TWI710981B - 損失函數取值的確定方法、裝置和電子設備 - Google Patents
損失函數取值的確定方法、裝置和電子設備 Download PDFInfo
- Publication number
- TWI710981B TWI710981B TW109101178A TW109101178A TWI710981B TW I710981 B TWI710981 B TW I710981B TW 109101178 A TW109101178 A TW 109101178A TW 109101178 A TW109101178 A TW 109101178A TW I710981 B TWI710981 B TW I710981B
- Authority
- TW
- Taiwan
- Prior art keywords
- share
- data
- value
- item
- term
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Storage Device Security (AREA)
Abstract
本說明書實施例提供一種損失函數取值的確定方法、裝置和電子設備。所述方法用於確定損失函數的取值。所述損失函數包括第一項和第二項。所述方法包括:根據第一參數的份額與合作方秘密分享第一資料,得到第一資料的份額;根據第一資料的份額,確定第一項取值的份額;根據第二參數的份額和亂數與合作方秘密分享第二資料,得到第二資料的份額;根據亂數確定第二項的係數,第二項的係數和第二資料用於共同確定第二項的取值;向合作方發送第一項取值的份額、第二資料的份額和第二項的係數,以便合作方確定所述損失函數的取值。
Description
本說明書實施例涉及電腦技術領域,特別涉及一種損失函數取值的確定方法、裝置和電子設備。
大數據時代,存在非常多的資料孤島。資料通常分散存於不同的企業中,企業與企業之間由於競爭關係和隱私保護的考慮,並不是完全的互相信任。在一些情況下,企業與企業之間需要進行合作安全模組化,以便在充分保護企業資料隱私的前提下,利用各方的資料對資料處理模型進行協調訓練。
在合作安全模組化的場景中,需要計算資料處理模型的損失函數的值;通過損失函數的值可以衡量資料處理模型的訓練效果(例如過擬合、欠擬合等),進而決定是否終止訓練。由於用於對資料處理模型進行訓練的資料是分散在合作模組化的各方的,在相關技術中,通常是將合作模組化各方的資料匯總在獨立的第三方,由該獨立的第三方來計算損失函數的值。由於將合作模組化各方的資料進行了匯總,這樣容易造成企業資料的洩漏。
本說明書實施例的目的是提供一種損失函數取值的確定方法、裝置和電子設備,以在保護資料隱私的前提下,由模組化的各資料方協調計算出損失函數的值。
為實現上述目的,本說明書中一個或多個實施例提供的技術方案如下。
根據本說明書一個或多個實施例的第一態樣,提供了一種損失函數取值的確定方法,所述損失函數包括第一項和第二項;所述方法包括:根據第一參數的份額與合作方秘密分享第一資料,得到第一資料的份額;根據第一資料的份額,確定第一項取值的份額;根據第二參數的份額和亂數與合作方秘密分享第二資料,得到第二資料的份額;根據亂數確定第二項的係數,第二項的係數和第二資料用於共同確定第二項的取值;向合作方發送第一項取值的份額、第二資料的份額和第二項的係數,以便合作方確定所述損失函數的取值。
根據本說明書一個或多個實施例的第二態樣,提供了一種損失函數取值的確定裝置,所述損失函數包括第一項和第二項;所述裝置包括:第一秘密分享單元,用於根據第一參數的份額與合作方秘密分享第一資料,得到第一資料的份額;第一確定單元,用於根據第一資料的份額,確定第一項取值的份額;第二秘密分享單元,用於根據第二參數的份額和亂數與合作方秘密分享第二資料,得到第二資料的份額;確定單元,用於根據亂數確定第二項的係數,第二項的係數和第二資料用於共同確定第二項的取值;發送單元,用於向合作方發送第一項取值的份額、第二資料的份額和第二項的係數,以便合作方確定所述損失函數的取值。
根據本說明書一個或多個實施例的第三態樣,提供了一種電子設備,包括:記憶體,用於儲存電腦指令;處理器,用於執行所述電腦指令以實現如第一態樣所述的方法步驟。
根據本說明書一個或多個實施例的第四態樣,提供了一種損失函數取值的確定方法,所述損失函數包括第一項和第二項;所述方法包括:根據第一參數的份額和標籤值與合作方秘密分享第一資料,得到第一資料的份額;根據第一資料的份額,確定第一項取值的第一份額;根據第二參數的份額與合作方秘密分享第二資料,得到第二資料的第一份額;接收合作方發來的第一項取值的第二份額、第二資料的第二份額和第二項的係數,第二項的係數和第二資料用於共同確定第二項的取值;根據第一項取值的第一份額、第一項取值的第二份額、第二資料的第一份額、第二資料的第二份額和第二項的係數,確定所述損失函數的值。
根據本說明書一個或多個實施例的第五態樣,提供了一種損失函數取值的確定裝置,所述損失函數包括第一項和第二項;所述裝置包括:第一秘密分享單元,用於根據第一參數的份額和標籤值與合作方秘密分享第一資料,得到第一資料的份額;第一確定單元,用於根據第一資料的份額,確定第一項取值的第一份額;第二秘密分享單元,用於根據第二參數的份額與合作方秘密分享第二資料,得到第二資料的第一份額;接收單元,用於接收合作方發來的第一項取值的第二份額、第二資料的第二份額和第二項的係數,第二項的係數和第二資料用於共同確定第二項的取值;確定單元,用於根據第一項取值的第一份額、第一項取值的第二份額、第二資料的第一份額、第二資料的第二份額和第二項的係數,確定所述損失函數的值。
根據本說明書一個或多個實施例的第六態樣,提供了一種電子設備,包括:記憶體,用於儲存電腦指令;處理器,用於執行所述電腦指令以實現如第四態樣所述的方法步驟。
由以上本說明書實施例提供的技術方案可見,本說明書實施例中,第一資料方和第二資料方可以利用秘密分享演算法,在不洩漏自身所擁有的資料的前提下,協調計算出損失函數的值;從而便於根據損失函數的值,來衡量資料處理模型的訓練效果,進而決定是否終止訓練。
下面將結合本說明書實施例中的附圖,對本說明書實施例中的技術方案進行清楚、完整地描述,顯然,所描述的實施例僅僅是本說明書一部分實施例,而不是全部的實施例。基於本說明書中的實施例,本領域普通技術人員在沒有作出進步性勞動前提下所獲得的所有其他實施例,都應當屬於本說明書保護的範圍。應當理解,儘管在本說明書可能採用術語第一、第二、第三等來描述各種資訊,但這些資訊不應限於這些術語。這些術語僅用來將同一類型的資訊彼此區分開。例如,在不脫離本說明書範圍的情況下,第一資訊也可以被稱為第二資訊,類似地,第二資訊也可以被稱為第一資訊。
秘密分享(SS,Secret Sharing)是一種保護資料隱私安全的演算法。多個資料方可以在不洩漏自身資料的前提下,使用秘密分享演算法進行協調計算,得到秘密資訊。每個資料方可以獲得該秘密資訊的一份份額。單個資料方無法恢復該秘密資訊。只有多個資料方一同協調才能恢復該秘密資訊。例如資料方
P 1擁有資料
x 1,資料方
P 2擁有資料
x 2。採用秘密分享演算法,資料方
P 1和資料方
P 2可以進行協調計算,得到秘密資訊
。資料方
P 1在計算後可以獲得秘密資訊
y的份額
y 1,資料方
P 2在計算後可以獲得秘密資訊
y的份額
y 2。
損失函數(Loss Function)可以用於衡量資料處理模型的預測值與真實值之間不一致的程度。損失函數的值越小,表示資料處理模型的強健性越好。在對資料處理模型進行訓練的過程中,可以通過計算損失函數的值,來衡量資料處理模型的訓練效果(例如過擬合、欠擬合等),進而決定是否終止訓練。所述資料處理模型包括但不限於邏輯迴歸模型、線性迴歸模型、神經網路模型等。不同的資料處理模型可以採用不同的損失函數來衡量。例如,邏輯迴歸模型可以採用對數損失函數(Logarithmic Loss Function)來衡量,線性迴歸模型可以採用平方損失函數(Square Loss)來衡量。
在合作安全模組化的場景中,出於保護資料隱私的考慮,多個資料方可以在不洩漏自身所擁有的資料的前提下,基於自身擁有的資料,對資料處理模型進行協調訓練。在一些場景示例中,進行合作安全模組化的資料方的數量為兩個。其中一個資料方可以擁有完整的樣本資料,另一個資料方可以擁有樣本資料的標籤值;或者,其中一個資料方可以擁有樣本資料中的一部分資料項目,另一個資料方可以擁有樣本資料的另一部分資料項目和樣本資料的標籤值。具體地,例如,樣本資料包括使用者的儲蓄金額和借貸金額。其中一個資料方可以擁有使用者的儲蓄金額,另一個資料方可以擁有使用者的借貸金額和樣本資料的標籤值。
所述多個資料方需要協調計算損失函數的值,以決定是否終止訓練。考慮到用於對資料處理模型進行訓練的資料分散在合作模組化的各資料方,若採用秘密分享演算法,則合作模組化的各資料方可以在不洩漏自身所擁有的資料的前提下,基於自身擁有的資料,協調計算出損失函數的值。
本說明書提供一種損失函數取值的確定方法的實施例。
請參閱圖1,該實施例可以包括以下步驟。
步驟S101:第一資料方根據第一參數的第一份額,第二資料方根據第一參數的第二份額和標籤值,秘密分享第一資料。第一資料方獲得第一資料的第一份額,第二資料方獲得第一資料的第二份額。
步驟S103:第一資料方根據第一資料的第一份額,確定第一項取值的第一份額。
步驟S105:第二資料方根據第一資料的第二份額,確定第一項取值的第二份額。
步驟S107:第一資料方根據第二參數的第一份額和亂數,第二資料方根據第二參數的第二份額,秘密分享第二資料。第一資料方獲得第二資料的第一份額,第二資料方獲得第二資料的第二份額。
步驟S109:第一資料方根據亂數確定第二項的係數。
步驟S111:第一資料方向第二資料方發送第一項取值的第一份額、第二資料的第一份額和第二項的係數。
步驟S113:第二資料方接收第一項取值的第一份額、第二資料的第一份額和第二項的係數。
步驟S115:第二資料方根據第一項取值的第一份額、第一項取值的第二份額、第二資料的第一份額、第二資料的第二份額和第二項的係數,確定所述損失函數的值。
下面介紹在實施例中涉及的一些術語。
(一)、第一項和第二項。所述第一項和所述第二項分別為所述損失函數中的函數項。
在一些場景示例中,所述損失函數可以為對數損失函數
。
m表示樣本資料的數量;
表示第
i個樣本資料;
表示樣本資料
的標籤值;
表示資料處理模型的模型參數;
表示資料處理模型的激勵函數的取值,
。
那麼,所述第一項可以為
,所述第二項可以為
。
(二)、第一資料方和第二資料方。所述第一資料方和所述第二資料方分別為合作安全模組化的雙方。所述第一資料方可以為不擁有標籤值的資料方,所述第二資料方可以為擁有標籤值的資料方。例如,所述第一資料方可以擁有完整的樣本資料,所述第二資料方可以擁有樣本資料的標籤值。或者,所述第一資料方可以擁有樣本資料的一部分資料項目,所述第二資料方可以擁有樣本資料的另一部分資料項目和標籤值。所述標籤值可以用於區分不同類型的樣本資料,具體數值例如可以取自0和1。其中,所述資料方可以為電子設備。所述電子設備可以包括個人電腦、伺服器、手持設備、可攜式設備、平板型設備、多處理器裝置;或者,還可以包括由以上任何多個裝置或設備所構成的集群等。
(三)、第一參數和第二參數。所述第一參數和所述第二參數分別為所述第一資料方和所述第二資料方在合作安全模組化過程中獲得的中間結果。所述第一參數和所述第二參數不同。例如,所述第一參數可以為樣本資料與資料處理模型的模型參數之間的乘積,所述第二參數可以為資料處理模型的激勵函數的值。
在合作安全模組化的過程中,所述第一資料方和所述第二資料方分別獲得所述第一參數的一份份額。為了便於描述,可以將所述第一資料方獲得的份額作為第一參數的第一份額,可以將所述第二資料方獲得的份額作為第一參數的第二份額。第一參數的第一份額和第一參數的第二份額的和即為第一參數。此外,所述第一參數的數量可以為多個。如此所述第一資料方可以擁有多個第一參數的第一份額,所述第二資料方可以擁有多個第一參數的第二份額。
延續前面的場景示例,第一參數可以表示為
,第一參數的第一份額可以表示為
,第一參數的第二份額可以表示為
。其中
。
在合作安全模組化的過程中,所述第一資料方和所述第二資料方分別獲得所述第二參數的一份份額。為了便於描述,可以將所述第一資料方獲得的份額作為第二參數的第一份額,可以將所述第二資料方獲得的份額作為第二參數的第二份額。第二參數的第一份額和第二參數的第二份額的和即為第二參數。此外,所述第二參數的數量可以為多個。如此所述第一資料方可以擁有多個第二參數的第一份額,所述第二資料方可以擁有多個第二參數的第二份額。
延續前面的場景示例,第二參數可以表示為
,第二參數的第一份額可以表示為
,第二參數的第二份額可以表示為
。其中
。
(四)、第一資料和第二資料。所述第一資料和所述第二資料分別由所述第一資料方和所述第二資料方通過秘密分享演算法計算得到。所述第一資料用於確定第一項的取值。所述第二資料與所述第二項的係數相結合能夠確定出第二項的取值。
延續前面的場景示例,第一資料可以表示為
,第二資料可以表示為
,第二項的係數可以表示為
。
(五)、第三資料和第四資料。所述第三資料和所述第四資料分別由所述第一資料方和所述第二資料方通過秘密分享演算法計算得到。根據第三資料的份額能夠確定出第一資料的份額。根據第四資料的份額能夠確定出第二資料的份額。
延續前面的場景示例,第三資料可以表示為
,第四資料可以表示為
。
在一些實施例中,在步驟S101中,所述第一資料方可以根據第一參數的第一份額,所述第二資料方可以根據第一參數的第二份額和標籤值,秘密分享第一資料。所述第一資料方和所述第二資料方可以分別獲得第一資料的一份份額。為了便於描述,可以將所述第一資料方獲得的份額作為第一資料的第一份額,可以將所述第二資料方獲得的份額作為第一資料的第二份額。第一資料的第一份額和第一資料的第二份額的和即為第一資料。
如前面所述,所述第一資料方可以擁有多個第一參數的第一份額,所述第二資料方可以擁有多個第一參數的第二份額。如此所述第一資料方可以根據每個第一參數的第一份額,所述第二資料方可以根據該第一參數的第二份額和與該第一參數相對應的標籤值,秘密分享一個第一資料。所述第一資料方可以獲得該第一資料的第一份額,所述第二資料方可以獲得該第一資料的第二份額。值得說明的是,第一參數與標籤值相對應可以理解為:標籤值所對應的樣本資料與用於計算第一參數的樣本資料為同一樣本資料。
進一步地,所述第一資料方可以根據每個第一參數的第一份額,所述第二資料方可以根據與該第一參數相對應的標籤值,秘密分享一個第三資料。所述第一資料方和所述第二資料方可以分別獲得該第三資料的一份份額。為了便於描述,可以將所述第一資料方獲得的份額作為該第三資料的第一份額,可以將所述第二資料方獲得的份額作為該第三資料的第二份額。該第三資料的第一份額和該第三資料的第二份額的和即為該第三資料。如此所述第一資料方可以直接將該第三資料的第一份額作為第一資料的第一份額。所述第二資料方可以將該第一參數的第二份額與與該第一參數相對應的標籤值按照預設運算規則進行運算;可以將運算結果與該第三資料的第二份額相加,可以將相加結果作為第一資料的第二份額。
延續前面的場景示例,所述第一資料方可以根據
,所述第二資料方可以根據
,秘密分享第三資料
。所述第一資料方可以獲得第三資料的第一份額
。所述第二資料方可以獲得第三資料的第二份額
。其中,
。
所述第一資料方可以直接將第三資料的第一份額
作為第一資料
的第一份額
。所述第二資料方可以根據
和
計算得到
;可以將計算結果
與第三資料的第二份額
相加;可以將相加結果作為第一資料
的第二份額
。其中,
。
在一些實施例中,經過步驟S101,所述第一資料方可以獲得多個第一資料的第一份額。如此在步驟S103中,所述第一資料方可以對多個第一資料的第一份額進行累加;可以根據累加結果確定第一項取值的第一份額。具體地,所述第一資料方可以將累加結果與第一資料的數量(也即第一參數的數量)相除,得到第一項取值的第一份額。
延續前面的場景示例,所述第一資料方可以計算
作為第一項取值的第一份額。
在一些實施例中,經過步驟S101,所述第二資料方可以獲得多個第一資料的第二份額。如此在步驟S105中,所述第二資料方可以對多個第一資料的第二份額進行累加;可以根據累加結果確定第一項取值的第二份額。具體地,所述第一資料方可以將累加結果與第一資料的數量(也即第一參數的數量)相除,得到第一項取值的第二份額。第一項取值的第一份額和第一項取值的第二份額的和即為第一項的取值。
延續前面的場景示例,所述第二資料方可以計算
作為第一項取值的第二份額。其中,
。
在一些實施例中,在步驟S107中,所述第一資料方可以根據第二參數的第一份額和亂數,所述第二資料方可以根據第二參數的第二份額,秘密分享第二資料。所述第一資料方和所述第二資料方可以分別獲得第二資料的一份份額。為了便於描述,可以將所述第一資料方獲得的份額作為第二資料的第一份額,可以將所述第二資料方獲得的份額作為第二資料的第二份額。第二資料的第一份額和第二資料的第二份額的和即為第二資料。
如前面所述,第二參數的數量可以為多個。所述第一資料方可以產生多個亂數,每個亂數可以對應一個第二參數(或第二參數的第一份額)。亂數可以用於掩蓋第二參數,以進行隱私保護,從而防止第二資料方獲得具體的第二參數。這樣在後續的步驟S115中,即使第二資料方獲得了來自第一資料方的第二資料的第一份額,進而將第二資料的第一份額與自身擁有的第二資料的第二份額相加,獲得的也是第二參數與亂數的乘積,而無法獲得具體的第二參數。相關場景示例可以參見後續的步驟S115。如此所述第一資料方可以根據每個第二參數的第一份額和與該第二參數相對應的亂數,所述第二資料方可以根據該第二參數的第二份額,秘密分享一個第二資料。所述第一資料方可以獲得該第二資料的第一份額,所述第二資料方可以獲得該第二資料的第二份額。
進一步地,所述第一資料方可以根據每個亂數,所述第二資料方可以根據與該亂數相對應的第二參數的第二份額,秘密分享一個第四資料。所述第一資料方和所述第二資料方可以分別獲得該第四資料的一份份額。為了便於描述,可以將所述第一資料方獲得的份額作為該第四資料的第一份額,可以將所述第二資料方獲得的份額作為該第四資料的第二份額。該第四資料的第一份額和該第四資料的第二份額的和即為該第四資料。如此所述第一資料方可以將該第二參數的第一份額與該亂數相乘;可以將乘積結果與該第四資料的第一份額相加;可以將相加結果作為第二資料的第一份額。所述第二資料方可以直接將該第四資料的第二份額作為第二資料的第二份額。
延續前面的場景示例,所述第一資料方可以根據
,所述第二資料方可以根據
,秘密分享第四資料
。所述第一資料方可以獲得第四資料的第一份額
,所述第二資料方可以獲得第四資料的第二份額
。其中,
。
所述第一資料方可以將
與
相乘;可以將乘積結果
與第四資料的第一份額
相加;可以將相加結果作為第一資料
的第一份額
。所述第二資料方可以直接將第四資料的第二份額
作為第一資料
的第二份額
。其中,
。
在一些實施例中,在步驟S109中,所述第一資料方可以將多個亂數進行累乘,得到第二項的係數。延續前面的場景示例,所述第一資料方可以計算
作為第二項的係數。
在一些實施例中,在步驟S111中,所述第一資料方可以向所述第二資料方發送第一項取值的第一份額、多個第二資料的第一份額和第二項的係數。在步驟S113中,所述第二資料方可以接收第一項取值的第一份額、多個第二資料的第一份額和第二項的係數。
在一些實施例中,在步驟S115中,所述第二資料方可以將第一項取值的第一份額和第一項取值的第二份額相加,得到第一項的取值;可以將第二資料的第一份額和第二資料的第二份額相加,得到第二資料;可以根據第二資料和第二項的係數,確定第二項的取值。所述第二資料方可以將第一項的取值和第二項的取值相加,得到所述損失函數的值。其中,所述第二資料方可以將每個第二資料的第一份額和該第二資料的第二份額相加,得到第二資料;可以將多個第二資料進行累乘;可以根據累乘結果與第二項的係數,確定第二項的取值。
延續前面的場景示例,所述第二資料方可以將第一項取值的第一份額
和第一項取值的第二份額
相加,得到第一項的取值
。
所述第二資料方可以將第二資料的第一份額
和第二資料的第二份額相加,得到第二資料
;可以計算
,得到第二項的取值。值得說明的是,由於使用了亂數,所述第二資料方即使將第二資料的第一份額和第二資料的第二份額相加,獲得的也是第二參數
與亂數
的乘積
,而無法獲得具體的第二參數
,從而實現了對第二參數
的掩蓋。
所述第二資料方可以將第一項的取值
和第二項的取值
相加,得到對數損失函數
的取值。
在本實施例中,第一資料方和第二資料方可以利用秘密分享演算法,在不洩漏自身所擁有的資料的前提下,協調計算出損失函數的值;從而便於根據損失函數的值,來衡量資料處理模型的訓練效果,進而決定是否終止訓練。例如,第二資料方可以將損失函數的值發送給可信任的第三方(TTP,Trusted Third Party),由可信任的第三方來決定是否終止訓練。
基於同樣的發明構思,本說明書還提供另一種損失函數取值的確定方法的實施例。所述損失函數可以包括第一項和第二項。所述第一項和所述第二項分別為所述損失函數中不同的函數項。該實施例以第一資料方為執行主體。所述第一資料方可以為不擁有標籤值的資料方。具體地,例如,所述第一資料方可以擁有完整的樣本資料;或者,可以擁有樣本資料的一部分資料項目。請參閱圖2,該實施例可以包括以下步驟。
步驟S21:根據第一參數的份額與合作方秘密分享第一資料,得到第一資料份額。
所述合作方可以理解為與所述第一資料方進行合作安全模組化的資料方,具體可以為前面的第二資料方。所述第一資料方可以根據第一參數的份額與合作方秘密分享第一資料,得到相應的份額。具體過程可以參見前面步驟S101中的相關描述,在此不再贅述。
步驟S23:根據第一資料的份額,確定第一項取值的份額。
所述第一資料方可以對第一資料的份額進行累加;可以根據累加結果確定第一項取值的份額。具體過程可以參見前面步驟S103中的相關描述,在此不再贅述。
步驟S25:根據第二參數的份額和亂數與合作方秘密分享第二資料,得到第二資料的份額。
第二資料與後續第二項的係數相結合能夠確定出第二項的取值。所述第一資料方可以產生與第二參數的份額相對應的亂數;可以將第二參數的份額與亂數相乘;可以根據亂數與合作方秘密分享第三資料,得到相應的份額;可以將乘積結果與第三資料的份額相加,得到第二資料的份額。具體過程可以參見前面步驟S107中的相關描述,在此不再贅述。
步驟S27:根據亂數確定第二項的係數。
所述第一資料方可以對亂數進行累乘,得到第二項的係數。具體過程可以參見前面步驟S109中的相關描述,在此不再贅述。
步驟S29:向合作方發送第一項取值的份額、第二資料的份額和第二項的係數,以便合作方確定所述損失函數的取值。
在本實施例中,第一資料方可以利用秘密分享演算法,在不洩漏自身所擁有的資料的前提下,與合作方協調計算出第一項取值的份額、第二資料的份額和第二項的係數;可以向合作方發送第一項取值的份額、第二資料的份額和第二項的係數,以便由合作方確定出所述損失函數的取值。
基於同樣的發明構思,本說明書還提供另一種損失函數取值的確定方法的實施例。所述損失函數可以包括第一項和第二項。所述第一項和所述第二項分別為所述損失函數中不同的函數項。該實施例以第二資料方為執行主體。所述第二資料方可以為擁有標籤值的資料方。具體地,例如,所述第二資料方可以僅擁有標籤值;或者,還可以擁有樣本資料的一部分資料項目。請參閱圖3,該實施例可以包括以下步驟。
步驟S31:根據第一參數的份額和標籤值與合作方秘密分享第一資料,得到第一資料的份額。
所述合作方可以理解為與所述第二資料方進行合作安全模組化的資料方,具體可以為前面的第一資料方。所述第二資料方可以將第一參數的份額與標籤值按照預設運算規則進行運算;可以根據標籤值與合作方秘密分享第三資料,得到相應的份額;可以將運算結果與第三資料的份額相加,得到第一資料的份額。具體過程可以參見前面步驟S101中的相關描述,在此不再贅述。
步驟S33:根據第一資料的份額,確定第一項取值的第一份額。
所述第二資料方可以對第一資料的份額進行累加;可以根據累加結果確定第一項取值的第一份額。具體過程可以參見前面步驟S105中的相關描述,在此不再贅述。
步驟S35:根據第二參數的份額與合作方秘密分享第二資料,得到第二資料的第一份額。
第一資料與後續第二項的係數相結合能夠確定出第二項的取值。具體過程可以參見前面步驟S107中的相關描述,在此不再贅述。
步驟S37:接收合作方發來的第一項取值的第二份額、第二資料的第二份額和第二項的係數。
步驟S39:根據第一項取值的第一份額、第一項取值的第二份額、第二資料的第一份額、第二資料的第二份額和第二項的係數,確定所述損失函數的值。
所述第二資料方可以將第一項取值的第一份額和第一項取值的第二份額相加,得到第一項的取值;可以將第二資料的第一份額和第二資料的第二份額相加,得到第二資料;可以根據第二資料和第二項的係數,確定第二項的取值;可以將第一項的取值和第二項的取值相加,得到所述損失函數的值。具體過程可以參見前面步驟S115中的相關描述,在此不再贅述。
在本實施例中,第二資料方可以利用秘密分享演算法,在不洩漏自身所擁有的資料的前提下,與合作方協調計算出第一項取值的第一份額、第二資料的第一份額。這樣所述第二資料方結合來自合作方的第一項取值的第二份額、第二資料的第二份額和第二項的係數,便可以確定出損失函數的取值。
基於同樣的發明構思,本說明書還提供一種損失函數取值的確定裝置的實施例。所述損失函數可以包括第一項和第二項。所述第一項和所述第二項分別為所述損失函數中不同的函數項。該實施例可以應用於第一資料方。所述第一資料方可以為不擁有標籤值的資料方。具體地,例如,所述第一資料方可以擁有完整的樣本資料;或者,可以擁有樣本資料的一部分資料項目。請參閱圖4,該實施例可以包括以下單元。
第一秘密分享單元41,用於根據第一參數的份額與合作方秘密分享第一資料,得到第一資料的份額;
第一確定單元43,用於根據第一資料的份額,確定第一項取值的份額;
第二秘密分享單元45,用於根據第二參數的份額和亂數與合作方秘密分享第二資料,得到第二資料的份額;
第二確定單元47,用於根據亂數確定第二項的係數,第二項的係數和第一資料用於共同確定第二項的取值;
發送單元49,用於向合作方發送第一項取值的份額、第二資料的份額和第二項的係數,以便合作方確定所述損失函數的取值。
基於同樣的發明構思,本說明書還提供另一種損失函數取值的確定裝置的實施例。所述損失函數可以包括第一項和第二項。所述第一項和所述第二項分別為所述損失函數中不同的函數項。該實施例可以應用於第二資料方。所述第二資料方可以為擁有標籤值的資料方。具體地,例如,所述第二資料方可以僅擁有標籤值;或者,還可以擁有樣本資料的一部分資料項目。請參閱圖5,該實施例可以包括以下單元。
第一秘密分享單元51,用於根據第一參數的份額和標籤值與合作方秘密分享第一資料,得到第一資料的第一份額;
第一確定單元53,用於根據第一資料的份額,確定第一項取值的第一份額;
第二秘密分享單元55,用於根據第二參數的份額與合作方秘密分享第二資料,得到第二資料的第一份額;
接收單元57,用於接收合作方發來的第一項取值的第二份額、第二資料的第二份額和第二項的係數,第二項的係數和第二資料用於共同確定第二項的取值;
第二確定單元59,用於根據第一項取值的第一份額、第一項取值的第二份額、第二資料的第一份額、第二資料的第二份額和第二項的係數,確定所述損失函數的值。
下面介紹本說明書電子設備的一個實施例。圖6是該實施例中一種電子設備的硬體結構示意圖。如圖6所示,所述電子設備可以包括一個或多個(圖中僅示出一個)處理器、記憶體和傳輸模組。當然,本領域普通技術人員可以理解,圖6所示的硬體結構僅為示意,其並不對上述電子設備的硬體結構造成限定。在實際中所述電子設備還可以包括比圖6所示更多或者更少的元件單元;或者,具有與圖6所示不同的配置。
所述記憶體可以包括高速隨機記憶體;或者,還可以包括非揮發性記憶體,例如一個或者多個磁性儲存裝置、快閃記憶體、或者其他非易失性固態記憶體。當然,所述記憶體還可以包括遠端設置的網路記憶體。所述遠端設置的網路記憶體可以通過諸如互聯網、企業內部網、區域網路、行動通信網等網路連接至所述電子設備。所述記憶體可以用於儲存應用軟體的程式指令或模組,例如本說明書圖2所對應實施例的程式指令或模組;及/或,本說明書圖3所對應實施例的程式指令或模組。
所述處理器可以按任何適當的方式實現。例如,所述處理器可以採取例如微處理器或處理器以及儲存可由該(微)處理器執行的電腦可讀程式碼(例如軟體或韌體)的電腦可讀媒體、邏輯閘、開關、特殊應用積體電路(Application Specific Integrated Circuit,ASIC)、可程式設計邏輯控制器和嵌入微控制器的形式等等。所述處理器可以讀取並執行所述記憶體中的程式指令或模組。
所述傳輸模組可以用於經由網路進行資料傳輸,例如經由諸如互聯網、企業內部網、區域網路、行動通信網等網路進行資料傳輸。
需要說明的是,本說明書中的各個實施例均採用循序的方式描述,各個實施例之間相同或相似的部分互相參見即可,每個實施例重點說明的都是與其它實施例的不同之處。尤其,對於裝置實施例和電子設備實施例而言,由於其基本相似於方法實施例,所以描述的比較簡單,相關之處參見方法實施例的部分說明即可。另外,可以理解的是,本領域技術人員在閱讀本說明書檔之後,可以無需進步性勞動想到將本說明書列舉的部分或全部實施例進行任意組合,這些組合也在本說明書公開和保護的範圍內。
在20世紀90年代,對於一個技術的改進可以很明顯地區分是硬體上的改進(例如,對二極體、電晶體、開關等電路結構的改進)還是軟體上的改進(對於方法流程的改進)。然而,隨著技術的發展,當今的很多方法流程的改進已經可以視為硬體電路結構的直接改進。設計人員幾乎都通過將改進的方法流程程式設計到硬體電路中來得到相應的硬體電路結構。因此,不能說一個方法流程的改進就不能用硬體實體模組來實現。例如,可程式設計邏輯裝置(Programmable Logic Device, PLD)(例如現場可程式設計閘陣列(Field Programmable Gate Array,FPGA))就是這樣一種積體電路,其邏輯功能由使用者對裝置程式設計來確定。由設計人員自行程式設計來把一個數位系統“整合”在一片PLD上,而不需要請晶片製造廠商來設計和製作專用的積體電路晶片2。而且,如今,取代手工地製作積體電路晶片,這種程式設計也多半改用“邏輯編譯器(logic compiler)”軟體來實現,它與程式開發撰寫時所用的軟體編譯器相類似,而要編譯之前的原始代碼也得用特定的程式設計語言來撰寫,此稱之為硬體描述語言(Hardware Description Language,HDL),而HDL也並非僅有一種,而是有許多種,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware Description Language)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL (Ruby Hardware Description Language)等,目前最普遍使用的是VHDL (Very-High-Speed Integrated Circuit Hardware Description Language)與Verilog2。本領域技術人員也應該清楚,只需要將方法流程用上述幾種硬體描述語言稍作邏輯程式設計並程式設計到積體電路中,就可以很容易得到實現該邏輯方法流程的硬體電路。
上述實施例闡明的系統、裝置、模組或單元,具體可以由電腦晶片或實體實現,或者由具有某種功能的產品來實現。一種典型的實現設備為電腦。具體的,電腦例如可以為個人電腦、筆記型電腦、行動電話、相機電話、智慧型電話、個人數位助理、媒體播放機、導航設備、電子郵件設備、遊戲主機、平板電腦、可穿戴設備或者這些設備中的任何設備的組合。
通過以上的實施方式的描述可知,本領域的技術人員可以清楚地瞭解到本說明書可借助軟體加必需的通用硬體平臺的方式來實現。基於這樣的理解,本說明書的技術方案本質上或者說對現有技術做出貢獻的部分可以以軟體產品的形式體現出來,該電腦軟體產品可以儲存在儲存媒體中,如ROM/RAM、磁碟、光碟等,包括若干指令用以使得一台電腦設備(可以是個人電腦,伺服器,或者網路設備等)執行本說明書各個實施例或者實施例的某些部分所述的方法。
本說明書可用於眾多通用或專用的電腦系統環境或配置中。例如:個人電腦、伺服器電腦、手持設備或可攜式設備、平板型設備、多處理器系統、基於微處理器的系統、置頂盒、可程式設計的消費電子設備、網路PC、小型電腦、大型電腦、包括以上任何系統或設備的分散式運算環境等等。
本說明書可以在由電腦執行的電腦可執行指令的一般上下文中描述,例如程式模組。一般地,程式模組包括執行特定任務或實現特定抽象資料類型的常式、程式、物件、元件、資料結構等等。也可以在分散式運算環境中實踐本說明書,在這些分散式運算環境中,由通過通信網路而被連接的遠端處理設備來執行任務。在分散式運算環境中,程式模組可以位於包括存放裝置在內的本地和遠端電腦儲存媒體中。
雖然通過實施例描繪了本說明書,本領域普通技術人員知道,本說明書有許多變形和變化而不脫離本說明書的精神,希望所附的申請專利範圍包括這些變形和變化而不脫離本說明書的精神。
S101:步驟
S103:步驟
S105:步驟
S107:步驟
S109:步驟
S111:步驟
S113:步驟
S115:步驟
S21:步驟
S23:步驟
S25:步驟
S27:步驟
S29:步驟
S31:步驟
S33:步驟
S35:步驟
S37:步驟
S39:步驟
41:第一秘密分享單元
43:第一確定單元
45:第二秘密分享單元
47:第二確定單元
49:發送單元
51:第一秘密分享單元
53:第一確定單元
55:第二秘密分享單元
57:接收單元
59:第二確定單元
為了更清楚地說明本說明書實施例或現有技術中的技術方案,下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹,顯而易見地,下面描述中的附圖僅僅是本說明書中記載的一些實施例,對於本領域普通技術人員來講,在不付出進步性勞動性的前提下,還可以根據這些附圖獲得其他的附圖。
[圖1]為本說明書實施例一種損失函數取值的確定方法的流程圖;
[圖2]為本說明書實施例一種損失函數取值的確定方法的流程圖;
[圖3]為本說明書實施例一種損失函數取值的確定方法的流程圖;
[圖4]為本說明書實施例一種損失函數取值的確定裝置的功能結構圖;
[圖5]為本說明書實施例一種損失函數取值的確定裝置的功能結構圖;
[圖6]為本說明書實施例一種電子設備的功能結構圖。
Claims (12)
- 一種損失函數取值的確定方法,所述損失函數包括第一項和第二項;所述方法包括: 根據第一參數的份額與合作方秘密分享第一資料,得到第一資料的份額; 根據第一資料的份額,確定第一項取值的份額; 根據第二參數的份額和亂數與合作方秘密分享第二資料,得到第二資料的份額; 根據亂數確定第二項的係數,第二項的係數和第二資料用於共同確定第二項的取值; 向合作方發送第一項取值的份額、第二資料的份額和第二項的係數,以便合作方確定所述損失函數的取值。
- 如請求項1所述的方法,所述確定第一項取值的份額,包括: 對第一資料的份額進行累加; 根據累加結果確定第一項取值的份額。
- 如請求項1所述的方法,所述方法包括: 產生與第二參數的份額相對應的亂數。
- 如請求項1或3所述的方法,所述根據亂數確定第二項的係數,包括: 對亂數進行累乘,得到第二項的係數。
- 如請求項1或3所述的方法,所述根據第二參數的份額和亂數與合作方秘密分享第二資料,得到第二資料的份額,包括: 將第二參數的份額與亂數相乘; 根據亂數與合作方秘密分享第三資料,得到相應的份額; 將乘積結果與第三資料的份額相加,得到第二資料的份額。
- 一種損失函數取值的確定裝置,所述損失函數包括第一項和第二項;所述裝置包括: 第一秘密分享單元,用於根據第一參數的份額與合作方秘密分享第一資料,得到第一資料的份額; 第一確定單元,用於根據第一資料的份額,確定第一項取值的份額; 第二秘密分享單元,用於根據第二參數的份額和亂數與合作方秘密分享第二資料,得到第二資料的份額; 第二確定單元,用於根據亂數確定第二項的係數,第二項的係數和第二資料用於共同確定第二項的取值; 發送單元,用於向合作方發送第一項取值的份額、第二資料的份額和第二項的係數,以便合作方確定所述損失函數的取值。
- 一種電子設備,包括: 記憶體,用於儲存電腦指令; 處理器,用於執行所述電腦指令以實現如請求項1-5中任一項所述的方法步驟。
- 一種損失函數取值的確定方法,所述損失函數包括第一項和第二項;所述方法包括: 根據第一參數的份額和標籤值與合作方秘密分享第一資料,得到第一資料的份額; 根據第一資料的份額,確定第一項取值的第一份額; 根據第二參數的份額與合作方秘密分享第二資料,得到第二資料的第一份額; 接收合作方發來的第一項取值的第二份額、第二資料的第二份額和第二項的係數,第二項的係數和第二資料用於共同確定第二項的取值; 根據第一項取值的第一份額、第一項取值的第二份額、第二資料的第一份額、第二資料的第二份額和第二項的係數,確定所述損失函數的值。
- 如請求項8所述的方法,所述根據第一參數的份額和標籤值與合作方秘密分享第一資料,得到第一資料的份額,包括: 將第一參數的份額與標籤值按照預設運算規則進行運算; 根據標籤值與合作方秘密分享第三資料,得到相應的份額; 將運算結果與第三資料的份額相加,得到第一資料的份額。
- 如請求項8所述的方法,所述根據第一項取值的第一份額、第一項取值的第二份額、第二資料的第一份額、第二資料的第二份額和第二項的係數,確定所述損失函數的值,包括: 將第一項取值的第一份額和第一項取值的第二份額相加,得到第一項的取值; 將第二資料的第一份額和第二資料的第二份額相加,得到第二資料; 根據第二資料和第二項的係數,確定第二項的取值; 將第一項的取值和第二項的取值相加,得到所述損失函數的值。
- 一種損失函數取值的確定裝置,所述損失函數包括第一項和第二項;所述裝置包括: 第一秘密分享單元,用於根據第一參數的份額和標籤值與合作方秘密分享第一資料,得到第一資料的份額; 第一確定單元,用於根據第一資料的份額,確定第一項取值的第一份額; 第二秘密分享單元,用於根據第二參數的份額與合作方秘密分享第二資料,得到第二資料的第一份額; 接收單元,用於接收合作方發來的第一項取值的第二份額、第二資料的第二份額和第二項的係數,第二項的係數和第二資料用於共同確定第二項的取值; 第二確定單元,用於根據第一項取值的第一份額、第一項取值的第二份額、第二資料的第一份額、第二資料的第二份額和第二項的係數,確定所述損失函數的值。
- 一種電子設備,包括: 記憶體,用於儲存電腦指令; 處理器,用於執行所述電腦指令以實現如請求項8-10中任一項所述的方法步驟。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910434666.0A CN110263294B (zh) | 2019-05-23 | 2019-05-23 | 损失函数取值的确定方法、装置和电子设备 |
| CN201910434666.0 | 2019-05-23 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI710981B true TWI710981B (zh) | 2020-11-21 |
| TW202044241A TW202044241A (zh) | 2020-12-01 |
Family
ID=67915183
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW109101178A TWI710981B (zh) | 2019-05-23 | 2020-01-14 | 損失函數取值的確定方法、裝置和電子設備 |
Country Status (3)
| Country | Link |
|---|---|
| CN (1) | CN110263294B (zh) |
| TW (1) | TWI710981B (zh) |
| WO (1) | WO2020233137A1 (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10956597B2 (en) | 2019-05-23 | 2021-03-23 | Advanced New Technologies Co., Ltd. | Loss function value determination method and device and electronic equipment |
| CN110263294B (zh) * | 2019-05-23 | 2020-08-04 | 阿里巴巴集团控股有限公司 | 损失函数取值的确定方法、装置和电子设备 |
| CN111737757B (zh) * | 2020-07-31 | 2020-11-17 | 支付宝(杭州)信息技术有限公司 | 针对隐私数据进行安全运算的方法和装置 |
| CN114648130B (zh) * | 2022-02-07 | 2024-04-16 | 北京航空航天大学 | 纵向联邦学习方法、装置、电子设备及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201220353A (en) * | 2010-07-30 | 2012-05-16 | Kla Tencor Corp | Method and system for providing process tool correctables |
| US8468244B2 (en) * | 2007-01-05 | 2013-06-18 | Digital Doors, Inc. | Digital information infrastructure and method for security designated data and with granular data stores |
| CN106548210A (zh) * | 2016-10-31 | 2017-03-29 | 腾讯科技(深圳)有限公司 | 机器学习模型训练方法及装置 |
| TW201734871A (zh) * | 2016-03-04 | 2017-10-01 | Alibaba Group Services Ltd | 機器學習系統的訓練方法和訓練系統 |
| TW201816669A (zh) * | 2016-10-19 | 2018-05-01 | 三星電子股份有限公司 | 用於神經網路量化的方法以及裝置 |
| TW201907318A (zh) * | 2017-07-07 | 2019-02-16 | 香港商阿里巴巴集團服務有限公司 | 基於隱私保護的訓練樣本生成方法和裝置 |
| TW201909090A (zh) * | 2017-07-18 | 2019-03-01 | 大陸商中國銀聯股份有限公司 | 基於遷移深度學習的風險識別方法以及系統 |
| US20190114511A1 (en) * | 2017-10-16 | 2019-04-18 | Illumina, Inc. | Deep Learning-Based Techniques for Training Deep Convolutional Neural Networks |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8903748B2 (en) * | 2011-06-27 | 2014-12-02 | International Business Machines Corporation | Systems and methods for large-scale randomized optimization for problems with decomposable loss functions |
| US20170300811A1 (en) * | 2016-04-14 | 2017-10-19 | Linkedin Corporation | Dynamic loss function based on statistics in loss layer of deep convolutional neural network |
| US10536437B2 (en) * | 2017-01-31 | 2020-01-14 | Hewlett Packard Enterprise Development Lp | Performing privacy-preserving multi-party analytics on vertically partitioned local data |
| CN109426861A (zh) * | 2017-08-16 | 2019-03-05 | 阿里巴巴集团控股有限公司 | 数据加密、机器学习模型训练方法、装置及电子设备 |
| CN108418810A (zh) * | 2018-02-08 | 2018-08-17 | 中国人民解放军国防科技大学 | 一种基于Hadamard矩阵的秘密分享方法 |
| CN108764666A (zh) * | 2018-05-15 | 2018-11-06 | 国网上海市电力公司 | 基于多质量损失函数综合的用户暂降经济损失评估方法 |
| CN109492420B (zh) * | 2018-12-28 | 2021-07-20 | 深圳前海微众银行股份有限公司 | 基于联邦学习的模型参数训练方法、终端、系统及介质 |
| CN110263294B (zh) * | 2019-05-23 | 2020-08-04 | 阿里巴巴集团控股有限公司 | 损失函数取值的确定方法、装置和电子设备 |
-
2019
- 2019-05-23 CN CN201910434666.0A patent/CN110263294B/zh active Active
-
2020
- 2020-01-08 WO PCT/CN2020/070939 patent/WO2020233137A1/zh not_active Ceased
- 2020-01-14 TW TW109101178A patent/TWI710981B/zh not_active IP Right Cessation
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8468244B2 (en) * | 2007-01-05 | 2013-06-18 | Digital Doors, Inc. | Digital information infrastructure and method for security designated data and with granular data stores |
| TW201220353A (en) * | 2010-07-30 | 2012-05-16 | Kla Tencor Corp | Method and system for providing process tool correctables |
| TW201734871A (zh) * | 2016-03-04 | 2017-10-01 | Alibaba Group Services Ltd | 機器學習系統的訓練方法和訓練系統 |
| TW201816669A (zh) * | 2016-10-19 | 2018-05-01 | 三星電子股份有限公司 | 用於神經網路量化的方法以及裝置 |
| CN106548210A (zh) * | 2016-10-31 | 2017-03-29 | 腾讯科技(深圳)有限公司 | 机器学习模型训练方法及装置 |
| TW201907318A (zh) * | 2017-07-07 | 2019-02-16 | 香港商阿里巴巴集團服務有限公司 | 基於隱私保護的訓練樣本生成方法和裝置 |
| TW201909090A (zh) * | 2017-07-18 | 2019-03-01 | 大陸商中國銀聯股份有限公司 | 基於遷移深度學習的風險識別方法以及系統 |
| US20190114511A1 (en) * | 2017-10-16 | 2019-04-18 | Illumina, Inc. | Deep Learning-Based Techniques for Training Deep Convolutional Neural Networks |
| US20190114544A1 (en) * | 2017-10-16 | 2019-04-18 | Illumina, Inc. | Semi-Supervised Learning for Training an Ensemble of Deep Convolutional Neural Networks |
| WO2019079166A1 (en) * | 2017-10-16 | 2019-04-25 | Illumina, Inc. | TECHNIQUES BASED ON DEEP LEARNING LEARNING OF NEURONAL NETWORKS WITH DEEP CONVOLUTION |
| WO2019079180A1 (en) * | 2017-10-16 | 2019-04-25 | Illumina, Inc. | NEURONAL NETWORKS WITH DEEP CONVOLUTION OF VARIANT CLASSIFICATION |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020233137A1 (zh) | 2020-11-26 |
| CN110263294B (zh) | 2020-08-04 |
| CN110263294A (zh) | 2019-09-20 |
| TW202044241A (zh) | 2020-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI710981B (zh) | 損失函數取值的確定方法、裝置和電子設備 | |
| TWI761778B (zh) | 模型參數確定方法、裝置和電子設備 | |
| TWI724809B (zh) | 模型參數確定方法、裝置和電子設備 | |
| TWI717221B (zh) | 模型參數確定方法、裝置和電子設備 | |
| TWI740375B (zh) | 資料交互方法、裝置和電子設備 | |
| TWI695290B (zh) | 登錄資訊處理方法及設備 | |
| TWI728639B (zh) | 資料處理方法、裝置和電子設備 | |
| WO2021228245A1 (zh) | 资产转移方法、装置、设备及系统 | |
| CN104769605B (zh) | 用于图形处理单元的安全环境 | |
| CN112015626B (zh) | 用户行为的记录方法、装置及设备 | |
| CN110781192B (zh) | 区块链数据的验证方法、装置及设备 | |
| TWI706362B (zh) | 基於區塊鏈的資料處理方法、裝置和伺服器 | |
| CN102722331A (zh) | 触控解锁方法、装置和电子设备 | |
| TWI710993B (zh) | 業務的處理方法、裝置及設備、和儲存媒體 | |
| WO2021017424A1 (zh) | 数据预处理方法、密文数据获取方法、装置和电子设备 | |
| US20210319138A1 (en) | Utilizing logic and serial number to provide persistent unique platform secret for generation of soc root keys | |
| WO2021239087A1 (zh) | 一种数据处理方法、装置、设备及介质 | |
| CN117318950A (zh) | 一种基于多方安全计算的异常数据检测方法及相关设备 | |
| WO2023185041A1 (zh) | 一种数据处理方法、装置、电子设备和存储介质 | |
| AU2015205874A1 (en) | An image processing system and method for identifying content within image data | |
| US10956597B2 (en) | Loss function value determination method and device and electronic equipment | |
| CN111460515B (zh) | 数据匹配方法、装置和电子设备 | |
| CN114091417A (zh) | 表格拆分方法、装置、设备及介质 | |
| CN118277026A (zh) | 虚拟资源的处理方法、装置、设备、存储介质及程序产品 | |
| CN120276953A (zh) | 电子设备控制方法和相关设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | Annulment or lapse of patent due to non-payment of fees |