摘要

本发明公开了一种基于分段函数的去中心化逻辑回归分类预测方法,该方法具体为:设有m个参与者包括1个数据应用者和m-1个数据持有者,数据应用者和数据持有者基于选定的加密方案计算X-(k)W-(k),然后数据应用者和数据持有者加密X-(k)W-(k)并作为输入调用盲百万富翁协议,从而获取分段函数f(XW)的结果。数据应用者计算误差Y’=f(XW)?Y。数据应用者加密误差E(Y’)发送给所有的数据持有者。数据应用者可以本地更新参数W-(1)。数据持有者计算E(Y’)并更新参数。重复上述步骤,直至训练收敛至某一阈值或者迭代次数达到设置的最大的迭代次数。最终,数据应用者和数据持有者得到最终参数W-(k),参与者可以通过得到参数W-(k)进行分类预测。本发明的方法与现有方法的区别是:没有暴露梯度值和乘积结果,保护了数据持有者数据的安全性。