TRAINING AND PERFORMING INFERENCE OPERATIONS OF MACHINE LEARNING MODELS USING SECURE MULTI-PARTY COMPUTATION

This disclosure relates to a privacy preserving machine learning platform. In one aspect, a method includes identifying a request for processing an input feature vector by a machine learning model using a multiple multi-party computation (MPC) cluster including a plurality of MPC computing systems. Each feature of the input feature vector is encoded to generate an encoded weight vector. A respective share of the encoded weight vectors is generated for each computing system and provided to a corresponding computing system to generate a partial prediction for the respective share. The MPC cluster collects modified partial predictions for the input feature vector from the rest of the multiple MPC computing systems, where each of the modified partial predications is generated based on the partial prediction by a corresponding MPC computing system. A final prediction is generated by the MPC cluster based on the respective partial predictions. La présente divulgation concerne une plateforme d'apprentissage machine préservant la vie privée. Selon un aspect, un procédé consiste à identifier une requête de traitement d'un vecteur de caractéristiques d'entrée par un modèle d'apprentissage machine à l'aide d'une grappe de calcul multipartite (MPC) comprenant une pluralité de systèmes informatiques MPC. Chaque caractéristique du vecteur de caractéristiques d'entrée est codée pour générer un vecteur de poids codé. Une part respective des vecteurs de pondération codés est générée pour chaque système informatique et fournie à un système informatique correspondant pour générer une prédiction partielle pour la part respective. La grappe MPC collecte des prédictions partielles modifiées pour le vecteur de caractéristiques d'entrée à partir du reste des multiples systèmes informatiques MPC, chacune des prédictions partielles modifiées étant générée sur la base de la prédiction partielle par un système informatique MPC correspondant. Une prédiction finale est générée par la grappe MPC sur la base des prédictions partielles respectives.