基于秘密分享的高效隐私保护四方机器学习方案

机器学习技术的广泛应用使得用户数据面临严重的隐私泄露风险,而基于安全多方计算技术的隐私保护分布式机器学习协议成为广受关注的研究领域.传统的安全多方计算协议为了实现恶意敌手模型下的安全性,需要使用认证秘密分享、零知识证明等工具,使得协议实现效率较低.为了得到更高效的协议,Chaudhari等人提出Trident四方协议框架,在三方协议的基础上,引入一个诚实参与方作为可信第三方来执行协议;而Koti等人提出的Swift框架,在参与方诚实大多数的三方协议背景下,通过一个筛选过程选出一个诚实参与方作为可信第三方来完成协议,并将该框架推广到诚实大多数的四方协议.在这样的计算框架下,作为可信第三方会拥有所有用户的敏感数据,违背了安全多方计算的初衷.针对此问题,设计了一个基于(2,4)秘密分享的四方机器学习协议,改进Swift框架的诚实参与方筛选过程,以确定出2个诚实参与方,并通过他们执行一个半诚实的安全两方计算协议,高效地完成计算任务.该协议将在线阶段的25%通信负载转移到了离线阶段,提高了方案在线阶段的效率.     

家庭网网站设计与运营的设计研究

电子商务是未来商务交易的主要形式,电子商务网站是电子商务的主要承担者和表现者。但是,纵观各大浏览器主页,门户网站种类繁多,甚至有很多无效的信息,在干扰我们。本文以促进家庭内部交流为基本目标及网站内容全面化、广泛化的特点为基础,提出了家庭网网站的设计与运营的设计研究。重点讲解了网站的功能设计与分析,网站的财务分析及运营。家庭网网站突出的优势在于将各网站的信息综合利用,安全无广告,针对不同年龄设定不同的模块以及确定相应的操作模式。