一种用于隐私保护机器学习的多方安全计算方法及系统

本发明公开一种用于隐私保护机器学习的多方安全计算方法及系统，涉及隐私保护机器学习技术领域，包括：每个子参与方根据混合随机数生成协议计算第一压缩秘密共享；每个子参与方根据模型输入矩阵的沙米尔秘密共享和模型参数的沙米尔秘密共享计算秘密份额，生成第二压缩秘密共享；根据第一压缩秘密共享和第二压缩秘密共享得到模型线性层运算结果的压缩秘密共享；根据模型线性层运算结果的压缩秘密共享的最高比特位确定RELU函数，计算截断结果并执行定点乘法协议，将得到的结果与随机向量压缩秘密共享结合得到非线性层运算结果的沙米尔秘密共享。采用混合秘密共享策略，策略性地利用压缩秘密共享的特性高效计算非线性层，实现高性能。