一种基于异构神经网络模型的隐私计算方法

摘要

本发明涉及隐私计算技术领域，具体涉及一种基于异构神经网络模型的隐私计算方法，包括：建立服务节点和执行节点，参与方提供目标函数或者样本数据至服务节点；服务节点建立并训练异构神经网络模型；构建若干个子模型及主模型；子模型编号后发送给若干个参与方，主模型发给执行节点；参与方将各自的隐私数分别拆分为若干个加数的和以及若干个乘数的积；参与方使用各自分配到的加数及乘数计算子模型的输出作为中间值，将中间值发送给执行节点；执行节点将乘法子模型的中间值相乘，其余子模型的中间值相加，得子模型输出，代入主模型，获得隐私计算结果。本发明的实质性效果是：提高隐私计算的执行效率，实现数据可用不可见，促进数据要素流动。