[发明专利]客户端相似性的评估方法、装置、终端设备及存储介质

说明书

本发明公开了一种用户数据相似性的评估方法、装置、终端设备及存储介质，该用户数据相似性的评估方法包括：所述服务端获取预存的样本数据或者获取各客户端的样本数据作为第一样本数据；将所述第一样本数据与所述服务端生成的第二样本数据组合为测试样本集，并对所述测试样本集进行测试；基于所述测试样本集进行测试得到的测试结果，对各所述客户端的用户数据的相似性进行评估。本发明实现了，在不接触到联邦学习客户端真实用户数据的情况下，对客户端用户数据的相似性进行评估，提升联邦学习系统对用户的了解，既保证了用户数据的安全性，又促进了联邦学习系统针对性的为用户提供优质服务。

技术领域

本发明涉及Fintech(金融科技)技术领域，尤其涉及一种客户端相似性的评估方法、装置、终端设备及存储介质。

背景技术

伴随着金融科技，尤其是互联网金融科技的快速发展，已经有越来越多的技术应用于金融领域，其中，联邦学习技术基于对用户隐私和数据的安全保障，正逐渐受到越来越多的重视。

联邦学习(federated learning)是指，通过联合不同的参与者(participant，或者party，也称为数据拥有者(data owner)、或者客户(client))进行机器学习建模的方法。在联邦学习中，参与者不需要向其它参与者和协调者(coordinator，也称为服务器(server)，参数服务器(parameter server)，或者聚合服务器(aggregation server))暴露自己所拥有的数据，因而联邦学习可以很好的保护用户隐私和保障数据安全，并可以解决数据孤岛问题。

然而，在现有的联邦学习中，尤其是在横向的联邦学习(横向联邦学习是在不同机构样本重叠较少，但特征维度重叠较多时，通过提取多方用户特征相同而用户不完全相同的那部分数据进行训练)中，基于联邦学习机制对于用户数据的安全性考虑，联邦学习的服务端无法接触到客户端用户原始的数据，因而极大程度的限制了联邦学习中服务端对客户端用户的了解，从而导致联邦学习的服务端难以针对性的为客户端用户提供优质服务。

发明内容

本发明的主要目的在于提供一种客户端相似性的评估方法、装置、终端设备及存储介质，旨在不接触联邦学习客户端用户数据的情况下，对客户端的相似性进行评估，从而提升联邦学习系统对用户的了解，促进联邦学习系统针对性的为用户提供优质服务。

为实现上述目的，本发明提供一种客户端相似性的评估方法，所述客户端相似性的评估方法应用于联邦学习系统，所述联邦学习系统包括：服务端和客户端，其中，所述客户端为多个，所述客户端相似性的评估方法包括以下步骤：

所述服务端获取预存的样本数据或者获取各客户端的样本数据作为第一样本数据；

将所述第一样本数据与所述服务端生成的第二样本数据组合为测试样本集，并对所述测试样本集进行测试；

基于所述测试样本集进行测试得到的测试结果，对各所述客户端的用户数据的相似性进行评估。

可选地，所述服务端获取预存的样本数据或者获取各客户端的样本数据作为第一样本数据的步骤，包括：

所述服务端检测预先存储的样本数据集；

从所述样本数据集中，基于随机采样方式获取样本数据作为第一样本数据；或者，

所述服务端获取各客户端随机输入的样本数据作为所述第一样本数据。

可选地，在所述服务端获取预存的样本数据或者获取各客户端的样本数据作为第一样本数据的步骤之后，所述方法还包括：

所述服务端基于所述第一样本数据生成第二样本数据。

可选地，所述所述服务端基于所述第一样本数据生成第二样本数据的步骤，包括：