专利交易市场

本发明涉及联邦学习技术领域，具体为基于泛化参数的安全聚类联邦学习方法及系统，其中，客户端基于本地数据集对全局模型进行训练期间，根据本地数据集的数据分布，生成与本地模型中待上传参数维度相同的噪声向量，并与本地模型中的至少一部分参数叠加得到加噪模型参数；服务器接收多个客户端的加噪模型参数，计算任意两个客户端之间的参数相似度并构建邻近度矩阵；通过对所有客户端进行聚类和分组聚合，生成对应的簇级全局模型参数并下发给相应簇中的各个客户端实现全局模型更新。利用与本地数据分布相关联的噪声来保护隐私，并基于加噪后的参数进行聚类，使得噪声在聚类时被“抵消”，在保护隐私的同时不损害模型性能。

本发明属于数据安全领域，提供一种非平衡隐私集合求交计算方法、系统、设备及介质，包括服务器对服务输入集合进行哈希映射并加密生成密态双重置换布谷鸟哈希表并发送给云辅助服务器；客户端对客户输入集合进行哈希映射并加密生成密态虚拟置换布谷鸟哈希表并发送给云辅助服务器；云辅助服务器根据密态虚拟置换布谷鸟哈希表中元素的虚拟索引信息定位密态双重置换布谷鸟哈希表中需比较的元素并进行同态运算，得到密文结果并发送给客户端；客户端对密文结果进行解密得到明文结果集合，根据明文结果集合是否等于零来确定交集。本发明使得客户端通信开销仅与自身数据集合规模相关，并降低元素比较阶段的计算复杂度。

本发明涉及模式匹配技术领域，特别是涉及基于不经意传输的安全参数化模式匹配方法及系统，用户客户端和服务器分别对持有字符串进行参数预处理，将字符串中每个参数符号映射为对应的非负整数；用户客户端与服务器均设有原始秘密；构造元组，服务器根据预处理后的字符串，对原始秘密进行拆分，得到若干个真实份额；对每一个真实份额，构造对应的随机份额，并将真实份额和随机份额均存储到对应的元组中；服务器和用户客户端，按位执行不经意传输协议，用户客户端按位对元组中的份额进行选择，得到元组中的一个份额；用户客户端将获得的全部份额进行秘密重构，若重构秘密与原始秘密一致，则说明参数化模式匹配完成。保障了双方数据的安全。