一种隐私计算系统、方法、设备、介质及产品

    公开(公告)号:CN118886051A

    公开(公告)日:2024-11-01

    申请号:CN202410912434.2

    申请日:2024-07-09

    Abstract: 本申请公开了一种隐私计算系统、方法、设备、介质及产品,应用于隐私计算技术领域。该系统包括技术底座和多个算子算法子系统,技术底座基于对应的第一应用程序编程接口以及第二应用程序编程接口,分别将隐私计算任务对应的多个隐私计算子任务分配给各算子算法子系统,并接收算子算法子系统返回的计算结果;技术底座还用于根据计算结果确定隐私计算任务的任务执行结果。本申请实施例通过技术底座实现隐私计算任务的统一分配,再由多个算子算法子系统实现隐私计算算法,基于一个技术底座加多个算子算法子系统的框架来实现隐私计算产品和系统的互联互通。通过本方案,不再需要各子系统之间两两进行对接,降低各子系统互联互通时的工程复杂度。

    多方联邦学习方法、系统、设备、存储介质及程序产品

    公开(公告)号:CN119443317A

    公开(公告)日:2025-02-14

    申请号:CN202411677804.5

    申请日:2024-11-21

    Abstract: 本申请公开了多方联邦学习方法、系统、设备、存储介质及程序产品,涉及联邦学习技术领域,应用于区块链网络中的参与节点,该方法包括:获取中心节点发送的学习参数信息,并根据学习参数信息确定训练生成信息,其中,训练生成信息包括训练模型参数和训练模型参数对应的零知识证明;获取零知识证明在区块链网络中的安装信息,并根据安装信息确定节点诚实性;将训练模型参数和节点诚实性发送至中心节点,其中,中心节点用于基于训练模型参数和节点诚实性确定聚合模型,并在聚合模型收敛时,将聚合模型作为目标联邦学习模型。本申请解决了多方联邦学习的准确率不高的技术问题。

Patent Agency Ranking