[发明专利]基于联邦学习的模型参数获取方法、系统及可读存储介质

说明书

本发明公开了一种基于联邦学习的模型参数获取方法、系统及可读存储介质，该方法包括步骤：当第三终端接收到第二终端发送的加密后的损失值后，所述第三终端解密所述损失值，得到解密后的所述损失值；根据解密后的所述损失值检测待训练模型是否处于收敛状态；若检测到待训练模型处于收敛状态，则获取与损失值对应的梯度值；确定与梯度值对应的样本参数，将与梯度值对应的样本参数确定为待训练模型的模型参数。本发明实现了联合第一终端和第二终端的样本数据计算得到损失值，以通过联合第一终端和第二终端的样本数据联合帮助学习确定待训练模型中的模型参数，提高了训练所得模型的准确度。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于联邦学习的模型参数获取方法、系统及可读存储介质。

背景技术

随着机器学习的快速发展，机器学习可应用于各个领域，如数据挖掘、计算机视觉、自然语言处理、生物特征识别、医学诊断、检测信用卡欺诈、证券市场分析和DNA(deoxyribonucleic acid，脱氧核糖核酸)序列测序等。机器学习通常是系统提供样本数据，学习部分利用样本数据修改系统的知识库，以增进系统执行部分完成任务的效能，执行部分根据知识库完成任务，同时把获得的信息反馈给学习部分。

目前，由于各方的样本数据具有密切联系，如果机器学习仅使用一方的样本数据，则学习得到的模型不准确，因此，如何联合各方的样本数据，得到模型中的参数，提高模型的准确度，是亟待解决的问题。

发明内容

本发明的主要目的在于提供一种基于联邦学习的模型参数获取方法、系统及可读存储介质，旨在解决现有的如何联合各方数据，提高所得模型的准确度的技术问题。

为实现上述目的，本发明提供一种基于联邦学习的模型参数获取方法，所述基于联邦学习的模型参数获取方法包括步骤：

当第三终端接收到第二终端发送的加密后的损失值后，所述第三终端解密所述损失值，得到解密后的所述损失值，其中，所述损失值是通过第一终端对应的第一数据和所述第二终端对应的第二数据计算得到的；

根据解密后的所述损失值检测待训练模型是否处于收敛状态；

若检测到所述待训练模型处于收敛状态，则获取与所述损失值对应的梯度值；

确定与所述梯度值对应的样本参数，将与所述梯度值对应的样本参数确定为所述待训练模型的模型参数。

优选地，所述当第三终端接收到第二终端发送的加密后的损失值后，所述第三终端解密所述损失值，得到解密后的所述损失值的步骤之前，还包括：

当所述第二终端接收到所述第一终端发送的加密后的第一数据后，所述第二终端计算与所述第一数据对应的第二数据，以及获取所述第二数据对应的样本标签，其中，所述第一数据和所述第二数据对应的样本标签相同；

根据所述样本标签、所述第一数据和所述第二数据计算损失值；

采用同态加密算法加密所述损失值，得到加密后的所述损失值，并将加密后的所述损失值发送给所述第三终端。

优选地，所述根据解密后的所述损失值检测待训练模型是否处于收敛状态的步骤之后，还包括:

若检测到所述待训练模型未处于所述收敛状态，则获取所述第二终端和所述第一终端发送的梯度值，并更新所述梯度值，得到更新后的所述梯度值；

将更新后的所述梯度值发送给所述第一终端和所述第二终端，以供所述第一终端和所述第二终端根据更新后的所述梯度值对应更新样本参数；

其中，当所述第一终端更新所述样本参数后，所述第一终端根据更新后的所述样本参数和交集样本数据中特征变量对应的变量值计算得到第一数据，并对所述第一数据进行加密，将加密后的第一数据发送给所述第二终端。