隨著大數據技術、人工智能和物聯網的日益普及，數據共享對於全球公共和私營部門的組 織來說變得至關重要。 Gartner 在文章“數據是加速數字業務的商業必需品”中預測，到 2 023 年，促進數據共享的組織將在大多數業務價值指標上勝過那些不提倡數據共享的組 織。數據共享還有助於更創新、更有效地應對社會面臨的一些最大挑戰。 數據交易平檯面臨的主要困難之一是需要在通過加密技術維護適當級別的隱私和機密性來 保護數據所有者的利益之餘，仍然可以執行法規遵從性盡職調查和數據挖掘活動以產生有 價值的見解。邏輯回歸是在明文場景中用於實現這些目標的最常見的機器學習方法之一。 Baldwin 和 Krishna Dayanidhi 在“Natural Language Processing with Java and LingPipe Cookbook”一書中指出，邏輯回歸是負責大多數工業分類器的機器學習方法之一，並且肯 定是性能最好的分類器之一.此外，神經網絡可以看作是一系列相互堆疊的邏輯回歸分類器 （參見“Speech and Language Processing, 3rd edition, by Dainiel Jurasky and James Martin）。因此，我們建議開發和實現一種可以對加密數據進行可以達到適當的準確度的邏 輯回歸的有效方法。這為開發隱私保護數據共享平台提供了基礎，該平台可以進行適當的 盡職調查並產生有價值的見解。此外，由於所有數據在整個過程中保持加密，通過加密實 現機密性和隱私性，平台還可以作為對數據所有者提供具隱私保護性的數據挖掘服務的提 供者。