(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 202211193837.3 (22)申请日 2022.09.28 (71)申请人 北京瑞莱智慧科技有限公司 地址 100084 北京市海淀区清华科技园科 技大厦A座19层 (72)发明人 不公告发明人 　 (74)专利代理 机构 北京箴思知识产权代理有限 公司 11913 专利代理师 李春晖 (51)Int.Cl. G06F 21/60(2013.01) G06F 21/62(2013.01) G06N 20/00(2019.01) (54)发明名称 密文预测方法、 相关装置及存 储介质 (57)摘要 本申请实施例涉及数据处理领域， 提供一种 密文预测方法、 相关装置及存储介质， 该方法包 括： 接收模型预测指令， 其中， 模型预测指令基于 由请求方设备生成的模型预测请求得到， 包括由 请求方设备生成的公钥； 采用公钥对 特征值预测 结果进行同态加密， 得到加密密文， 其中， 特征值 预测结果由特征方设备存储的特征值 以及机器 学习模型的模型分量计算得到； 发送加密密文， 使得请求方设备基于与公钥同时生成的私钥处 理加密密文， 得到机器学习模型的模型预测结 果。 本申请实施例提供了一种隐私保护机器学习 场景下实现密文预测的新方式， 通过同态加密的 手段有效提高数据的安全性和隐私性， 充分保护 请求方设备和特征方设备交互过程中的数据安 全。 权利要求书2页 说明书17页 附图6页 CN 115510466 A 2022.12.23 CN 115510466 A 1.一种密文预测方法， 应用于特 征方设备， 所述方法包括： 接收模型预测指令， 其中， 所述模型预测指令基于由请求方设备生成的模型预测请求 得到， 包括由所述请求方设备生成的公钥； 采用所述公钥对特征值预测结果进行同态加密， 得到加密密文， 其中， 所述特征值预测 结果由所述特 征方设备存 储的特征值以及机器学习模型的模型分量计算得到； 发送所述加密密文， 使得所述请求方设备基于与 所述公钥同时生成的私钥处理所述加 密密文， 得到所述机器学习模型的模型 预测结果。 2.如权利要求1所述的方法， 其中， 所述特 征方设备有 多个； 所述采用所述公钥对特 征值预测结果进行同态加密， 得到加密 密文， 包括： 各个所述特征方设备采用所述公钥对各自计算的特征值预测结果进行同态加密， 得到 分量密文； 将所述分量密文 进行同态运 算， 得到所述加密 密文； 其中， 所述同态运 算包括同态加法和/或同态 乘法。 3.如权利要求2所述的方法， 其中， 各个所述特征方设备包括第 一特征方设备和第 二特 征方设备， 各个所述特 征方设备各自存储有对应的特 征值以及模型分量； 所述各个所述特征方设备采用所述公钥对各自计算的特征值预测结果进行同态加密， 得到分量密文， 包括： 所述第一特征方设备将第 一特征值预测结果采用所述公钥进行同态加密， 得到第 一分 量密文， 所述第一特征值预测结果由所述第一特征方设备存储的第一特征值和 第一模型分 量计算得到； 将所述第一分量密文和所述公钥发送至所述第二特 征方设备； 所述第二特征方设备将第 二特征值预测结果采用所述公钥进行同态加密， 得到第 二分 量密文， 所述第二特征值预测结果由所述第二特征方设备存储的第二特征值和 第二模型分 量计算得到； 所述将所述分量密文 进行同态运 算， 得到所述加密 密文， 包括： 所述第二特征方设备将所述第 一分量密文与所述第 二分量密文进行同态加法， 得到所 述加密密文。 4.如权利要求3所述的方法， 其中， 各个所述特 征方设备还 包括第三特 征方设备； 所述各个所述特征方设备采用所述公钥对各自计算的特征值预测结果进行同态加密， 得到分量密文， 包括： 所述第二特征方设备将所述第 一分量密文与所述第 二分量密文进行同态加法， 得到中 间分量密文； 将所述中间分量密文和所述公钥发送至所述第三特 征方设备； 所述第三特征方设备将第 三特征值预测结果采用所述公钥进行同态加密， 得到第 三分 量密文， 所述第三特征值预测结果由所述第三特征方设备存储的第三特征值和 第三模型分 量计算得到； 所述将所述分量密文 进行同态运 算， 得到所述加密 密文， 包括： 所述第三特征方设备将所述中间分量密文与所述第 三分量密文进行同态加法， 得到所 述加密密文。权　利　要　求　书 1/2 页 2 CN 115510466 A 25.如权利要求1至4任一所述的方法， 其中， 一个所述特征方设备存储有多个特征值、 以 及与所述多个特 征值一一对应的模型分量； 所述特征值预测结果 为所述多个特 征值与各自对应的模型分量的内积结果之和。 6.一种密文预测方法， 应用于请求方设备， 所述方法包括： 生成用于实现同态加密的公钥和私钥； 向特征方设备发送模型 预测请求， 其中， 所述模型 预测请求包括所述公钥； 接收来自所述特征方设备的加密密文， 其中， 所述加密密文由所述特征方设备对特征 值预测结果经过同态加密后得到， 所述特征值预测结果由特征方设备存储的特征值和机器 学习模型的模型分量计算得到； 采用所述私钥处 理所述加密 密文， 得到所述机器学习模型的模型 预测结果。 7.一种密文预测装置， 应用于特 征方设备， 所述装置包括： 收发模块， 被配置为接收模型预测指令， 其中， 所述模型预测指令基于由请求方设备生 成的模型 预测请求得到， 包括由所述请求方设备生成的公钥； 处理模块， 被配置为采用所述公钥对特征值预测结果进行同态加密， 得到加密密文， 其 中， 所述特征值预测结果由所述特征方设备存储的特征值以及机器学习模 型的模型分量计 算得到； 所述收发模块， 还被配置为发送所述加密密文， 使得所述请求方设备基于与所述公钥 同时生成的私钥处 理所述加密 密文， 得到所述机器学习模型的模型 预测结果。 8.一种密文预测装置， 应用于请求方设备， 所述装置包括： 处理单元， 被配置为生成用于实现同态加密的公钥和私钥； 收发单元， 被配置为向特征方设备发送模型预测请求， 其中， 所述模型预测请求包括所 述公钥； 所述收发单元， 还被配置为接收来自所述特征方设备的加密密文， 其中， 所述加密密文 由所述特征方设备对特征值预测结果经过同态加密后得到， 所述特征值预测结果由特征方 设备存储的特征值和机器学习模型的模型分量计算得到； 所述处理单元， 还被配置为采用所述私钥处理所述加密密文， 得到所述机器学习模型 的模型预测结果。 9.一种计算设备， 包括存储器， 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 其中， 所述处理器执行所述计算机程序时实现权利要求1 ‑5中任一项所述的方法， 或者实现权利要求6所述的方法。 10.一种计算机可读存储介质， 其包括指令， 当其在计算机上运行时， 使得计算机执行 如权利要求1 ‑5中任一项所述的方法， 或者执 行权利要求6所述的方法。权　利　要　求　书 2/2 页 3 CN 115510466 A 3