-
公开(公告)号：CN114218617B
公开(公告)日：2024-06-21
申请号：CN202111362067.6
申请日：2021-11-17
申请人： 鹏城实验室
摘要： 本发明公开了一种交叉熵损失函数安全计算方法及系统，其中，上述方法包括：根据需要进行计算的输入概率分布序列生成第一概率输入序列和第二概率输入序列；根据需要进行计算的待输入标签序列生成第一标签输入序列和第二标签输入序列。分别使用第一计算终端针对第一概率输入序列和第一标签输入序列进行计算，使用第二计算终端针对第二概率输入序列和第二标签输入序列进行计算，计算过程中引入随机序列组对各数据进行保护，进一步防止数据泄露或隐私泄露，最后将获得的第一目标结果和第二目标结果相加则可以消除随机序列组的影响，获得实际的计算结果。计算过程中的数据是经过随机序列组保护后的数据，有利于提高交叉熵损失函数计算的安全性。
-
公开(公告)号：CN117390598A
公开(公告)日：2024-01-12
申请号：CN202311399658.X
申请日：2023-10-25
申请人： 鹏城实验室
摘要： 本发明公开了一种模型溯源方法、装置、设备及存储介质。该方法包括：获取源模型对应的训练数据；根据所述训练数据确定所述源模型对应的源模型DNA以及目标模型对应的目标模型DNA；基于所述源模型DNA和所述目标模型DNA确定组合DNA；将所述组合DNA输入至预设判别器模型，根据所述预设判别器模型输出的判别结果确定模型溯源结果。由于本发明是通过源模型对应的源模型DNA以及目标模型对应的目标模型DNA确定组合DNA，将组合DNA输入至预设判别器模型，得到模型溯源结果。本发明首次引入了机器学习模型DNA的概念。可以实现对模型的追溯，以追踪模型的来源。这有助于确保模型的可信度和安全性。
-
公开(公告)号：CN114218616A
公开(公告)日：2022-03-22
申请号：CN202111362064.2
申请日：2021-11-17
申请人： 鹏城实验室
IPC分类号： G06F21/71
摘要： 本发明公开了一种归一化指数函数安全计算方法及系统，本发明提供的归一化指数函数安全计算方法中，根据归一化指数函数的待计算输入序列生成第一输入序列和第二输入序列，并且根据待计算输入序列生成第一输入序列和第二输入序列的公式中可以有多组解，将第一输入序列和第二输入序列分别分给第一计算终端和第二计算终端进行计算，在计算过程中，第一计算终端和第二计算终端之间传输的信息，都是根据随机数运算得到的，从而使得每个计算终端在计算过程中接收到的信息都是随机均匀分布的，计算终端无法根据接收到的信息来倒推得到真实的数据，从而避免了原始数据泄露，保证了数据的安全性。
-
公开(公告)号：CN114218616B
公开(公告)日：2024-06-21
申请号：CN202111362064.2
申请日：2021-11-17
申请人： 鹏城实验室
IPC分类号： G06F21/71
摘要： 本发明公开了一种归一化指数函数安全计算方法及系统，本发明提供的归一化指数函数安全计算方法中，根据归一化指数函数的待计算输入序列生成第一输入序列和第二输入序列，并且根据待计算输入序列生成第一输入序列和第二输入序列的公式中可以有多组解，将第一输入序列和第二输入序列分别分给第一计算终端和第二计算终端进行计算，在计算过程中，第一计算终端和第二计算终端之间传输的信息，都是根据随机数运算得到的，从而使得每个计算终端在计算过程中接收到的信息都是随机均匀分布的，计算终端无法根据接收到的信息来倒推得到真实的数据，从而避免了原始数据泄露，保证了数据的安全性。
-
公开(公告)号：CN115758064A
公开(公告)日：2023-03-07
申请号：CN202211288739.8
申请日：2022-10-20
申请人： 鹏城实验室
摘要： 本发明公开了基于高斯过程回归的数据隐私保护方法及相关设备，包括：获取训练数据和测试数据；计算协方差矩阵，根据训练数据进行高斯过程回归的训练；生成指数随机数，通过秘密分享技术，根据指数随机数在高斯整数环上进行指数计算；根据乔利斯基分解法将高斯过程回归中的正定矩阵进行分解，通过秘密分享技术，在高斯整数环上对分解后的正定矩阵进行求逆，构建高斯过程回归模型；根据高斯过程回归模型对测试数据进行预测。可以在不泄露输入矩阵隐私的前提下，提高指数运算的效率，实现安全求逆。
-
公开(公告)号：CN114386566A
公开(公告)日：2022-04-22
申请号：CN202111479964.5
申请日：2021-12-06
申请人： 鹏城实验室
摘要： 本发明公开了一种激活函数安全计算方法和Tanh函数安全计算方法，本发明为了保留原有的Sigmoid函数算法结构，采用随机参数的方式实现安全计算，解决了现有技术中将隐私保护深度学习算法中的Sigmoid函数替换为相应密码学友好的函数进行安全计算，改变了原有的算法结构，导致隐私保护深度学习算法性能变差的问题。
-
公开(公告)号：CN114218617A
公开(公告)日：2022-03-22
申请号：CN202111362067.6
申请日：2021-11-17
申请人： 鹏城实验室
摘要： 本发明公开了一种交叉熵损失函数安全计算方法及系统，其中，上述方法包括：根据需要进行计算的输入概率分布序列生成第一概率输入序列和第二概率输入序列；根据需要进行计算的待输入标签序列生成第一标签输入序列和第二标签输入序列。分别使用第一计算终端针对第一概率输入序列和第一标签输入序列进行计算，使用第二计算终端针对第二概率输入序列和第二标签输入序列进行计算，计算过程中引入随机序列组对各数据进行保护，进一步防止数据泄露或隐私泄露，最后将获得的第一目标结果和第二目标结果相加则可以消除随机序列组的影响，获得实际的计算结果。计算过程中的数据是经过随机序列组保护后的数据，有利于提高交叉熵损失函数计算的安全性。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.022 秒)