(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210995361.9 (22)申请日 2022.08.18 (71)申请人 西安电子科技大 学 地址 710071 陕西省西安市太白南路2号 (72)发明人 马卓　杨昊　刘洋　李腾　张俊伟　 杨易龙　 (74)专利代理 机构 陕西电子 工业专利中心 61205 专利代理师 陈宏社　王品华 (51)Int.Cl. H04L 9/40(2022.01) H04L 9/06(2006.01) H04L 9/08(2006.01) H04L 9/20(2006.01) (54)发明名称 一种用于纵向联邦学习数据对齐的隐匿集 合求交方法 (57)摘要 本发明提出了一种用于纵向联邦学习数据 对齐的隐匿集合求交方法， 实现步骤为： 两个用 户初始化相应参数； 两个用户分别将各自的用户 信息和关键键值信息进行映射； 两个用户对各自 映射后的哈希表进行编码； 两个用户对编码后结 果进行混淆和共享； 两个用户交换混淆信息共享 值， 计算得到 隐匿集合求交结果。 本发明在用户 对编码结果进行混淆阶段， 是通过不经意混淆网 络协议和随机选取的重排列规则对两用户的编 码数据进行混淆， 避免了 现有技术由于仅对发送 方数据进行了随机置换导致的接收方可以通过 计算得知 的求交结果的明文信息反推出其他参 与方样本的关键键值信息和相关数据的缺陷， 有 效提高了数据求交过程中的数据隐私安全性。 权利要求书3页 说明书7页 附图1页 CN 115378693 A 2022.11.22 CN 115378693 A 1.一种用于纵向联邦学习数据对齐的隐匿集 合求交方法， 其特 征在于， 包括如下步骤： (1)初始化 参数： 初始化包括来自不同类型机构的两个参与 方用户A和用户B的纵向联邦学习系统， 用户 A参与求交的用户信息为X0＝{X01,X02,...,X0n,...,X0N}， X0对应的关键键值信息为D0＝ {D01,D02,...,D0n,...,D0N}， 用户B参与求交的用户信息为X1＝{X11,X12,...,X1n,...,X1N}， X1 对应的关键键值信息为D1＝{D11,D12,...,D1n,...,D1N}， 用户A待映射的布谷鸟哈希表S0和 用户B待映射的简单哈希表S1均包括M个分箱， 用户A构建布谷鸟哈希表S0和用户B构建简单 哈希表S1所用的哈希函数为F＝{f1,f2,...,fk,...,fK}， 其中， X0n表示A的第n个用户信息， D0n表示X0n对应的关键键值信息， X1n表示B的第n个用户信息， D1n表示X1n对应的关键键值信 息， N表示用户A、 用户B参与求交的用户信息的总数， N≥1， M＝εN， ε表示超参数， ε≥1， fk表 示第k个哈希函数， K表示哈希函数的总数， 1≤K≤ M； (2)两个用户分别对各自的用户信息和关键 键值信息进行映射： 用户A采用布谷鸟哈希表映射函数FC将第n个用户信息X0n及其对应的关键键值信息D0n 映射至布谷鸟哈希表S0中的一个 分箱中， 得到X0n所在分箱映射值为D0,n||X0,n、 其余M‑N个分 箱为空的布谷鸟哈希表S ′0； 用户B采用简单哈希表映射函数FS将第n个用户信息X1n及其对 应的关键键值信息D1n映射至简单哈希表S1中的K个分箱中， 得到X1n所在第fk(D1,n||X1,n)个 分箱的值 为D1,n||X1,n的简单哈希 表S′1； (3)两个用户对哈希 表S′0、 S′1进行编码： (3a)用户A生成伪随机函数的密钥kA， 用户B生成伪随机函数的密钥kB； (3b)用户A和用户B按照不经意伪随机函数协议FOPRF， 并通过kB对布谷鸟哈希表S ′0进行 编码， 得到用户A的编码后的布谷鸟哈希 表 (3c)用户A对编码后的布谷鸟哈希表 中的每个空分箱进行随机填充， 并对随机 填充得到的包含N个映射值和M ‑N个填充有随机值的布谷鸟哈希表复制logN ‑1次， 然后通过 kA对由随机 填充后的布谷鸟哈希表及其MlogN个复制结果组成的布谷鸟哈希表S ″0使用伪随 机函数进行编码， 得到包含用户信息X0和关键键值信息D ″ ′0的用户A布谷鸟哈希表S ′0的编 码结果 (3d)用户B对S ′1的M个分箱进行随机填充， 得到由M个包含log  N个元素的分箱组成的简 单哈希表， 并使用伪随机函数， 通过伪随机函数密钥kB对该简单哈希表进行编码， 得到用户 B的编码后由Ml ogN个元素组成的简单哈希 表S″1； (3e)用户A和用户B按照不经意伪随机函数协议FOPRF， 并通过kA对向量S″1进行编码， 得 到包含用户信息X1和关键键值信息D ″ ′1的用户B简单哈希 表S′i的编码结果 (4)两个用户对编码结果S ″ ′0、 S″ ′1进行混淆： (4a)用户A对编码结果S ″ ′0中的用户信息X0进行加性秘密共享， 得到用户A、 用户B的X0 的信息共享值<X0>A、 <X0>B， 用户B对编码结果S ″ ′1中的用户信息X1进行加性秘密共享， 得到 用户A、 用户B的X1信息共享 值<X1>A、 <X1>B； (4b)用户A计算用户信息共 享值<X>A＝<X0>A+<X1>A并将S″ ′0中的关键键值信息D ″ ′0与<X >A进行拼接， 得到拼接结果D ″ ′0||<X>A， 用户B计算用户信息共享值<X>B＝<X0>B+<X1>B并将权　利　要　求　书 1/3 页 2 CN 115378693 A 2S″ ′1中的关键 键值信息D ″ ′1与<X>B进行拼接， 得到拼接结果D ″ ′1||<X>B； (4c)用户A将随机选择的重排列规则ωA， 用户B将D ″ ′1||<X>B作为混淆网络的输入， 按 照不经意混淆网络协议FO‑Shuffle， 并通过重排列规则ωA对拼接结果D ″ ′1||<X>B进行混淆， 得 到D″ ′1的混淆值ωA(D″ ′1)和<X>B的混淆值ωA(<X>B)， 然后对ωA(D″ ′1)和ωA(<X>B)进行加 性秘密共享， 得到用户A、 用户B的混淆结果共享值<ωA(D″ ′1)>A||<ωA(<X>B)>A、 <ωA(D″ ′1) >B||<ωA(<X>B)>B； (4d)用户A使用ωA对D″ ′0、 <X>A分别进行混淆， 得到混淆关键键值信息ωA(D″ ′0)和混淆 用户信息共享值ωA(<X>A)， 并计算<ωA(D″ ′1)>A||<ωA(<X>B)>A的关键键值信息共享值<ωA (D″ ′1)>A与混淆关键键 值信息ωA(D″ ′0)的差值α ＝<ωA(D″ ′1)>A‑ωA(D″ ′0)， 以及<ωA(D″ ′1) >A||<ωA(<X>B)>A的混淆用户信 息共享值<ωA(<X>B)>A与混淆加性秘密共享值ωA(<X>A)的 和值β ＝< ωA(<X>B)>A+ωA(<X>A)； (4e)用户A将α和β 的拼接结果α ||β， 用户B将随机选择的重排列规则ωB作为混淆网络的 输入， 按照不经意混淆网络协议FO‑Shuffle， 并通过ωB对α ||β 进行混淆， 得到α 的混淆值ωB( α ) 和β 的混淆值ωB( β )， 然后对ωB( α )和ωB( β )进行加性秘密共享， 得到用户A、 用户B的混淆结 果共享值<ωB( α )>A||<ωB( β )>A、 <ωB( α )>B||<ωB( β )>B， 再将<ωB( α )>A、 <ωB( β )>A作为用户 A的保留比特串共享 值<res>A、 混淆用户信息共享 值<X′>A； (4f)用户B使用ωB对混淆结果共享值<ωA(D″ ′1)>B||<ωA(<X>B)>B中的<ωA(D″ ′1)>B、 < ωA(<X>B)>B分别进行混淆， 得到混淆关键键值信息ωB(<ωA(D″ ′1)>B)和混淆用户信息共享 值ωB(<ωA(<X>B)>B)， 并将<ωB( α )>B+ωB(<ωA(D″ ′1)>B)、 <ωB( β )>B+ωB(<ωA(<X>B)>B)作 为用户B的保留比特串共享 值<res>B、 混淆用户信息共享 值<X′>B； (5)用户获取隐匿集 合求交结果： (5a)初始化保留比特串res的项数为t， 最大项数为T＝M  log N， 并令t＝1； (5b)用户A和用户B通过加性秘密共享交换共享值<res>A和<res>B， 计算项数为T的保留 比特串res＝<res>A+<res>B； (5c)用户A和用户B判断res中第t项比特位的数值是否为0， 若是， 则用户A保留<X ′>A中 第t项位置的数据， 用户B保留<X ′>B中第t项位置的数据， 否则， 用户A删除<X ′>A中第t项位置 的数据， 用户B删除<X ′>B中第t项位置的数据； (5d)用户A和用户B判断t＝T是否成立， 若是， 用户A返回删除冗余信息后的混淆用户信 息共享值<X ″>A至用户B， 用户B返回删除冗余信息后的混淆用户信息共享值<X ″>B至用户A， 用户A和用户B计算<X ″>A与<X″>B的交集信息X ″＝<X″>A+<X″>B， 否则， 令t＝t+1， 并执行步骤 (5c)。 2.根据权利要求1所述的一种用于纵向联邦学习数据对齐的隐匿集合求交方法， 其特 征在于， 步骤(1)中所述的用户构建布谷鸟哈希表和简单哈希表的哈希函数f( ·)， 其表达 式为： f(·)： {0， 1}l→[M] 其中， {0， 1}l表示长度为 l的比特串，