欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202211533464X
申请人: 青岛大学
专利类型:发明专利
专利状态:已下证
专利领域: 电通信技术
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于安全多方计算的决策树评估方法,其特征在于,包括:

获取客户方与模型提供方各自分享的秘密值,并通过复制秘密共享技术将所述秘密值划分为预设数量个份额,以确定出每个参与方各自对应的秘密份额;其中,所述参与方包括所述客户方、所述模型提供方和计算服务方;所述客户方提供特征向量,所述模型提供方提供预先训练好的决策树模型;所述决策树模型中包括决策节点、叶子节点、映射矩阵和遍历矩阵;

基于所述秘密份额利用每个参与方对应的映射矩阵和每个参与方对应的特征向量确定出所述参与方在每个决策节点上各自对应的特征属性,以通过所述特征属性得到所述决策节点的比较结果;

对所述比较结果进行线性变换,并将进行所述线性变换后的比较结果与每个参与方对应的遍历矩阵进行点积运算,以便基于所述点积运算的结果和所述叶子节点携带的标签向量确定出评估结果。

2.根据权利要求1所述的基于安全多方计算的决策树评估方法,其特征在于,所述通过所述特征属性得到所述决策节点的比较结果,包括:对所述决策树模型进行遍历并判断所述特征属性与所述模型提供方提供的阈值向量间的大小关系;

若当前决策节点的所述特征属性小于所述阈值向量,则所述决策节点的比较结果取值为1,并选择所述当前决策节点的右孩子节点继续遍历,直到当前的节点为所述叶子节点时停止遍历以得到所述叶子节点的标签;

若所述当前决策节点的所述特征属性不小于所述阈值向量,则所述决策节点的比较结果取值为0,并选择所述当前决策节点的左孩子节点继续遍历,直到当前的节点为所述叶子节点时停止遍历以得到所述叶子节点的标签。

3.根据权利要求2所述的基于安全多方计算的决策树评估方法,其特征在于,所述对所述比较结果进行线性变换,包括:将所述比较结果乘以2再减1,以便将指向所述左孩子节点的比较结果变更为‑1,将指向所述右孩子节点的比较结果保持不变。

4.根据权利要求1所述的基于安全多方计算的决策树评估方法,其特征在于,所述获取客户方与模型提供方各自分享的秘密值,并通过复制秘密共享技术将所述秘密值划分为预设数量个份额,以确定出每个参与方各自对应的秘密份额,包括:获取客户方与模型提供方各自分享的秘密值,并将所述秘密值划分为与所述参与方的数量相同的份额,以得到第一份额、第二份额和第三份额;

将所述第一份额设置为0,并利用伪随机数生成器生成第二份额值;

基于所述秘密值与所述第二份额值确定出所述第三份额值,然后将所述第一份额值、所述第二份额值和所述第三份额值进行分配,以确定出每个参与方各自对应的秘密份额。

5.根据权利要求2所述的基于安全多方计算的决策树评估方法,其特征在于,所述基于所述秘密份额利用每个参与方对应的映射矩阵和每个参与方对应的特征向量确定出所述参与方在每个决策节点上各自对应的特征属性,以通过所述特征属性得到所述决策节点的比较结果,包括:基于所述秘密份额利用每个参与方对应的映射矩阵和每个参与方对应的特征向量确定出所述参与方在每个决策节点上各自对应的特征属性,并利用加法器电路对所述特征属性与阈值向量之间的差值进行位分解,若分解后的差值的最高位为1,则判定所述特征属性小于所述阈值向量;若分解后的差值的最高位为0,则判定所述特征属性大于所述阈值向量。

6.根据权利要求1所述的基于安全多方计算的决策树评估方法,其特征在于,所述将进行所述线性变换后的比较结果与每个参与方对应的遍历矩阵进行点积运算,以便基于所述点积运算的结果和所述叶子节点携带的标签向量确定出评估结果,包括:将进行所述线性变换后的比较结果与每个参与方对应的遍历矩阵进行点积运算,确定所述点积运算的结果与决策节点集合的目标子集的阶数之间的差值,以便利用所述差值判断所述点积运算的结果与决策节点集合的目标子集的阶数是否相等;其中,所述目标子集为当前叶子节点到所述决策树模型中的根节点的路径下包括的决策节点的集合;

利用加法器电路对所述差值进行位分解,并将位分解后得到的所有比特位进行逻辑或运算以得到结果向量;

利用所述结果向量和所述叶子节点携带的标签向量确定出所述评估结果。

7.根据权利要求1至6任一项所述的基于安全多方计算的决策树评估方法,其特征在于,还包括;

当所述决策节点的数量大于预设阈值时,利用分治法将所述遍历矩阵进行压缩,以得到目标数量个子遍历矩阵;

按照预设节点划分规则将所述决策节点划分至所述子遍历矩阵。

8.一种基于安全多方计算的决策树评估装置,其特征在于,包括:

复制秘密共享模块,用于获取客户方与模型提供方各自分享的秘密值,并通过复制秘密共享技术将所述秘密值划分为预设数量个份额,以确定出每个参与方各自对应的秘密份额;其中,所述参与方包括所述客户方、所述模型提供方和计算服务方;所述客户方提供特征向量,所述模型提供方提供预先训练好的决策树模型;所述决策树模型中包括决策节点、叶子节点、映射矩阵和遍历矩阵;

决策模块,用于基于所述秘密份额利用每个参与方对应的映射矩阵和每个参与方对应的特征向量确定出所述参与方在每个决策节点上各自对应的特征属性,以通过所述特征属性得到所述决策节点的比较结果;

评估模块,用于对所述比较结果进行线性变换,并将进行所述线性变换后的比较结果与所述秘密份额中每个参与方对应的遍历矩阵进行点积运算,以便基于所述点积运算的结果和所述叶子节点携带的标签向量确定出评估结果。

9.一种电子设备,其特征在于,所述电子设备包括处理器和存储器;其中,所述存储器用于存储计算机程序,所述计算机程序由所述处理器加载并执行以实现如权利要求1至7任一项所述的基于安全多方计算的决策树评估方法。

10.一种计算机可读存储介质,其特征在于,用于存储计算机程序;其中所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于安全多方计算的决策树评估方法。