申请/专利权人:济南大学
申请日:2022-08-08
公开(公告)日:2024-04-30
公开(公告)号:CN115314211B
主分类号:H04L9/30
分类号:H04L9/30;H04L9/32;H04L9/40;G06N20/00
优先权:
专利状态码:有效-授权
法律状态:2024.04.30#授权;2022.11.25#实质审查的生效;2022.11.08#公开
摘要:本发明公开一种基于异构计算的隐私保护机器学习训练与推理方法及系统,以CPU+GPU+FPGA的异构计算方式进行隐私保护机器学习的训练和推理,CPU负责总体调度和处理不容易并行计算的非线性操作,GPU负责加速训练阶段的线性操作,FPGA负责在推理阶段加速混淆电路的生成,在保护数据隐私安全的前提下,灵活加速机器学习训练和推理过程,提高计算效率,降低推理延迟。
主权项:1.基于异构计算的隐私保护机器学习训练方法,其特征在于,应用于包括至少两个处理器的异构计算服务器中,包括:由第一处理器接收数据发送方发送的加噪数据集的密文、摘要签名和密钥密文集;所述加噪数据集为数据发送方对训练数据集添加噪声而得,所述密钥密文集包括密钥密文和密钥哈希值;由第一处理器对摘要签名验签且在摘要签名有效时,将服务器私钥和数据发送方公钥发送至第二处理器;由第二处理器根据服务器私钥和数据发送方公钥采用椭圆曲线加密算法计算椭圆曲线点参数;由第一处理器根据椭圆曲线点参数和密钥密文得到密钥明文,根据密钥明文和椭圆曲线点参数得到密钥哈希值,验证该密钥哈希值与密钥密文集中的密钥哈希值是否一致;密钥哈希值验证通过后,由第二处理器对加噪数据集的密文进行解密,得到用于机器学习训练的加噪数据集;对训练数据集添加的噪声满足差分隐私定义。
全文数据:
权利要求:
百度查询: 济南大学 基于异构计算的隐私保护机器学习训练与推理方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。