一种面向GPU的高效隐私保护机器学习方法及系统

本发明提出了一种面向GPU的高效隐私保护机器学习方法及系统，涉及隐私保护机器学习领域，包括：秘密共享模块，被配置为：通过秘密共享的方式，将待处理的数据集进行秘密分片并分发给各个参与方；隐私推理模块，被配置为：各个参与方利用本地隐私训练后的隐私保护神经网络，对分发的数据集分片进行隐私推理，得到分片推理结果；秘密恢复模块，被配置为：基于各个参与方的分片推理结果，通过秘密恢复的方式，得到明文的推理结果；本发明采用分层架构构建隐私保护神经网络，将基于整数环的整数运算映射到GPU浮点数运算上，实现对高位长整数密态张量的加速计算，从而得到面向GPU的高效隐私保护机器学习方案，提高计算准确性，减小额外引入的计算开销。