1.一种基于数据加密的模型训练方法，其特征在于，包括：使用公钥加密原始数据得到密文c；

生成随机负数R和随机负数的相反数R1，其中，将随机负数R作为模型训练的一部分明文份额，使用公钥加密随机负数的相反数R1得到密文份额c2；

将c和c2通过同态运算生成秘密共享的密文份额c3；

使用私钥解密所述密文份额c3，得到另一部分明文份额m3；

将两部分明文份额，借助Beaver三元组进行交互训练，得到两个模型份额；

将得到的两个模型份额进行相加，得到最终所需要的模型。

2.根据权利要求1所述的基于数据加密的模型训练方法，其特征在于，在得到密文c之前，还包括以下步骤：在可信任服务器中生成公私钥对和Beaver三元组，生成伪随机函数、随机预言机和随机数。

3.根据权利要求2所述的基于数据加密的模型训练方法，其特征在于：可信服务器随机选择两个长度相等的大素数p和q，满足gcd(pq(p‑1)(q‑1))＝1；

λ 2

计算n＝pq和λ＝(lcm(p‑1),(q‑1))，随机选择整数g， 并满足gcd(L(gmodn),2

n)＝1； 表示模n的互质同余类；

生成公钥为pk＝(n,g)，私钥为sk＝λ；

生成Beaver三元组，且满足Z＝U×V；

生成3个伪随机函数分别为：

k * k k * k k * k

F:{0,1}×{0,1}→{0,1}、G:{0,1}×{0,1}→{0,1}、P:{0,1}×{0,1}→{0,1}；

* * * *

生成两个随机预言机分别为：H1:{0,1}→{0,1}、H2:{0,1}{0,1}；

生成3个k位伪随机数分别为：K1、K2、K3。

4.根据权利要求3所述的基于数据加密的模型训练方法，其特征在于，提取原始数据的关键词、文件标志符；结合对称可搜索加密算法SSE，利用关键词、伪随机函数，构建查询表；

结合对称可搜索加密算法SSE，利用关键词、伪随机函数、随机预言机、文件标志符，构建存m n 2储链表；利用公钥加密原始数据，生成密文c：c＝Encpk(m,r1)＝g ×r1mod n ， 表示模n的互质同余类，m表示原始数据。

5.根据权利要求4所述的基于数据加密的模型训练方法，其特征在于：构建查询表Ts为： 其中，w表示关键词，N1表示存储链表中的第一个节点，addrs表示存储链表中节点的地址， 表示异或运算。

6.根据权利要求5所述的基于数据加密的模型训练方法，其特征在于：构建存储链表Lw为：

其中，Ni表示链表中的第i个结点，i＝(1,2,...,#fw)；id表示文件标志符，θi表示对应于每一个Ni的k位随机字符串。

7.根据权利要求6所述的基于数据加密的模型训练方法，其特征在于：得到的密文份额c2为：

其中，Encpk表示加密运算；

生成的密文份额c3为：

其中，m表示原始数据，

8.一种基于数据加密的模型训练系统，其特征在于，包括：第一加密模块，用于使用公钥加密原始数据得到密文c；

第二加密模块，用于生成随机负数和随机负数的相反数，其中，将随机负数R作为模型训练的一部分明文份额，使用公钥加密随机负数的相反数得到密文份额c2；

同态运算模块，用于将c和c2通过同态运算生成秘密共享的密文份额c3；

解密模块，用于使用私钥解密所述密文份额c3，得到作为模型训练的另一部分明文份额m3；

交互运算模块，用于将两部分明文份额，借助Beaver三元组进行交互训练，得到两个模型份额；

结合模块，用于将两个模型份额进行相加，得到最终所需要的模型。

9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现如权利要求1‑7任一项所述的基于数据加密的模型训练方法。

10.一种电子设备，其特征在于，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现如权利要求1‑7任一项所述的基于数据加密的模型训练的方法的指令。