买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜北京长河数智科技有限责任公司;长河信息股份有限公司申请的专利一种基于多方安全计算的数据隐私保护方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119180056B 。

龙图腾网通过国家知识产权局官网在2025-05-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411412885.6，技术领域涉及：G06F21/62；该发明授权一种基于多方安全计算的数据隐私保护方法是由张煇;刘俊龙;杨红香设计研发完成，并于2024-10-11向国家知识产权局提交的专利申请。

本一种基于多方安全计算的数据隐私保护方法在说明书摘要公布了：本申请公开了一种基于多方安全计算的数据隐私保护方法，涉及数据安全领域，包括：采用Paillier半同态加密算法对原始数据进行加密，利用同态性质在加密状态下计算核矩阵，结合同态序列最小优化算法训练支持向量机模型，并通过联邦学习框架引入差分隐私对模型参数进行噪声化处理，最后采用安全求和协议实现分布式参与方之间的模型聚合。它可以在保证数据安全性与隐私性的同时，实现多个参与方协同训练高性能的支持向量机模型，并基于训练得到的全局模型为用户提供隐私保护预测服务。针对现有技术中存在的多方安全计算中计算效率低的问题，本申请有效解决了传统机器学习面临的数据孤岛困境和隐私泄露风险，有助于提高数据共享与分析的效率。

本发明授权一种基于多方安全计算的数据隐私保护方法在权利要求书中公布了：1.一种基于多方安全计算的数据隐私保护方法，其特征在于：步骤1，采用Paillier半同态加密算法对原始数据进行加密，加密后的数据上传到云端；步骤2，云端接收加密数据后，采用高斯核函数计算加密数据的核矩阵；将核矩阵作为输入，采用同态序列最小优化算法训练支持向量机模型，得到加密的支持向量和加密的分类超平面参数；所述加密的分类超平面参数包括加密权重向量和加密超平面偏置项；步骤3，参与方从云端下载加密的支持向量，以及加密权重向量和加密超平面偏置项，采用联邦学习框架，利用差分隐私对支持向量机模型的本地参数或本地梯度进行噪声化处理；步骤4，参与方将噪声化的支持向量机模型的本地参数或本地梯度上传至云端后，采用安全求和协议在云端进行安全聚合，得到全局支持向量机模型参数或本地梯度；步骤5，用户发起获取数据请求，在云端利用全局支持向量机模型进行计算，并将计算结果返回用户；步骤3，包括：参与方利用本地私钥对下载的加密的支持向量，以及加密权重向量和加密超平面偏置项进行解密，得到明文形式的支持向量机模型参数，所述支持向量机模型参数包括支持向量sv、权重向量w和超平面偏置项b；参与方使用本地数据对支持向量机模型进行微调，计算本地梯度和正则化项；参与方设置差分隐私参数，差分隐私参数包括裁剪阈值C；对本地梯度和正则化项分别进行裁剪，将本地梯度和正则化项限制在[-C，C]范围内；对裁剪后的本地梯度和正则化项分别添加拉普拉斯噪声，得到噪声化的本地梯度和噪声化的正则化项；参与方使用噪声化的本地梯度和噪声化的正则化项更新支持向量机模型参数，得到本地参数、和；参与方对更新后的支持向量机模型参数进行加密，得到加密的本地参数、和，用于后续的安全聚合；步骤1，包括：将原始数据转化为数值型数据矩阵，矩阵中每个元素的取值范围为[0，n），作为加密算法的输入，其中n为加密模数；利用密钥生成算法生成公钥（n，g）和私钥，其中，，p和q为两个大素数，g为模的生成元，满足g=n+1，；将公钥发送给各参与方，私钥由数据拥有方保存；对数值型数据矩阵的每个元素x进行Paillier加密，加密运算为： 其中，r为模n的随机数，且r与n互素；对加密后的数据矩阵中的每个密文元素E（x）进行随机化处理，计算： 其中，s为模n的随机数，且s与n互素；输出经过随机化处理后的加密数据矩阵，矩阵中每个元素均为随机化后的加密数据向量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京长河数智科技有限责任公司;长河信息股份有限公司，其通讯地址为：100071 北京市丰台区汽车博物馆西路8号院3号楼7层705；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。