(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210401617.9 (22)申请日 2022.04.18 (65)同一申请的已公布的文献号 申请公布号 CN 114494803 A (43)申请公布日 2022.05.13 (73)专利权人 山东师范大学 地址 250014 山东省济南市历下区文化 东 路88号 (72)发明人 王皓　李智　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 闫伟姣 (51)Int.Cl. G06V 10/774(2022.01) G06K 9/62(2022.01) G06F 21/60(2013.01) G06F 21/62(2013.01) (56)对比文件 CN 113438078 A,2021.09.24 CN 112737772 A,2021.04.3 0CN 114154554 A,202 2.03.08 CN 111243698 A,2020.0 6.05 US 2020364624 A1,2020.1 1.19 US 2022012471 A1,202 2.01.13 CN 113535122 A,2021.10.2 2 秦红等.安全的常数轮多用户k-均值聚类 计 算协议. 《计算机 研究与发展》 .2020,第57 卷(第 10期), 赵荣.图像 秘密共享方案的研究. 《中国优秀 硕士学位 论文全文数据库 （电子期刊） 》 .20 08,第 2008年卷(第12期), 秦红.基于安全两方计算的隐私保护应用协 议研究. 《中国优秀硕士学位 论文全文数据库 （电 子期刊） 》 .2021,第2021年卷(第12期), ziyu niu et al.Privacy-preservi ng statistical computi ng protoco ls for private set i ntersecti on. 《WileyonlineLibrary.com》 .2021, Chaochao chen et al.Secret Shari ng based Secure Regres sions with Applications. 《arXiv》 .2020, 审查员 宋海荣 (54)发明名称 基于安全计算的图像数据标注方法及系统 (57)摘要 本发明属于数据 识别技术领域， 尤其涉及一 种基于安全计算的图像数据标注方法及系统； 本 发明通过秘密分享算法和姚氏混淆电路协议， 能 够在有标签图像数据和无标签图像数据分别由 两个实体用户参与方持有的分布式场景下， 实现 迁移学习中的迁移成分分析算法的安全计算， 在 不泄露实体用户参与方各自原始样本图像数据 集以及中间计算结果的前提下， 为无标签图像数 据标注标签； 解决了进行图像数据标注时， 实体 用户参与方对图像数据隐私性的要求。 权利要求书4页 说明书11页 附图1页 CN 114494803 B 2022.07.05 CN 114494803 B 1.一种基于安全计算的图像数据标注方法， 其特 征在于， 包括： 获取有标签图像数据集和无 标签图像数据集； 计算有标签图像数据集的秘密矩阵和无 标签图像数据集的秘密矩阵； 分别计算所述有标签图像数据集和所述无标签图像数据集的数据集算术秘密份额， 以 及秘密矩阵算 术秘密份额； 利用算术秘密分享的性质和安全乘法协议对数据集算术秘密份额和秘密矩阵算术秘 密份额进行处 理， 得到安全乘积矩阵； 计算得到安全乘积矩阵对应的特征多项式系数的算术秘密份额； 将特征多项式系数的 算术秘密份额转换为姚氏秘密分享份额； 依据姚氏秘密分享份额， 利用姚氏混淆电路协议 得到该安全乘积矩阵对应的特征值份额， 并利用基础解系协议得到对应的特征向量； 将特 征向量组成特征向量矩阵份额， 利用安全乘法协 议对特征向量矩阵份额和数据集算术秘密 份额进行处 理， 得到迁移学习后的源域数据和目标域数据； 以源域数据为训练数据集， 目标域数据作为预测数据集， 预测得到的预测值为目标域 数据的标注标签； 利用得到的标注标签， 对无 标签图像数据集进行 标注； 有标签图像数据集和无标签图像数据集中， 每个集合元素都是一个向量； 计算有标签 图像数据集的秘密矩阵和无标签图像数据集的秘密矩阵时： 计算每个集合元素与其转置的 内积得到新的集 合元素， 新的集 合元素构成秘密矩阵； 利用算术秘密分享的性质和安全乘法协议对数据集算术秘密份额和秘密矩阵算术秘 密份额进行处 理， 得到安全乘积矩阵的过程 为： 计算 和 ； 其中， 和 分别为有标签图像数据 集和无标签图像数据集对应的秘密矩阵算术秘密份额， L为第一预设矩阵； K为有标签图像 数据集和无标签图像数据集通过计算所得的矩阵； 的下标1表示 是属于有 标签图像数据集的份额； 的下标2表示 是属于无标签图像数据集的份额； A 表示算术秘密份额； 计算 ， 计算 ； 其中，H为第二预设矩阵； 依据 和 ， 通过安全乘法协议， 计算得到 和 ； 随机选取实数 和 ； 计算得到 和 ， 其中， ； 通过 和 计算的秘密矩阵的逆矩阵， 得到 和 ； 依据 和 ， 通过安全乘法协议， 计算得到 和 ；权　利　要　求　书 1/4 页 2 CN 114494803 B 2依据 和 ， 通过安 全乘法协议， 计算得到最终安全乘积矩阵的秘密矩阵算术秘密份额 和 ； 第二预设矩阵 ； 其中，Im+n为 （m+n） 阶单位矩阵； e为一个元素全为1的 （ m+n） 维列向量； eT为e的转置；m为 源域数据样本个数； n为目标域数据样本个数； 第一预设矩阵 L中的元素Lij满足： 。 2.如权利要求1所述的一种基于安全计算的图像数据标注方法， 其特征在于， 得到迁移 学习后的源域数据和目标域数据时： 依据有标签图像数据集和无标签图像数据集对应的特 征多项式系数的算术秘密份额， 计算安全乘积矩阵前 k个最大的特征值； 得到姚氏秘密分享 份额； 依据姚氏秘密分享份额， 转换 得到算术秘密份额。 3.如权利要求1所述的一种基于安全计算的图像数据标注方法， 其特征在于， 对于每个 最大的特 征值： 计算 和 ， 为最大的特 征值； 计算矩阵 对应的线性方程组的基础解系 ， 得到 和 ； 分别以 和 为依据， 其中， ； 调用 次安 全的 子空间 判定协议 ， 得到 判定结果的 算术秘 密份额 和 ； 通过重构算法计算判定结果： ， 其中， ； bi为判定结果； 令 的初始值为 ， 对于 ， 如果满足 bi=0， 则计算 ， 其中，“ ”为连接符号； C为迁移成分 分析算法中的转换矩阵； 令 的初始值为 ， 对于 ， 如果满足 bi=0， 则计算权　利　要　求　书 2/4 页 3 CN 114494803 B 3