专利交易市场

本发明提供一种基于相似度分箱的空间点集数据隐私保护匹配的方法，所述方法包括以下步骤：点集数据范围并集的等间距分组，协定数据分组参数，对原始的点集数据进行空间划分，并且基于点集数据与划分空间的匹配得到点集数据的分组号；点集数据与参考值之间相似度的等间距分箱，计算属性值与参考值之间的相似度，采用等间隔划分的方法对所有相似度值进行分箱，进一步得到所有点集数据的分箱组合；基于点集数据分组组合号与分箱组合号的匹配计算，根据点集数据的分组号和分箱组合得到点集数据的识别号，并进一步依据识别号得到点集数据的匹配点对，最后依据匹配的点对双方彼此交换对应的点集数据。具有高隐私保护性、精度可调性的优势。

本公开提出了一种面向数据隐私保护的机器学习预测方法及系统，方法包括如下步骤：获取加密后的数据；主服务器创建可信区，在可信区对获取的待预测数据与预测模型进行解密；主服务器对解密后的待预测数据与预测模型进行秘密分享，分别获得数据秘密份额和模型份额，并分发至不合谋的辅助服务器和主服务器；辅助服务器和主服务器分别进行预测计算获得预测结果份额；主服务器对所有预测结果份额进行秘密重建，将重建后的预测结果份额转发给可信区进行整合并加密，发送至待预测数据提供终端，数据提供终端解密后获得根据模型预测后的预测结果。结合安全多方计算和SGX技术来保护双方隐私安全，解决提供预测服务过程中安全性问题。

本发明涉及一种工业互联网数据隐私保护方法，属于工业互联网的数据隐私保护领域。该方法包括：S1：云服务器初始化模型：参数服务器将预先收集的部分设备的数据集用来训练初始模型；盲化服务器生成Paillier同态加密密钥对和随机数，将其传输到每个边缘节点；S2：每个边缘节点从参数服务器下载初始模型，根据每个工厂设备的敏感度，边缘节点分配隐私预算并在添加高斯噪声后收集噪声数据集；S3：边缘节点训练神经网络模型；S4：参数服务器收集所有边缘节点上传的模型参数，并对其聚合更新生成全局模型；盲化服务器生成新的随机数并将其发送到每个边缘节点进行下一轮训练。本发明提高了训练效率和模型精度。

本发明提供的基于滑动窗口的数据流差分隐私直方图发布方法，涉及信息安全技术领域，该方法首先基于数据分块的思想来把一个滑动窗口划分为k个子块，并通过该参数来控制和调节数据直方图的统计误差；随后，该方法通过比较相邻两个直方图数据分布的差异来优化当前滑动窗口的隐私预算分配，从而快速计算出局部最优直方图；本发明通过严格的理论推导证实了所设计的方法符合差分隐私要求，并且其近似误差不超过W/2k；其次，通过在真实数据集合上的实施例对比分析，表明本发明方法的发布误差较低，相较于现有技术中最好的直方图发布方法降低了50％。