某只债券的代码）、查询属性（即查询内容，也就是查询哪方面的数据，如债券基本数据、公司司法、公司税务、工商、舆情等）和不经意传输的安全系数，并调用预设的不经意传输服务，在同类型的对象中，确定多个用于不经意传输的查询对象，通常会选取与实际查询对象相似度较高的对象，例如在所有债券代码中选取若干个债券代码。具体的，可以基于编辑距离（Edit Distance）算法确定用于不经意传输的各个查询对象，如采用基于莱文斯坦距离（Levenshtein Distance）的编辑距离算法衡量候选对象与实际查询对象间的相似度。

客户端可通过预设的散列算法（例如SM3国密算法或哈希函数等现有密码算法），对实际的查询对象和调用不经意传输服务确定的查询对象分别进行散列运算，得到每个查询对象对应的摘要值。将实际的查询对象和基于不经意传输服务确定的各个查询对象均作为目标查询对象，基于所有目标查询对象对应的摘要值以及查询属性等数据，生成数据共享请求。

此场景中，数据共享请求所对应的请求信息中包含多个目标查询对象对应的摘要值以及各个查询属性。通过信息提取，可获得该数据共享请求对应的查询属性集合以及查询对象集合。各个目标查询对象即包括数据需求方选择查询的查询对象和基于预设的不经意传输策略确定的各个查询对象。

S302：依据所述查询属性集合和所述查询对象集合，生成联合隐匿查询任务，并将所述联合隐匿查询任务作为所述隐私计算任务；

本发明实施例提供的方法中，以查询对象集合中所有目标查询对象对应的摘要值为查询条件，以查询属性集合中所有查询属性为查询内容，生成联合隐匿查询任务，即指示查询每个目标查询对象与各查询属性相关联的属性数据。该联合隐匿查询任务即为本次的隐私计算任务。

S303：依据预设的加密算法，生成第二密钥对，并将所述第二密钥对中的公钥作为所述目标公钥。

本发明实施例提供的方法中，在联合隐匿查询任务的处理过程中，由服务端生成加密密钥，以使各数据提供方对其反馈的任务结果进行加密。服务端基于预设的加密算法生成密钥对，将其生成的密钥对中的公钥作为目标公钥。服务端采用的加密算法可以为SM2国密算法等现有的加密算法。

基于本发明实施例提供的方法，在数据需求方需发起数据查询任务的数据共享请求时，可基于不经意传输服务生成联合隐匿查询任务，使数据需求方可在各数据提供方无法获悉其真实查询意图的情况下，查询到其所需的数据，同时，数据需求方亦不会获得其实际查询内容外的数据。

在上述实施例提供的方法的基础上，本发明实施例提供的方法中，步骤S105中所提及的数据提供方基于其拥有的债券数据对所述隐私计算任务进行任务处理，并通过所述目标公钥对任务处理结果进行加密处理，将加密结果作为该数据提供方对应的密态任务结果的过程，包括：

确定所述债券数据对应的数据对象集合；所述数据对象集合包括多个数据对象对应的摘要值；

本发明实施例提供的方法中，当数据提供方接收到联合隐匿查询任务时，可根据联合隐匿查询任务的任务信息，获得当前所需查询的各个目标查询对象对应的摘要值。数据提供方可根据其拥有的债券数据资源，确定其拥有的债券数据所对应的每个数据对象对应的摘要值，得到数据对象集合。例如以债券代码为对象，数据提供方拥有的债券数据对应的数据对象集合，即为该数据提供方拥有其相关债券数据的所有债券代码所对应的摘要值。

基于预设的隐私求交算法，对所述数据对象集合与所述查询对象集合进行隐私求交处理，得到每个所述目标查询对象对应的数据对象；所述预设的隐私求交算法为采用基于编辑距离的分桶优化策略的隐私求交算法；

本发明实施例提供的方法中，数据提供方预先部署有基于编辑距离的分桶优化策略的隐私求交算法。在联合隐匿查询任务的处理过程中，基于隐私求交算法与服务端进行两方隐私求交处理，即对数据提供方对应的数据对象集合与查询对象集合进行隐私求交处理，以在数据提供方拥有的债券数据中确定需要查询的是哪些数据对象，据此可得到每个目标查询对象对应的数据对象。

对于每个所述目标查询对象，依据所述查询属性集合，在所述债券数据中确定该目标查询对象对应的数据对象所对应的属性数据，并将该属性数据作为所述目标查询对象对应的属性数据；

本发明实施例提供的方法中，数据提供方可根据其拥有的资源类型，基于查询属性集合确定其当前需查询的数据属性。数据提供方可在债券数据中，对于每个目标查询对象，以该目标查询对象所对应的数据对象为关联，获取该数据对象与当前查询的数据属性相对应的属性数据，并将获取的属性数据作为该目标查询对象所对应的属性数据。

具体的，基于编辑距离的分桶优化策略的隐私求交算法的数据查询方式为，从查询对象集合中任意选取一个目标查询对象对应的摘要值，计算该摘要值与每个数据对象对应的摘要值之间的编辑距离，按照编辑距离由小到大的顺序，对各个数据对象对应的摘要值进行分桶，得到多个桶，每个桶的大小与查询对象集合中摘要值的数量相同。其摘要值与当前目标查询对象对应的摘要值之间的编辑距离为零的数据对象即为与当前目标查询对象相匹配的数据对象，可从债券数据中获取其对应的数据。然后对于其余的每个目标查询对象，分别从第一个桶开始进行编辑距离计算和比较，以寻找与目标查询对象的摘要值编辑距离为零的数据对象，若在当前桶中没有找到，则到下一个桶进行计算比较，直至找到目标查询对象对应的数据对象。

将各个所述目标查询对象对应的属性数据作为所述隐私计算任务的任务处理结果；

通过所述目标公钥对每个所述目标查询对象对应的属性数据进行加密处理，得到每个所述目标查询对象对应的密态属性数据，并将各个所述密态属性数据作为该数据提供方对应的密态任务结果。

本发明实施例提供的方法中，由各个目标查询对象对应的属性数据组成任务处理结果。以目标公钥为加密密钥，对每个目标查询对象对应的属性数据进行数据加密处理，每个目标查询对象的属性数据的加密结果即为该目标查询对象对应的密态属性数据。由所有密态属性数据组成当前数据提供方对应的密态任务结果。

基于本发明实施例提供的方法，通过隐私求交技术实现数据查询，数据提供方无需担心自身的本地数据有额外的泄露，有利于保障数据安全。其次，在隐私求交的过程中，采用了基于编辑距离的分桶优化策略，可以减少隐私求交的计算开销，提升系统性能。

在上述实施例提供的方法的基础上，本发明实施例提供的方法中，步骤S106中提及的对各个所述密态任务结果进行结果融合处理，得到目标任务结果的过程，包括：

通过所述第二密钥对中的私钥对每个所述密态任务结果进行解密，获得每个所述密态任务结果对应的结果明文；每个所述密态任务结果对应的结果明文包括该密态任务结果中密态属性数据对应的属性数据明文；

本发明实施例提供的方法中，在对数据查询任务的数据共享请求进行处理时，服务端接收到的密态任务结果即为相应的数据提供方确定的各个目标查询对象的密态属性数据。当服务端接收到所有密态任务结果后，以预先生成的密钥对中的私钥作为解密密钥，对每个密态任务结果中的各个密态属性数据进行解密，得到各个密态任务结果中密态属性数据对应的属性数据明文，即各个数据提供方在其债券数据中获取的每个目标查询对象对应的属性数据。

基于各个所述结果明文进行数据拼接处理，获得每个所述目标查询对象对应的查询属性数据；

本发明实施例提供的方法中，服务端通过解密获得各个结果明文，即各数据提供方查询到的各个目标查询对象对应的属性数据。以目标查询对象对应的摘要值表征目标查询对象，将所有属性数据按照目标查询对象进行拼接，也就是对于每个目标查询对象，在所有结果明文中，将对应该目标查询对象的属性数据进行拼接整合，拼接结果即为该目标查询对象对应的查询属性数据。例如，各个目标查询对象为各个债券，查询属性为债券基本数据、债券发行机构的司法数据、债券发行机构的税务数据、债券发行机构的工商数据以及债券发行机构的舆情数据。数据提供方A提供的是各债券的债券基本数据，数据提供方B提供的是各债券的发行机构的工商数据和税务数据，数据提供方C提供的是各债券的发行机构的司法数据，数据提供方D提供的是各债券的发行机构的舆情数据。服务端对于每只债券，提取其对应的债券基本数据、发行机构的工商数据、税务数据、司法数据和舆情数据，将上述数据进行数据拼接，得到该债券对应的查询属性数据。

基于所述不经意传输策略，对每个所述目标查询对象对应的查询属性数据进行数据处理，得到各个所述目标查询对象对应的不经意传输数据，并将各个所述目标查询对象对应的不经意传输数据作为所述目标任务结果，以使所述数据需求方基于所述不经意传输策略，从所述目标任务结果中获取所述数据需求方选择查询的查询对象所对应的查询属性数据。

本发明实施例提供的方法中，数据需求方与服务端基于不经意传输策略进行查询结果反馈，故服务端得到所有目标查询对象对应的查询属性数据后，按照预设的不经意传输策略，对所有目标查询对象对应的查询属性数据进行处理，获得用于不经意传输的数据结果，并将数据结果作为目标任务结果，以向数据需求方进行反馈。数据需求方接收到目标任务结果后，则按照预设的不经意传输策略进行数据提取，基于不经意传输技术的原理，数据需求方仅能获得其实际查询的查询对象所对应的查询属性数据，对于其他查询对象对应的查询属性数据均无法获得实际明文。

为了更好地说明本发明实施例提供的方法，在上述实施例提供的方法的基础上，对数据查询任务的数据共享场景进行进一步举例说明。本发明实施例提供的方法中，关于数据查询任务的数据共享的实现过程，主要包括：

服务端部署基于不经意传输技术的查询服务。可提供债券数据参与数据共享的服务参与方预先将自身拥有的数据内容类别明文发送给服务端，以便于服务端知晓在查询某类数据时应该找哪一个服务参与方作为数据提供方。同时，可提供债券数据的每个服务参与方将自身所有可供查询的数据对象（通常为某种债券市场相关数据的ID）采用SM3国密算法生成摘要（也可以选择哈希函数等其他散列算法）。

数据需求方通过客户端发起数据查询任务的数据共享请求，具体包括：

数据需求方输入查询对象、查询内容（即需要查询的数据属性）和不经意传输的安全系数N，查询对象为某种债券市场相关数据的ID，如债券代码，此类ID通常为全市场的公开信息；

在客户端中对数据需求方的查询对象采用SM3国密算法（也可以选择哈希函数等其他散列算法，与前文中服务参与方生成数据对象摘要采用的算法相同即可）生成摘要（即摘要值），并使用编辑距离算法计算该摘要和所有同类条件对象摘要（如全部债券代码）的莱文斯坦距离，即两个字符串之间由一个转成另一个所需的最少编辑操作次数。选择编辑距离最接近的2N个摘要值，随机取其中的N-1个，将其和真正的查询对象摘要混合，最终将N个摘要值共同发送给服务端，将明文的查询内容也发送给服务端。

服务端接收到数据共享请求后，确定参与当前共享过程的所有数据提供方，并与每个数据提供方进行联合隐匿查询，以获得查询结果。同时，服务端在接收到数据共享请求后，使用SM9国密算法生成N个公私钥对，每个公私钥对对应一个查询对象摘要值，将N个公钥发送给数据需求方。

数据需求方生成一个随机数x，并在N个公钥中使用对应真正查询对象摘要的一个公钥给随机数进行加密，并将随机数的密文结果发送给服务端。

服务端收到密文结果后，使用N个私钥分别进行解密，得到N个解密结果。当服务端接收到所有数据提供方反馈的数据，并经处理得到各个查询对象对应的查询结果后，将这些解密结果分别与对应的查询结果进行异或处理，将N个异或处理后的查询结果发送给数据需求方。

数据需求方使用随机数x与接收到的这N个查询结果进行异或操作，其中只有一条会被解密为真实数据，也就是数据需求方实际查询的数据，其余解密得到的数据仍然是随机数。

本发明实施例提供的方法中，各数据提供方的联合隐匿查询过程，主要包括：

服务端收到数据需求方发送来的N个编辑距离接近的查询对象摘要和明文的查询内容后，根据查询内容确认有哪些数据提供方需要参与本次查询服务，之后使用国密算法SM2生成一个公私钥对，将公钥发送给所有参与本次服务的数据提供方，然后与这些数据提供方分别进行两方隐私求交，具体流程为：

服务端把N个查询对象摘要发送给每个数据提供方；

每个数据提供方从N个查询对象摘要中任选一个，计算其与自身所有数据对象的摘要的编辑距离（例如，数据提供方A自身拥有若干条数据，以这些数据的债券代码的SM3摘要，分别与数据需求方提供的某条查询对象摘要进行编辑距离计算）；

每个数据提供方按编辑距离由小到大进行排序，并以N作为桶的大小，对自身所有数据的数据对象摘要进行分桶，即第一个桶保存编辑距离最小的N个数据对象摘要值，第二个桶保存编辑距离次小的N个数据对象摘要值，以此类推。将查询对象摘要与桶中的数据对象摘要值依次进行编辑距离的比对，距离为0的数据对象摘要即为需要查询的对象，记录该对象的相关数据。对剩余的N-1条查询对象摘要，并行的从第一个桶开始进行编辑距离的比对，找距离为0的值，若第一个桶中没有匹配的数据，则去第二个桶中寻找，直到找到匹配的对象，并记录其对应的数据；

当数据提供方找到所有数据后，则共有N个查询对象摘要对应的数据，将这些数据使用服务端发送的SM2公钥进行加密，将加密后的数据发送回服务端。

服务端收到所有数据提供方返回的结果后，使用私钥进行解密，将所有结果按照查询对象进行拼接（例如对应每一只债券，将其债券基本数据、发行机构的司法、税务、工商、舆情等数据拼接为同一行），得到所有查询对象对应的查询结果，基于此查询结果通过不经意传输技术向数据需求方进行结果反馈。

在上述各个实施例提供的方法的基础上，本发明实施例提供了一种基于联邦学习、同态加密、不经意传输、隐私求交等技术的数据共享方法，用于支持债券市场数据服务体系的数据共享过程。在本发明实施例提供的方法的实际应用场景中，服务的提供方部署同态加密服务、联邦学习服务、不经意传输服务和隐私求交服务，并对服务参与方提供安装包、部署文档等使用以上服务所需要的部署材料。数据提供方使用上述材料部署联邦学习和隐私求交的分布式节点。

基于本发明实施例提供的方法可实现两类数据共享服务：一是支持服务参与方进行基于联邦学习和同态加密的联合建模。对于数据分布在不同数据提供方的场景，可在原始数据不出本地的情况下，使用联邦学习和同态加密技术进行模型联合训练，在符合数据相关法律法规、保障用户数据隐私安全的前提下发挥债券市场数据价值；二是支持服务参与方进行基于不经意传输和隐私求交的联合隐匿查询。对于数据分布在不同数据提供方的数据查询场景（例如数据需求方想要查询某个债券自身数据和其发行机构相关信息，而债券基本数据、公司的司法、税务、工商、舆情等数据分别属于不同的数据提供方），通常情况下，数据提供方不希望暴露自身数据，而数据需求方不希望暴露查询意图，本发明实施例提供的方法基于不经意传输和隐私求交技术进行涉及多个参与方的联合隐匿查询。查询方可以从中获得其实际查询的查询结果，而无法获得其他数据结果，同时服务端无法获悉查询方实际查询的是整体查询结果中的哪一个。整个数据共享服务流程可在符合相关法律法规要求和数据隐私保护条例的情况下，满足债券市场多机构联合开展业务的需要，有利于满足债券市场对于数据要素共享服务的需求，可以支持多方机构挖掘多源数据的价值，在保障各方数据不泄露的情况下，联合构建机器学习模型或开展多个参与方的联合隐匿查询，以技术层面的突破为债券市场新型数据服务奠定了基础。

与图1所示的一种债券市场数据共享方法相对应的，本发明实施例还提供了一种债券市场数据共享装置，用于对图1中所示方法的具体实现，其结构示意图如图4所示，包括：

第一确定单元401，用于当接收到数据需求方发送的数据共享请求时，确定所述数据共享请求对应的共享任务类别和请求信息；所述共享任务类别表征联邦学习任务或数据查询任务；

第二确定单元402，用于依据所述请求信息，确定数据提供方集合；所述数据提供方集合包括至少一个数据提供方；

第三确定单元403，用于确定所述共享任务类别对应的隐私计算策略；

第四确定单元404，用于依据所述隐私计算策略和所述请求信息，确定所述数据共享请求对应的隐私计算任务和目标公钥；

第一发送单元405，用于对于每个所述数据提供方，将所述目标公钥和所述隐私计算任务发送给该数据提供方，使该数据提供方基于其拥有的债券数据对所述隐私计算任务进行任务处理，并通过所述目标公钥对任务处理结果进行加密处理，将加密结果作为该数据提供方对应的密态任务结果；

接收单元406，用于接收每个所述数据提供方对应的密态任务结果，并对各个所述密态任务结果进行结果融合处理，得到目标任务结果；

第二发送单元407，用于将所述目标任务结果发送给所述数据需求方，使所述数据需求方基于所述目标任务结果，确定所述数据共享请求对应的数据共享结果。

应用本发明实施例提供的装置，债券市场中的金融机构可作为数据需求方发起联邦学习任务或数据查询任务的数据共享请求，响应于数据共享请求，可匹配相应的隐私计算策略，据此建立隐私计算任务，使数据提供方基于其债券数据执行隐私计算任务，以获得数据共享结果。数据需求方可应用其他服务参与方的债券数据实现其联邦学习任务或数据查询任务的数据需求，有利于改善金融机构数据应用任务的处理效果，满足金融机构的数据需求，挖掘债券市场的数据价值。其次，数据共享过程基于隐私计算技术和加密技术实现，数据提供方的债券数据不出本地，数据需求方仅能获得其所需的数据共享结果而无法获得所有参与任务处理的原始数据，可在保障债券数据安全性的情况下实现数据共享。

在图4所示装置的基础上，本发明实施例提供的装置还可以进一步扩展出多个单元，各个单元的功能可参见前文对于债券市场数据共享方法所提供的各个实施例中的说明，在此不再进一步举例说明。

本发明实施例还提供了一种存储介质，所述存储介质包括存储的指令，其中，在所述指令运行时控制所述存储介质所在的设备执行如上述的债券市场数据共享方法。

本发明实施例还提供了一种电子设备，其结构示意图如图5所示，具体包括存储器501，以及一个或者一个以上的指令502，其中一个或者一个以上指令502存储于存储器501中，且经配置以由一个或者一个以上处理器503执行所述一个或者一个以上指令502进行以下操作：

当接收到数据需求方发送的数据共享请求时，确定所述数据共享请求对应的共享任务类别和请求信息；所述共享任务类别表征联邦学习任务或数据查询任务；

依据所述请求信息，确定数据提供方集合；所述数据提供方集合包括至少一个数据提供方；

确定所述共享任务类别对应的隐私计算策略；

依据所述隐私计算策略和所述请求信息，确定所述数据共享请求对应的隐私计算任务和目标公钥；

对于每个所述数据提供方，将所述目标公钥和所述隐私计算任务发送给该数据提供方，使该数据提供方基于其拥有的债券数据对所述隐私计算任务进行任务处理，并通过所述目标公钥对任务处理结果进行加密处理，将加密结果作为该数据提供方对应的密态任务结果；

接收每个所述数据提供方对应的密态任务结果，并对各个所述密态任务结果进行结果融合处理，得到目标任务结果；

将所述目标任务结果发送给所述数据需求方，使所述数据需求方基于所述目标任务结果，确定所述数据共享请求对应的数据共享结果。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。