基于TEE、差分隐私和同态加密的隐私联合分析算子数据集

本研究系统采集了基于可信执行环境（TEE）、差分隐私和同态加密的隐私联合分析算子在基础向量运算（如求和、均值）、高阶联合分析（如隐私求交、排序）及联邦聚合等任务下的测试数据。数据于2025年12月在中国科学院软件研究所生成，依托统一测试平台，在标准化环境中通过自动化脚本调用算子并记录输出与性能。测试输入采用高维稀疏局部稠密向量（零元素占比超90%），以模拟真实场景。数据按技术路线分类存储为CSV文件，并附.tar格式测试向量，总规模约639.9 MB。全过程实施环境固化、重复实验、交叉验证与完整性校验等质量控制措施，并通过均方误差、杰卡德距离、Precision@k等指标验证结果一致性。此外，针对基于差分隐私的算子任务，提出基于高斯混合规约模型的EM-MR方法，改进传统期望最大化算法，在保持无偏性的同时将估计误差降低逾50%，并在百万级数据下实现秒级计算。本数据集在采集和验证过程中采用了严格的质量控制方法，为隐私计算算子的功能验证、性能基准提供了高质量实证基础，具有重要科研与应用价值。