隐私保护算法与应用全流程验证数据集

密码算法、隐私计算等密码学技术，可以实现链上链下交互中的数据隐私保护。针对链上链下交互过程中，基于密码学的隐私保护技术面临着实现效率低、自主可控性不足、国密适配困难等问题，本课题致力于实现国密算法的创新实现以及基于国密算法的隐私保护方法研发，数据集“2022YFB2702800-区块链链上链下数据可信交互关键技术研究 /2022YFB2702804-001/隐私保护算法与应用全流程验证数据集”包含三个数据项：1）研究高效联邦学习方法的“链上链下联邦学习纵向逻辑回归全流程数据”数据，结合中国剩余定理、同态加密以及链上存证，设计了高效的联邦学习方案EVFLR[1]，利用中国剩余定理对模型训练过程中的同态乘法进行批量处理，并将训练流程与结果在链上进行存证，支撑了课题四指标4.1的结论；2）研究国密算法高效实现的“优化国密算法实现验证数据”数据，提出了SM2/3的底层创新方案，以及对SM2/3/4/9[2][3][4][5]的工程优化实现，最终构建了集成多种高效算法实现的国密算法库，支撑了课题四指标4.2的结论；3）研究基于国密算法构建的隐私保护方法的“隐私保护方法实现验证数据”数据，通过工程优化，实现了高效的隐私信息检索方法以及多方安全计算方法，支撑了指标4.2的结论。同时所有技术支撑了指标4.3密码体系的设计。