1.一种基于安全计算的图像数据标注方法，其特征在于，包括：获取有标签图像数据集和无标签图像数据集；

计算有标签图像数据集的秘密矩阵和无标签图像数据集的秘密矩阵；

分别计算所述有标签图像数据集和所述无标签图像数据集的数据集算术秘密份额，以及秘密矩阵算术秘密份额；

利用算术秘密分享的性质和安全乘法协议对数据集算术秘密份额和秘密矩阵算术秘密份额进行处理，得到安全乘积矩阵；

计算得到安全乘积矩阵对应的特征多项式系数的算术秘密份额；将特征多项式系数的算术秘密份额转换为姚氏秘密分享份额；依据姚氏秘密分享份额，利用姚氏混淆电路协议得到该安全乘积矩阵对应的特征值份额，并利用基础解系协议得到对应的特征向量；将特征向量组成特征向量矩阵份额，利用安全乘法协议对特征向量矩阵份额和数据集算术秘密份额进行处理，得到迁移学习后的源域数据和目标域数据；

以源域数据为训练数据集，目标域数据作为预测数据集，预测得到的预测值为目标域数据的标注标签；利用得到的标注标签，对无标签图像数据集进行标注。

2.如权利要求1所述的一种基于安全计算的图像数据标注方法，其特征在于，有标签图像数据集和无标签图像数据集中，每个集合元素都是一个向量；计算有标签图像数据集的秘密矩阵和无标签图像数据集的秘密矩阵时：计算每个集合元素与其转置的内积得到新的集合元素，新的集合元素构成秘密矩阵。

3.如权利要求1所述的一种基于安全计算的图像数据标注方法，其特征在于，利用算术秘密分享的性质和安全乘法协议对数据集算术秘密份额和秘密矩阵算术秘密份额进行处理，得到安全乘积矩阵的过程为：计算 和 ；其中， 和 分别为有标签图像数据集和无标签图像数据集对应的秘密矩阵算术秘密份额，L为第一预设矩阵；K为有标签图像数据集和无标签图像数据集通过计算所得的矩阵； 的下标1表示 是属于有标签图像数据集的份额； 的下标2表示 是属于无标签图像数据集的份额；A表示算术秘密份额；

计算 ，计算 ；其中，H为第二预设矩阵；

依据 和 ，通过安全乘法协议，计算得到 和；

随机选取实数 和 ；计算得到 和，其中， ；

通过 和 计算的秘密矩阵的逆矩阵，得到和 ；

依据 和 ，通过安全乘法协议，计算得到 和；

依据 和 ，通过安全乘法协议，计算得到最终安全乘积矩阵的秘密矩阵算术秘密份额 和。

4.如权利要求3所述的一种基于安全计算的图像数据标注方法，其特征在于，第二预设矩阵 ；

T

其中，Im+n为（m+n）阶单位矩阵；e为一个元素全为1的（m+n）维列向量；e 为e的转置；m为源域数据样本个数；n为目标域数据样本个数。

5.如权利要求4所述的一种基于安全计算的图像数据标注方法，其特征在于，第一预设矩阵L中的元素Lij满足：。

6.如权利要求5所述的一种基于安全计算的图像数据标注方法，其特征在于，得到迁移学习后的源域数据和目标域数据时：依据有标签图像数据集和无标签图像数据集对应的特征多项式系数的算术秘密份额，计算安全乘积矩阵前k个最大的特征值；得到姚氏秘密分享份额；依据姚氏秘密分享份额，转换得到算术秘密份额。

7.如权利要求6所述的一种基于安全计算的图像数据标注方法，其特征在于，对于每个最大的特征值：

计算 和

， 为最大的特征值；

计算矩阵 对应的线性方程组的基础解系 ，得到和 ；

分别以 和 为依据，其中， ；调用次安全的子空间判定协议，得到判定结果的算术秘密份额 和；

通过 重 构算 法计 算 判定结 果 ： ，其 中 ，；bi为判定结果；

令 的初始值为 ，对于 ，如果满足bi=0，则计算，其中，“ ”为连接符号；C为迁移成分分析算法中的转换矩阵；

令 的初始值为 ，对于 ，如果满足bi=0，则计算；

重复以上计算过程，直到 和 中的列向量均达到k个。

8.如权利要求7所述的一种基于安全计算的图像数据标注方法，其特征在于，以和 为依据，通过安全乘法协议，计算得到 和 ；

通过重构算法，计算矩阵CK， ，CK的前m列为经过迁移学习后的源域数据，后n列为经过迁移学习后的目标域数据。

9.如权利要求1所述的一种基于安全计算的图像数据标注方法，其特征在于，以源域数据作为训练数据集，目标域数据作为预测数据集，使用现有的机器学习分类方法进行预测。

10.一种基于安全计算的图像数据标注系统，其特征在于，包括：数据采集模块，被配置为：获取有标签图像数据集和无标签图像数据集；

秘密矩阵计算模块，被配置为：计算有标签图像数据集的秘密矩阵和无标签图像数据集的秘密矩阵；

秘密份额计算模块，被配置为：分别计算所述有标签图像数据集和所述无标签图像数据集的数据集算术秘密份额，以及秘密矩阵算术秘密份额；

安全乘法协议处理模块，被配置为：利用算术秘密分享的性质和安全乘法协议对数据集算术秘密份额和秘密矩阵算术秘密份额进行处理，得到安全乘积矩阵；

姚氏混淆电路处理模块，被配置为：姚氏混淆电路协议处理模块，被配置为：计算得到安全乘积矩阵对应的特征多项式系数的算术秘密份额；将特征多项式系数的算术秘密份额转换为姚氏秘密分享份额；依据姚氏秘密分享份额，利用姚氏混淆电路协议得到该安全乘积矩阵对应的特征值份额，并利用基础解系协议得到对应的特征向量；将特征向量组成特征向量矩阵份额，利用安全乘法协议对特征向量矩阵份额和数据集算术秘密份额进行处理，得到迁移学习后的源域数据和目标域数据；

标注模块，被配置为：以源域数据为训练数据集，目标域数据作为预测数据集，预测得到的预测值为目标域数据的标注标签；利用得到的标注标签，对无标签图像数据集进行标注。