CN112699386A - 隐私数据交集的获取方法、设备、电子装置和存储介质 - Google Patents
隐私数据交集的获取方法、设备、电子装置和存储介质 Download PDFInfo
- Publication number
- CN112699386A CN112699386A CN202011529899.8A CN202011529899A CN112699386A CN 112699386 A CN112699386 A CN 112699386A CN 202011529899 A CN202011529899 A CN 202011529899A CN 112699386 A CN112699386 A CN 112699386A
- Authority
- CN
- China
- Prior art keywords
- participant
- initiator
- intersection
- verification information
- mask
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000012795 verification Methods 0.000 claims abstract description 125
- 239000003999 initiator Substances 0.000 claims abstract description 110
- 239000013598 vector Substances 0.000 claims abstract description 64
- 238000013507 mapping Methods 0.000 claims abstract description 43
- 238000004364 calculation method Methods 0.000 claims abstract description 40
- 230000006870 function Effects 0.000 claims description 36
- 230000005540 biological transmission Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 abstract description 15
- 238000005516 engineering process Methods 0.000 abstract description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Storage Device Security (AREA)
Abstract
本申请涉及一种隐私数据交集的获取方法、设备、电子装置和存储介质,其中,该隐私数据交集的获取方法包括:发起方和多个参与方确定安全长度和映射函数,参与方确定掩码;发起方分别与每个参与方根据安全长度和映射函数进行隐私交集计算,每个参与方随机生成各自的参与方随机向量,发起方得到多个第一验证信息;多个参与方根据参与方随机向量与掩码得到多个第二验证信息;发起方根据第一验证信息与第二验证信息确定隐私数据交集。通过本申请,解决了相关技术中基于两两对比形成多方交集,会导致参与方的隐私泄露,数据安全性较低的问题,提高了隐私数据交集计算过程的效率和安全性,使得用户的数据隐私得到保证。
Description
技术领域
本申请涉及联邦学习技术领域,特别是涉及隐私数据交集的获取方法、设备、电子装置和存储介质。
背景技术
隐私交集(Private Set Intersection,简称为PSI)是联邦学习计算中应用最为广泛的技术。两方的隐私交集是指两个参与方各自拥有自己的数据集合,在通过联邦计算之后,可以获得双方的交集,但是双方都不知道交集以外对方的数据。进一步地,多方隐私交集是指多个参与方可以分别获得所有参与方的共同交集,但是不揭露任何共同交集之外的额外信息。
隐私交集的应用场景非常的广泛,例如黑名单查询,广告推荐,电子水印,匿名指纹,匿名数据挖掘等等。在相关技术中,多方PSI技术建立于两两比较的基础之上,采用两方的交集结果与第三方的集合进行PSI,这样一些参与方会获得额外信息,导致隐私泄露,数据安全性较低,例如,在有A、B、C三方参与的情况下,A方可以获取到与B方的两方交集,然后A方用两方交集与C方进行比较,得到三方交集,如此A方就获得了三方交集以外的额外信息,即两方交集中不属于三方交集的部分。
目前针对相关技术中基于两两对比形成多方交集,会导致参与方的隐私泄露,数据安全性较低的问题,尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种隐私数据交集的获取方法、设备、电子装置和存储介质,以至少解决相关技术中基于两两对比形成多方交集,会导致参与方的隐私泄露,数据安全性较低的问题。
第一方面,本申请实施例提供了一种隐私数据交集的获取方法,包括:
发起方和多个参与方确定安全长度和映射函数,所述参与方确定掩码;
所述发起方分别与每个所述参与方根据所述安全长度和所述映射函数进行隐私交集计算,每个所述参与方随机生成各自的参与方随机向量,所述发起方得到多个第一验证信息;
多个所述参与方根据所述参与方随机向量与所述掩码得到多个第二验证信息;
所述发起方根据所述第一验证信息与所述第二验证信息确定隐私数据交集。
在其中一些实施例中,所述掩码的确定方式包括:
所述参与方随机排序,排序中位置相邻的两个参与方确定与所述两个参与方对应的掩码。
在其中一些实施例中,多个所述参与方根据所述参与方随机向量与所述掩码得到多个第二验证信息包括:
每个所述参与方根据所述参与方随机向量、第一掩码和第二掩码得到第二验证信息,其中,所述第一掩码由所述参与方与相对排序在前的相邻参与方确定,所述第二掩码由所述参与方与相对排序在后的相邻参与方确定。
在其中一些实施例中,对于排序的首位参与方,所述第一掩码的获取方式包括:
由所述首位参与方与排序中的末位参与方确定所述第一掩码。
在其中一些实施例中,对于排序的末位参与方,所述第二掩码的获取方式包括:
由排序中的首位参与方与所述末位参与方确定所述第二掩码。
在其中一些实施例中,所述发起方根据所述第一验证信息与所述第二验证信息确定隐私数据交集包括:
所述发起方对所有所述第一验证信息进行逻辑运算,得到第一验证值;
所述发起方对所有所述第二验证信息进行逻辑运算,得到第二验证值;
在所述第一验证值与所述第二验证值相等的情况下,判定与所述第一验证信息对应的数据和与所述第二验证信息对应的数据为隐私数据交集。
在其中一些实施例中,所述第一验证信息的获取方法包括:
所述发起方根据所述映射函数将自身数据进行映射,得到发起方映射值,所述参与方根据所述映射函数将自身数据进行映射,得到参与方映射值;
所述发起方根据所述安全长度生成发起方随机向量;
所述参与方将所述参与方随机向量和所述参与方映射值进行逻辑运算,得到参与方逻辑向量;
所述发起方通过不经意传输,根据所述发起方随机向量、所述参与方随机向量和所述参与方逻辑向量进行逻辑运算,得到初始验证信息;
所述发起方根据所述初始验证信息、所述发起方的映射值和所述发起方随机向量进行逻辑运算,得到所述第一验证信息。
第二方面,本申请实施例提供了一种隐私数据交集的获取设备,包括确定模块、计算模块和验证模块:
所述确定模块,用于发起方和多个参与方确定安全长度和映射函数,所述参与方确定掩码;
所述计算模块,用于所述发起方分别与每个所述参与方根据所述安全长度和所述映射函数进行隐私交集计算,每个所述参与方随机生成各自的参与方随机向量,所述发起方得到多个第一验证信息;还用于多个所述参与方根据所述参与方随机向量与所述掩码得到多个第二验证信息;
所述验证模块,用于所述发起方根据所述第一验证信息与所述第二验证信息确定隐私数据交集。
第三方面,本申请实施例提供了一种电子装置,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的隐私数据交集的获取方法。
第四方面,本申请实施例提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面所述的隐私数据交集的获取方法。
相比于相关技术,本申请实施例提供的隐私数据交集的获取方法,通过发起方和多个参与方确定安全长度和映射函数,参与方确定掩码;发起方分别与每个参与方根据安全长度和映射函数进行隐私交集计算,每个参与方随机生成各自的参与方随机向量,发起方得到多个第一验证信息;多个参与方根据参与方随机向量与掩码得到多个第二验证信息;发起方根据第一验证信息与第二验证信息确定隐私数据交集,解决了相关技术中基于两两对比形成多方交集,会导致参与方的隐私泄露,数据安全性较低的问题,提高了隐私数据交集计算过程的效率和安全性,使得用户的数据隐私得到保证。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的隐私数据交集的获取方法的流程图;
图2是根据本申请实施例的第一验证信息的获取方法的流程图;
图3为本申请实施例的隐私数据交集的获取方法的终端的硬件结构框图;
图4是根据本申请实施例的隐私数据交集的获取设备的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指大于或者等于两个。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
本申请提供的隐私数据交集的获取方法,可以应用于多个场景中。例如,黑名单查询,A方有一些用户数据,需要在B方的黑名单数据库中查询自己的用户是否为对方的黑名单成员,即A方需要查询的数据与B方的数据库求隐私交集。上述的黑名单查询在银行体系内十分常见,由于查询方和黑名单提供方都不想泄露自己的数据信息,所以需要使用到隐私数据交集的计算过程。
再例如,广告推荐算法为广告商与平台方签订合同,要求平台方投放广告,为了查看投放广告的效果,广告商会查看购买自己产品的用户有多少是平台方的用户且观看到了自己的广告,即广告商将自己的用户与平台方观看了本产品广告的用户求交集,但是为了***露双方交集以外的用户信息,需要使用隐私数据交集的计算过程。
本实施例提供了一种隐私数据交集的获取方法,图1是根据本申请实施例的隐私数据交集的获取方法的流程图,如图1所示,该方法包括如下步骤:
步骤S110,发起方和多个参与方确定安全长度、映射函数,参与方确定掩码。
本申请中,发起方为隐私数据交集计算过程的发起者,参与方为接受发起方邀请或者主动参与隐私数据交集计算的参与者,本实施例中发起方同时参与隐私数据交集的计算,在其他实施例中,发起方也可以不参与隐私数据交集的计算。
本实施例中的隐私数据交集的获取方法采用不经意随机函数(ObliviousPseudorandom Function,简称为OPRF)技术实现。在获取隐私数据交集之前,发起方和参与方会先约定一个安全长度,以λ表示,λ越大,则获取隐私数据交集的过程安全性越高,相应的,防碰撞性也越高。
同时,发起方和参与方还需要约定一个映射函数将用户数据映射为其他值,以保护用户数据的隐私性,本实施例中的映射函数为伪随机数生成函数,其中,伪随机数是用确定性的算法计算出服从{0,1}分布的随机数序列,具有类似于随机数的统计特征,如均匀性、独立性等。在计算伪随机数时,若伪随机数生成函数使用的初值与输入值不变,那么伪随机数的数序也不变。本实施例中的伪随机数生成函数由如下公式1表示:
在公式1中,Fk(·)表示伪随机数生成函数,为所有消息组成的集合,称为消息空间,k为伪随机数生成函数的初值,对相同的k和输入值,得到的结果也是一致的,例如,发起方为A方,拥有数据x,参与方为B方,拥有数据y,则有
进一步地,本实施例中还需要所有的参与方确定各自的掩码。其中,本实施例中的掩码是用于保护发起方和/或参与方数据的数值,掩码的生成方式有很多种,本实施例中对于位置相邻的两个参与方,掩码可以由其中一个参与方确定,例如,一方随机生成掩码,也可以由两个参与方共同确定,例如,两个参与方都随机生成一个随机数,然后对随机数求平均值得到掩码,进一步地,还可以对随机数进行逻辑运算得到新的掩码。
步骤S120,发起方分别与每个参与方根据安全长度和映射函数进行隐私交集计算,每个参与方随机生成各自的参与方随机向量,发起方得到多个第一验证信息。
在有多个参与方的情况下,发起方需要与每个参与方进行单点隐私交集的计算。具体地,在发起方A和参与方B进行两方的隐私数据交集计算的情况下,由于是单点的,所以假设A方拥有数据x,B方拥有数据y,求A与B的数据交集转换为判断x与y是否相等。在判断过程中,A方会生成一个长度为λ,由0和1组成的随机向量,称为发起方随机向量,B方会生成一个长度为λ,由0和1组成的随机向量,称为参与方随机向量,同时,A方和B方通过不经意传输得到第一验证信息,其中,不经意传输是指B方只会提供A方需要的信息,而不是将所有的信息都传递至A方,第一验证信息为根据Fk(x)、初始验证信息以及发起方随机向量计算得到的,其中,初始验证信息与Fk(y)有关,但A方并不会直接获取到B方中Fk(y)的值。
发起方与每个参与方进行单点隐私交集计算,得到一个第一验证信息,在有多个参与方的情况下,发起方可以得到多个第一验证信息。
步骤S130,多个参与方根据参与方随机向量与掩码得到多个第二验证信息。
每个参与方均根据与自身对应的参与方随机向量与掩码进行逻辑运算,得到一个第二验证信息,然后将第二验证信息发送至A方。可选地,逻辑运算为异或运算,例如,在B方的随机向量为掩码为m的情况下,B方将的值发送至A方作为第二验证信息,在有多个参与方的情况下,即可获得多个第二验证信息。
步骤S140,发起方根据第一验证信息与第二验证信息确定隐私数据交集。
本实施例中的第一验证信息和第二验证信息均对应发起方和每个参与方中的一个用户数据,发起方在得到多个第一验证信息和多个第二验证信息的情况下,通过对第一验证信息和第二验证信息进行逻辑运算,来判断与第一验证信息、第二验证信息对应的用户数据是否相等,在相等的情况下,该用户数据即为发起方和多个参与方的隐私数据交集,否则,该用户数据不属于隐私数据交集。
通过上述步骤S110至步骤S140,发起方根据与每个参与方对应的第一验证信息和第二验证信息,来判断相应的用户数据是否属于发起方和所有参与方隐私数据交集,而不是在获得与一个参与方的隐私数据交集之后,根据两方交集与第三方进行对比,因此解决了相关技术中基于两两对比形成多方交集,会导致参与方的隐私泄露,数据安全性较低的问题,提高了隐私数据交集计算过程的安全性,使得用户的数据隐私得到保证。且本实施例中通过实用安全聚合(Practical Secure Aggregation,简称为PSA)算法,仅进行一轮OPRF的多方PSI算法即可判断用户数据是否为隐私数据交集,相对于相关技术中,发起方需要进行多次比较,使用多轮OPRF算法,本实施例中的方法还可以提高隐私数据交集计算过程的效率。
在其中一些实施例中,在有多个参与方的情况下,发起方将所有的参与方排序,例如,发起方可以按照进入隐私数据交集计算的顺序对所有的参与方进行排序,排序一旦形成,则不可更改。在参与方确定掩码时,排序中位置相邻的两个参与方确定与自身对应的掩码。例如,在参与方的排序序号为i,其中,i=1,2,3,…,n的情况下,参与方i与参与方i+1共同确定属于参与方i和参与方i+1的掩码,或者,参与方i与参与方i-1共同确定属于参与方i和参与方i-1的掩码。本实施例中,仅由两个位置相邻的参与方共同确定掩码,可以提高掩码生成的速度,且生成的掩码仅有相关的参与方可知,能够提高隐私数据交集计算的安全性。
在其中一些实施例中,每个参与方根据自己的参与方随机向量、第一掩码和第二掩码得到第二验证信息,其中,第一掩码由该参与方与相对排序在前的相邻参与方确定,第二掩码由该参与方与相对排序在后的相邻参与方确定。例如,对于参与方i,第一掩码由参与方i与参与方i-1共同确定,以mi-1表示,第二掩码由参与方i与参与方i+1共同确定,以mi+1表示,则参与方i的第二验证信息可以通过得到,其中,为参与方i的参与方随机向量。进一步地,前一个参与方的第二掩码与后一个参与方的第一掩码相同,例如,在参与方i与参与方j相邻且参与方i的位置靠前的情况下,掩码mi+1与掩码mj-1相同。本实施例中参与方的第二验证信息通过与该参与方相关的两个掩码得到,可以进一步提高隐私数据交集计算的安全性。
进一步地,对于排序的首位参与方,由首位参与方与排序中的末位参与方确定第一掩码,例如,对于参与方1,其第一掩码由参与方1与参与方n确定;对于排序的末位参与方,由排序中的首位参与方与末位参与方确定第二掩码,例如,对于参与方n,其第二掩码由参与方n与参与方1确定。本实施例中第一掩码和第二掩码的确定方式使得排序中所有参与方的掩码之间都具有关联性,在计算时,掩码之间可以相互抵消,提高隐私数据交集计算的效率。
在其中一些实施例中,发起方根据第一验证信息与第二验证信息确定隐私数据交集包括:发起方对所有第一验证信息进行逻辑运算,得到第一验证值,可选地,逻辑运算可以为异或计算,例如,在以q′i表示与参与方i对应的第一验证信息的情况下,第一验证值可以由得到;发起方对所有第二验证信息进行逻辑运算,得到第二验证值,可选地,逻辑运算可以为异或计算,例如,以表示参与方i的参与方随机向量,以mi-1表示参与方i的第一掩码,以mi+1表示参与方i的第二掩码,则第二验证值可以通过得到;发起方根据第一验证值和第二验证值进行判断,在第一验证值与第二验证值相等的情况下,判定与第一验证信息对应的数据和与第二验证信息对应的数据为隐私数据交集,在第一验证值与第二验证值不相等的情况下,至少有一方的用户数据与其他方的用户数据不相等,则各方的用户数据中至少一方不属于隐私数据交集。本实施例中,发起方在与每个参与方进行两方PSI之后,不会立即对两方的计算数据进行比较,因为对两方的计算数据进行比较,发起方会获得额外的信息,导致用户隐私泄露,直到所有的参与方根据参与方随机向量、第一掩码和第二掩码计算得到第二验证信息,发起方才根据所有的第一验证信息和第二验证信息来判断相应的用户数据是否属于隐私数据交集,可以有效提高计算过程的安全性。
在其中一些实施例中,以两方PSI为例,图2是根据本申请实施例的第一验证信息的获取方法的流程图,如图2所示,该方法包括如下步骤:
步骤S210,发起根据映射函数将自身数据进行映射,得到发起方映射值,参与方根据映射函数将自身数据进行映射,得到参与方映射值。
本实施例中的两方PSI仍然基于OPRF进行,同样假设发起方A有数据x,参与方B有数据y,因为是单点的,所以每一方都只有一个数据,要求A与B的交集很明显地转换为判断x与y是否相等的问题。本实施例中的映射函数为伪随机数生成函数Fk(·),则A方的数据x映射后得到发起方映射值Fk(x),B方的数据y映射后得到参与方映射值Fk(y),根据伪随机数生成函数的特点,可以得到,
步骤S220,发起方根据安全长度生成发起方随机向量。
在安全长度为λ的情况下,A方随机生成一个长度为λ,由0与1组成的向量,即发起方随机向量,表示为s∈{0,1}λ。同样的,B方随机生成一个长度为λ,由0与1组成的向量,即参与方随机向量,表示为r0∈{0,1}λ。
步骤S230,参与方将参与方随机向量和参与方映射值进行逻辑运算,得到参与方逻辑向量。
参与方可以通过如下公式2得到参与方逻辑向量:
在公式2中,r1表示参与方逻辑向量,r0表示参与方随机向量,Fk(y)表示参与方映射值。
步骤S240,发起方通过不经意传输,根据发起方随机向量、参与方随机向量和参与方逻辑向量进行逻辑运算,得到初始验证信息。
具体为,A方根据s发起不经意传输(Oblivious Transfer,简称OT),生成一个长度为λ的向量q作为初始验证信息,q的第i个位置的取值方式为:如果si=0,则否则其中,qi为q的第i位,为r0的第i位,si为s的第i位,为r1的第i位。
进一步地,初始验证信息还可以表示为如下公式3:
在公式3中,Fk(y)为参与方映射值。
本实施例中采取不经意传输,因此B方只会向A方传输A方需要的r0和r1中的数据,具体地,在本实施例中,A方根据si的值发送位置信息,B方只会将r0和r1对应位置上的值发送至A方,而不会将完整的r0和r1发送至A方,且B方无法获知si的值。
步骤S250,发起方根据初始验证信息、发起方的映射值和发起方随机向量进行逻辑运算,得到第一验证信息。
在得到初始验证信息之后,A方可以根据如下公式4得到第一验证信息:
在公式4中,q′表示第一验证信息。
通过上述步骤S210至步骤S250,通过两方单点PSI,发起方和参与方通过不经意传输实现数据交互,从而发起方得到一个参与方的第一验证信息,同时保证了数据传输的安全性。
在此基础上,发起方依次与所有的参与方进行两方单点PSI,从而得到多个第一验证信息。
下面通过优选实施例对本申请实施例进行描述和说明。
在其中一些实施例中,在参与方只有一个的情况下,参与方不需要确定掩码,A方在得到q′之后,直接将q′与B方的r0进行比较,如果相等则说明x=y,否则说明x≠y,此时A方不会获得任何关于y的额外信息。通过q′=r0得到x=y的原因如下公式5所示:
在公式5中,如果x=y,则Fk(x)=Fk(y),根据逻辑运算规则,无论s的取值为多少,q′=r0,反之,则q′为无意义的随机数。本实施例中,将比较用户数据x与y转换成为了比较两个随机数q′与r0,避开了可能出现的数据泄露的情况。进一步地,对于两方都拥有很大集合数据的情况,只需要对每两个点都做一次同样的比较,便可以完成整个PSI的工作。
在其中一些实施例中,具有一个发起方A,拥有数据x,两个参与方B和C,参与方B拥有数据y,参与方C拥有数据z,则三方隐私数据交集的计算方法包括:A、B、C三方事先约定好一个安全长度λ,再约定好一个伪随机数生成函数Fk(·);A方首先与B方进行两方PSI,计算结束后,A方会得到与B方对应的第一验证信息q′B,B方得到参与方随机向量同样的,A方与C方进行两方PSI,A方会得到与C对应的第一验证信息q′C,C方得到参与方随机向量B方与C方协商一个掩码m,B方给A方发送的结果作为第二验证信息,C方给A方发送数据作为第二验证信息;A方得到多个第一验证信息与多个第二验证信息之后,比较第一验证值与第二验证值是否相等。
本实施例中使用了安全多方计算(Secure Multi-Party Computation,简称为MPC)中的实用安全聚合(Practical Secure Aggregation,简称为PSA)算法来减少OPRF的交互轮数,从而可以减少传输和计算的消耗。
在其中一些实施例中,在参与方的数量大于2时,发起方A得到的第一验证值可以表示为第二验证值可以表示为由于前一个参与方的第二掩码和后一个参与方的第一掩码相同,因此,根据逻辑运算的规则,可以得到如公式6所示的简化过程:
再基于公式5,如果第一验证值等于第二验证值,则可说明发起方和各个参与方中的用户数据属于隐私数据交集。
本实施例中的方法可以保证计算过程和计算结果的安全性,发起方和各参与方只能知道最后的总交集,而无法获得任何额外的信息。进一步地,由于使用了PSA技术,本实施例中的方法减少了不经意传输的轮数,提高了本地和网络传输的效率。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。以运行在终端上为例,图3为本申请实施例的隐私数据交集的获取方法的终端的硬件结构框图。如图3所示,终端30可以包括一个或多个(图3中仅示出一个)处理器302(处理器302可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器304,可选地,上述终端还可以包括用于通信功能的传输设备306以及输入输出设备308。本领域普通技术人员可以理解,图3所示的结构仅为示意,其并不对上述终端的结构造成限定。例如,终端30还可包括比图3中所示更多或者更少的组件,或者具有与图3所示不同的配置。
存储器304可用于存储控制程序,例如,应用软件的软件程序以及模块,如本申请实施例中的隐私数据交集的获取方法对应的控制程序,处理器302通过运行存储在存储器304内的控制程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器304可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器304可进一步包括相对于处理器302远程设置的存储器,这些远程存储器可以通过网络连接至终端30。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备306用于经由一个网络接收或者发送数据。上述的网络具体实例可包括终端30的通信供应商提供的无线网络。在一个实例中,传输设备306包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备306可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
本实施例还提供了一种隐私数据交集的获取设备,该设备用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图4是根据本申请实施例的隐私数据交集的获取设备的结构框图,如图4所示,该设备包括确定模块41、计算模块42和验证模块43:
确定模块41,用于发起方和多个参与方确定安全长度和映射函数,参与方确定掩码;
计算模块42,用于发起方分别与每个参与方根据安全长度和映射函数进行隐私交集计算,每个参与方随机生成各自的参与方随机向量,发起方得到多个第一验证信息;还用于多个参与方根据参与方随机向量与掩码得到多个第二验证信息;
验证模块43,用于发起方根据第一验证信息与第二验证信息确定隐私数据交集。
本实施例中,发起方通过计算模块42得到与每个参与方对应的第一验证信息和第二验证信息,然后用过验证模块43来判断相应的用户数据是否属于发起方和所有参与方隐私数据交集,而不是在获得与一个参与方的隐私数据交集之后,根据两方交集与第三方进行对比,因此解决了相关技术中基于两两对比形成多方交集,会导致参与方的隐私泄露,数据安全性较低的问题,提高了隐私数据交集计算过程的安全性,使得用户的数据隐私得到保证。且本实施例中通过实用安全聚合(Practical Secure Aggregation,简称为PSA)算法,仅进行一轮OPRF的多方PSI算法即可判断用户数据是否为隐私数据交集,相对于相关技术中,发起方需要进行多次比较,使用多轮OPRF算法,本实施例中的方法还可以提高隐私数据交集计算过程的效率。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
本实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,发起方和多个参与方确定安全长度和映射函数,参与方确定掩码。
S2,发起方分别与每个参与方根据安全长度和映射函数进行隐私交集计算,每个参与方随机生成各自的参与方随机向量,发起方得到多个第一验证信息。
S3,多个参与方根据参与方随机向量与掩码得到多个第二验证信息。
S4,发起方根据第一验证信息与第二验证信息确定隐私数据交集。
需要说明的是,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
另外,结合上述实施例中的隐私数据交集的获取方法,本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序;该计算机程序被处理器执行时实现上述实施例中的任意一种隐私数据交集的获取方法。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种隐私数据交集的获取方法,其特征在于,包括:
发起方和多个参与方确定安全长度和映射函数,所述参与方确定掩码;
所述发起方分别与每个所述参与方根据所述安全长度和所述映射函数进行隐私交集计算,每个所述参与方随机生成各自的参与方随机向量,所述发起方得到多个第一验证信息;
多个所述参与方根据所述参与方随机向量与所述掩码得到多个第二验证信息;
所述发起方根据所述第一验证信息与所述第二验证信息确定隐私数据交集。
2.根据权利要求1所述的隐私数据交集的获取方法,其特征在于,所述掩码的确定方式包括:
所述参与方随机排序,排序中位置相邻的两个参与方确定与所述两个参与方对应的掩码。
3.根据权利要求2所述的隐私数据交集的获取方法,其特征在于,多个所述参与方根据所述参与方随机向量与所述掩码得到多个第二验证信息包括:
每个所述参与方根据所述参与方随机向量、第一掩码和第二掩码得到第二验证信息,其中,所述第一掩码由所述参与方与相对排序在前的相邻参与方确定,所述第二掩码由所述参与方与相对排序在后的相邻参与方确定。
4.根据权利要求3所述的隐私数据交集的获取方法,其特征在于,对于排序的首位参与方,所述第一掩码的获取方式包括:
由所述首位参与方与排序中的末位参与方确定所述第一掩码。
5.根据权利要求3所述的隐私数据交集的获取方法,其特征在于,对于排序的末位参与方,所述第二掩码的获取方式包括:
由排序中的首位参与方与所述末位参与方确定所述第二掩码。
6.根据权利要求1所述的隐私数据交集的获取方法,其特征在于,所述发起方根据所述第一验证信息与所述第二验证信息确定隐私数据交集包括:
所述发起方对所有所述第一验证信息进行逻辑运算,得到第一验证值;
所述发起方对所有所述第二验证信息进行逻辑运算,得到第二验证值;
在所述第一验证值与所述第二验证值相等的情况下,判定与所述第一验证信息对应的数据和与所述第二验证信息对应的数据为隐私数据交集。
7.根据权利要求1所述的隐私数据交集的获取方法,其特征在于,所述第一验证信息的获取方法包括:
所述发起方根据所述映射函数将自身数据进行映射,得到发起方映射值,所述参与方根据所述映射函数将自身数据进行映射,得到参与方映射值;
所述发起方根据所述安全长度生成发起方随机向量;
所述参与方将所述参与方随机向量和所述参与方映射值进行逻辑运算,得到参与方逻辑向量;
所述发起方通过不经意传输,根据所述发起方随机向量、所述参与方随机向量和所述参与方逻辑向量进行逻辑运算,得到初始验证信息;
所述发起方根据所述初始验证信息、所述发起方的映射值和所述发起方随机向量进行逻辑运算,得到所述第一验证信息。
8.一种隐私数据交集的获取设备,其特征在于,包括确定模块、计算模块和验证模块:
所述确定模块,用于发起方和多个参与方确定安全长度和映射函数,所述参与方确定掩码;
所述计算模块,用于所述发起方分别与每个所述参与方根据所述安全长度和所述映射函数进行隐私交集计算,每个所述参与方随机生成各自的参与方随机向量,所述发起方得到多个第一验证信息;还用于多个所述参与方根据所述参与方随机向量与所述掩码得到多个第二验证信息;
所述验证模块,用于所述发起方根据所述第一验证信息与所述第二验证信息确定隐私数据交集。
9.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任一项所述的隐私数据交集的获取方法。
10.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行权利要求1至7中任一项所述的隐私数据交集的获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011529899.8A CN112699386B (zh) | 2020-12-22 | 2020-12-22 | 隐私数据交集的获取方法、设备、电子装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011529899.8A CN112699386B (zh) | 2020-12-22 | 2020-12-22 | 隐私数据交集的获取方法、设备、电子装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112699386A true CN112699386A (zh) | 2021-04-23 |
CN112699386B CN112699386B (zh) | 2024-06-11 |
Family
ID=75510520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011529899.8A Active CN112699386B (zh) | 2020-12-22 | 2020-12-22 | 隐私数据交集的获取方法、设备、电子装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112699386B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113259106A (zh) * | 2021-06-28 | 2021-08-13 | 华控清交信息科技(北京)有限公司 | 一种数据处理方法和*** |
CN113312641A (zh) * | 2021-06-02 | 2021-08-27 | 杭州趣链科技有限公司 | 多点多方的数据交互方法、***、电子装置和存储介质 |
CN113364577A (zh) * | 2021-08-06 | 2021-09-07 | 华控清交信息科技(北京)有限公司 | 一种oprf协议的实现方法、装置及电子设备 |
CN113486398A (zh) * | 2021-07-13 | 2021-10-08 | 华控清交信息科技(北京)有限公司 | 一种信息比对方法、装置及电子设备 |
CN113901425A (zh) * | 2021-09-16 | 2022-01-07 | 医渡云(北京)技术有限公司 | 一种多方安全求交集的方法、装置、存储介质及设备 |
CN114520721A (zh) * | 2022-03-22 | 2022-05-20 | 杭州博盾习言科技有限公司 | 多方安全计算隐私求交方法、装置、设备及存储介质 |
CN114640444A (zh) * | 2022-03-18 | 2022-06-17 | 哈尔滨理工大学 | 基于国产密码算法的隐私保护集合交集获取方法及装置 |
CN114666044A (zh) * | 2022-03-21 | 2022-06-24 | 海智讯通(上海)智能科技有限公司 | 一种基于客户端机器指纹信息的id对齐方法、装置及存储介质 |
CN114818000A (zh) * | 2022-06-29 | 2022-07-29 | 深圳市洞见智慧科技有限公司 | 隐私保护的集合混淆求交方法、***及相关设备 |
CN116049909A (zh) * | 2023-01-28 | 2023-05-02 | 腾讯科技(深圳)有限公司 | 联邦特征工程中的特征筛选方法、装置、设备及存储介质 |
CN116132168A (zh) * | 2023-01-29 | 2023-05-16 | 中国联合网络通信集团有限公司 | 信息共享方法、处理装置、服务器及*** |
CN116150810A (zh) * | 2023-04-17 | 2023-05-23 | 北京数牍科技有限公司 | 向量元素预聚合方法、电子设备及计算机可读存储介质 |
CN118133352A (zh) * | 2024-05-08 | 2024-06-04 | 北京国际大数据交易有限公司 | 一种数据交集的确定方法、装置、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3340152A1 (en) * | 2016-12-22 | 2018-06-27 | Telefonica Digital España, S.L.U. | Method of selecting and delivering content for privacy-protected targeting content systems |
EP3503460A1 (en) * | 2017-12-22 | 2019-06-26 | Secure-IC SAS | System and method for boolean masked arithmetic addition |
CN109951443A (zh) * | 2019-01-28 | 2019-06-28 | 湖北工业大学 | 一种云环境下隐私保护的集合交集计算方法及*** |
CN110674528A (zh) * | 2019-09-20 | 2020-01-10 | 深圳前海微众银行股份有限公司 | 联邦学习隐私数据处理方法、设备、***及存储介质 |
US20200252217A1 (en) * | 2019-01-31 | 2020-08-06 | Global Bionic Optics Limited | System and method for producing a unique stable biometric code for a biometric hash |
CN111510464A (zh) * | 2020-06-24 | 2020-08-07 | 同盾控股有限公司 | 一种保护用户隐私的疫情信息共享方法及*** |
CN111552978A (zh) * | 2020-04-21 | 2020-08-18 | 杭州趣链科技有限公司 | 基于DH加密和Hash表的隐私保护集合求交集方法 |
US20200334377A1 (en) * | 2019-04-18 | 2020-10-22 | Microsoft Technology Licensing, Llc | User interface for building a data privacy pipeline and contractual agreement to share data |
CN111931207A (zh) * | 2020-08-07 | 2020-11-13 | 北京百度网讯科技有限公司 | 获得隐私集合交集的方法、装置、设备及存储介质 |
-
2020
- 2020-12-22 CN CN202011529899.8A patent/CN112699386B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3340152A1 (en) * | 2016-12-22 | 2018-06-27 | Telefonica Digital España, S.L.U. | Method of selecting and delivering content for privacy-protected targeting content systems |
EP3503460A1 (en) * | 2017-12-22 | 2019-06-26 | Secure-IC SAS | System and method for boolean masked arithmetic addition |
CN109951443A (zh) * | 2019-01-28 | 2019-06-28 | 湖北工业大学 | 一种云环境下隐私保护的集合交集计算方法及*** |
US20200252217A1 (en) * | 2019-01-31 | 2020-08-06 | Global Bionic Optics Limited | System and method for producing a unique stable biometric code for a biometric hash |
US20200334377A1 (en) * | 2019-04-18 | 2020-10-22 | Microsoft Technology Licensing, Llc | User interface for building a data privacy pipeline and contractual agreement to share data |
CN110674528A (zh) * | 2019-09-20 | 2020-01-10 | 深圳前海微众银行股份有限公司 | 联邦学习隐私数据处理方法、设备、***及存储介质 |
CN111552978A (zh) * | 2020-04-21 | 2020-08-18 | 杭州趣链科技有限公司 | 基于DH加密和Hash表的隐私保护集合求交集方法 |
CN111510464A (zh) * | 2020-06-24 | 2020-08-07 | 同盾控股有限公司 | 一种保护用户隐私的疫情信息共享方法及*** |
CN111931207A (zh) * | 2020-08-07 | 2020-11-13 | 北京百度网讯科技有限公司 | 获得隐私集合交集的方法、装置、设备及存储介质 |
Non-Patent Citations (5)
Title |
---|
CHAOYUE NIU ET AL.: "Billion-scale federated learning on mobile clients: a submodel design with tunable privacy", THE 26TH ANNUAL INTERNATIONAL CONFERENCE ON MOBILE COMPUTING AND NETWORKING, 17 April 2020 (2020-04-17) * |
廖鹏程等: "基于OT协议的外包隐私集合交集计算协议", 信息技术与网络安全, no. 06, 10 June 2018 (2018-06-10) * |
王会勇;冯勇;赵岭忠;唐士杰;: "基于多密钥同态技术的安全多方计算协议", 华南理工大学学报(自然科学版), no. 07, 15 July 2017 (2017-07-15) * |
申立艳等: "隐私保护集合交集计算技术研究综述", 计算机研究与发展, vol. 54, no. 10, 31 October 2017 (2017-10-31) * |
黄雄波: "云环境下隐私保护的集合交集计算协议研究", 中国优秀硕士学位论文全文库(信息科技), vol. 2020, no. 8, 15 August 2020 (2020-08-15) * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113312641A (zh) * | 2021-06-02 | 2021-08-27 | 杭州趣链科技有限公司 | 多点多方的数据交互方法、***、电子装置和存储介质 |
WO2022252595A1 (zh) * | 2021-06-02 | 2022-12-08 | 杭州趣链科技有限公司 | 多点多方的数据交互方法、***、电子装置和存储介质 |
CN113259106A (zh) * | 2021-06-28 | 2021-08-13 | 华控清交信息科技(北京)有限公司 | 一种数据处理方法和*** |
CN113259106B (zh) * | 2021-06-28 | 2021-09-24 | 华控清交信息科技(北京)有限公司 | 一种数据处理方法和*** |
CN113486398A (zh) * | 2021-07-13 | 2021-10-08 | 华控清交信息科技(北京)有限公司 | 一种信息比对方法、装置及电子设备 |
CN113486398B (zh) * | 2021-07-13 | 2024-03-29 | 华控清交信息科技(北京)有限公司 | 一种信息比对方法、装置及电子设备 |
CN113364577A (zh) * | 2021-08-06 | 2021-09-07 | 华控清交信息科技(北京)有限公司 | 一种oprf协议的实现方法、装置及电子设备 |
CN113364577B (zh) * | 2021-08-06 | 2021-11-05 | 华控清交信息科技(北京)有限公司 | 一种oprf协议的实现方法、装置及电子设备 |
CN113901425A (zh) * | 2021-09-16 | 2022-01-07 | 医渡云(北京)技术有限公司 | 一种多方安全求交集的方法、装置、存储介质及设备 |
CN114640444A (zh) * | 2022-03-18 | 2022-06-17 | 哈尔滨理工大学 | 基于国产密码算法的隐私保护集合交集获取方法及装置 |
CN114640444B (zh) * | 2022-03-18 | 2023-10-24 | 哈尔滨理工大学 | 基于国产密码算法的隐私保护集合交集获取方法及装置 |
CN114666044A (zh) * | 2022-03-21 | 2022-06-24 | 海智讯通(上海)智能科技有限公司 | 一种基于客户端机器指纹信息的id对齐方法、装置及存储介质 |
CN114666044B (zh) * | 2022-03-21 | 2024-04-26 | 海智讯通(上海)智能科技有限公司 | 一种基于客户端机器指纹信息的id对齐方法、装置及存储介质 |
CN114520721A (zh) * | 2022-03-22 | 2022-05-20 | 杭州博盾习言科技有限公司 | 多方安全计算隐私求交方法、装置、设备及存储介质 |
CN114520721B (zh) * | 2022-03-22 | 2024-03-29 | 杭州博盾习言科技有限公司 | 多方安全计算隐私求交方法、装置、设备及存储介质 |
CN114818000A (zh) * | 2022-06-29 | 2022-07-29 | 深圳市洞见智慧科技有限公司 | 隐私保护的集合混淆求交方法、***及相关设备 |
CN114818000B (zh) * | 2022-06-29 | 2022-09-20 | 深圳市洞见智慧科技有限公司 | 隐私保护的集合混淆求交方法、***及相关设备 |
CN116049909B (zh) * | 2023-01-28 | 2023-06-27 | 腾讯科技(深圳)有限公司 | 联邦特征工程中的特征筛选方法、装置、设备及存储介质 |
CN116049909A (zh) * | 2023-01-28 | 2023-05-02 | 腾讯科技(深圳)有限公司 | 联邦特征工程中的特征筛选方法、装置、设备及存储介质 |
CN116132168A (zh) * | 2023-01-29 | 2023-05-16 | 中国联合网络通信集团有限公司 | 信息共享方法、处理装置、服务器及*** |
CN116150810B (zh) * | 2023-04-17 | 2023-06-20 | 北京数牍科技有限公司 | 向量元素预聚合方法、电子设备及计算机可读存储介质 |
CN116150810A (zh) * | 2023-04-17 | 2023-05-23 | 北京数牍科技有限公司 | 向量元素预聚合方法、电子设备及计算机可读存储介质 |
CN118133352A (zh) * | 2024-05-08 | 2024-06-04 | 北京国际大数据交易有限公司 | 一种数据交集的确定方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112699386B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112699386A (zh) | 隐私数据交集的获取方法、设备、电子装置和存储介质 | |
CN113312641B (zh) | 多点多方的数据交互方法、***、电子装置和存储介质 | |
CN112800478B (zh) | 保护隐私数据的共有数据确定方法、装置和*** | |
CN109886029B (zh) | 基于多项式表示的隐私保护集合交集计算方法与*** | |
Bilogrevic et al. | Privacy-preserving optimal meeting location determination on mobile devices | |
US11356241B2 (en) | Verifiable secret shuffle protocol for encrypted data based on homomorphic encryption and secret sharing | |
US20210351941A1 (en) | Sybil-resistant identity generation | |
Hallgren et al. | Innercircle: A parallelizable decentralized privacy-preserving location proximity protocol | |
CN114584294B (zh) | 不经意分散排列方法及装置 | |
Li et al. | Scalable privacy-preserving participant selection in mobile crowd sensing | |
US11368296B2 (en) | Communication-efficient secret shuffle protocol for encrypted data based on homomorphic encryption and oblivious transfer | |
US20210328763A1 (en) | Computation-efficient secret shuffle protocol for encrypted data based on homomorphic encryption | |
CN115051791B (zh) | 一种基于密钥协商的高效三方隐私集合求交方法及*** | |
Ashouri-Talouki et al. | GLP: A cryptographic approach for group location privacy | |
KR20210139344A (ko) | 데이터 기반 활동을 수행하는 방법 및 장치 | |
US7240198B1 (en) | Honesty preserving negotiation and computation | |
Wang et al. | Efficient privacy preserving matchmaking for mobile social networking against malicious users | |
CN111460510B (zh) | 基于隐私保护确定相同业务数据的方法及装置 | |
Wang et al. | One-round privacy-preserving meeting location determination for smartphone applications | |
CN115412356A (zh) | 数据查询设备法、装置、计算机设备以及存储介质 | |
CN105162695A (zh) | 一种新型的近邻移动社交网络交友隐私保护方法 | |
Cheng et al. | An efficient and provably secure RFID grouping proof protocol | |
Carbunar et al. | Private badges for geosocial networks | |
CN113094735B (zh) | 隐私模型训练的方法 | |
CN116090009A (zh) | 数据处理方法、装置、电子设备和可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |