1.支持双向隐私保护的机器学习安全聚合预测方法，其特征是，包括：计算服务器接收客户端发送的待预测数据的数据份额，具体步骤包括：第一计算服务器接收客户端发送的待预测数据的第一数据份额；

第二计算服务器接收客户端发送的待预测数据的第二数据份额；

所述计算服务器接收客户端发送的待预测数据的数据份额步骤之前，还包括：模型持有方将本地已经训练好的机器学习模型分成若干个模型份额；并将模型份额发送给对应的计算服务器；

聚合服务器在可信区中随机生成盲化矩阵，并将盲化矩阵发送给对应的计算服务器；

所述计算服务器对数据份额进行处理，得到预测结果份额，具体步骤包括：第一计算服务器基于第一数据份额，计算出第一预测结果；第二计算服务器基于第二数据份额，计算出第二预测结果；

所述计算服务器对预测结果份额进行盲化处理，得到盲化预测结果份额，具体步骤包括：第一计算服务器对第一预测结果份额进行盲化处理，得到第一盲化预测结果份额；第二计算服务器对第二预测结果份额进行盲化处理，得到第二盲化预测结果份额；

所述计算服务器将盲化预测结果份额发送给聚合服务器，具体步骤包括：第一计算服务器将第一盲化预测结果份额发送给聚合服务器；第二计算服务器将第二盲化预测结果份额发送给聚合服务器；

所述聚合服务器对盲化预测结果份额进行移除盲化处理和加噪声处理，将结果反馈给客户端，具体步骤包括：聚合服务器在不可信区中对第一盲化预测结果份额和第二盲化预测结果份额重建盲化预测结果，得到第三盲化预测结果份额；

聚合服务器在可信区对第三盲化预测结果份额进行移除盲化处理，得到中间结果；聚合服务器基于中间结果，计算出聚合预测结果；

聚合服务器对聚合预测结果进行加噪声处理，并将加噪声处理后的聚合预测结果发送给客户端。

2.如权利要求1所述的支持双向隐私保护的机器学习安全聚合预测方法，其特征是，所述计算服务器对预测结果份额进行盲化处理，得到盲化预测结果份额；具体步骤包括：所述计算服务器采用盲化矩阵，对预测结果份额进行盲化处理，得到盲化预测结果份额。

3.如权利要求2所述的支持双向隐私保护的机器学习安全聚合预测方法，其特征是，所述盲化矩阵的获取步骤包括：聚合服务器在可信区随机生成盲化矩阵。

4.支持双向隐私保护的机器学习安全聚合预测系统，其特征是，包括：客户端、计算服务器和聚合服务器；

计算服务器接收客户端发送的待预测数据的数据份额，具体步骤包括：第一计算服务器接收客户端发送的待预测数据的第一数据份额；

第二计算服务器接收客户端发送的待预测数据的第二数据份额；

所述计算服务器接收客户端发送的待预测数据的数据份额步骤之前，还包括：模型持有方将本地已经训练好的机器学习模型分成若干个模型份额；并将模型份额发送给对应的计算服务器；

聚合服务器在可信区中随机生成盲化矩阵，并将盲化矩阵发送给对应的计算服务器；

所述计算服务器对数据份额进行处理，得到预测结果份额，具体步骤包括：第一计算服务器基于第一数据份额，计算出第一预测结果；第二计算服务器基于第二数据份额，计算出第二预测结果；

所述计算服务器对预测结果份额进行盲化处理，得到盲化预测结果份额，具体步骤包括：第一计算服务器对第一预测结果份额进行盲化处理，得到第一盲化预测结果份额；第二计算服务器对第二预测结果份额进行盲化处理，得到第二盲化预测结果份额；

所述计算服务器将盲化预测结果份额发送给聚合服务器，具体步骤包括：第一计算服务器将第一盲化预测结果份额发送给聚合服务器；第二计算服务器将第二盲化预测结果份额发送给聚合服务器；

所述聚合服务器对盲化预测结果份额进行移除盲化处理和加噪声处理，将结果反馈给客户端，具体步骤包括：聚合服务器在不可信区中对第一盲化预测结果份额和第二盲化预测结果份额重建盲化预测结果，得到第三盲化预测结果份额；

聚合服务器在可信区对第三盲化预测结果份额进行移除盲化处理，得到中间结果；聚合服务器基于中间结果，计算出聚合预测结果；

聚合服务器对聚合预测结果进行加噪声处理，并将加噪声处理后的聚合预测结果发送给客户端。