[发明专利]基于树模型的两方联合分类方法、装置、设备及介质

说明书

本说明书提出一种基于树模型的两方联合分类方法、装置、设备及介质，包括：将本方持有的目标对象的特征输入本方的部分树模型，预测得到与所述目标对象匹配的若干第一疑似叶节点；根据所述若干第一疑似叶节点和对方预测得到的若干第二疑似叶节点，确定为所述目标对象预测得到的目标叶节点；基于本方确定出的所述目标叶节点的本方权值分片的密文、以及对方发送的该目标叶节点的对方权值分片的密文，确定目标叶节点对应的分类权值；其中，所述本方权值分片的密文由本方采用本方公钥对该目标叶节点的本方权值分片进行同态加密得到；根据所述目标叶节点和所述分类权值确定所述目标对象的分类结果。

技术领域

本说明书一个或多个实施例涉及人工智能领域，尤其涉及基于树模型的两方联合分类方法、装置、设备及介质。

背景技术

基于树模型的分类预测依赖于对象的特征，对象特征越丰富，树模型预测出的分类结果越准确。因此，业界提出了树模型的两方联合分类机制。

在树模型的两方联合分类机制中，每方持有目标对象的特征，并基于该目标对象的特征对该目标对象进行分类，并将分类结果共享给其他参与方。每方基于各方的分类结果，确定出最终的分类结果。但是，分类结果的共享的过程中容易发生用户隐私数据的泄露，因此，如何在实现基于树模型的两方联合分类的同时，保证分类过程中各方用户隐私数据的安全就成为业界亟待解决的问题。

发明内容

根据本说明书的第一方面，提供一种基于树模型的两方联合分类方法，各方持有部分树模型，各方持有的部分树模型包括：经双方联合训练得到的完整树模型的树形结构，以及该完整树模型的部分分裂信息以及各叶节点的权值分片；各方持有的目标对象的特征不完全相同，所述方法应用于任一方，包括：

将本方持有的目标对象的特征输入本方的部分树模型，预测得到与所述目标对象匹配的若干第一疑似叶节点；

根据所述若干第一疑似叶节点和对方预测得到的若干第二疑似叶节点，确定为所述目标对象预测得到的目标叶节点；

基于本方确定出的所述目标叶节点的本方权值分片的密文、以及对方发送的该目标叶节点的对方权值分片的密文，确定目标叶节点对应的分类权值；其中，所述本方权值分片的密文由本方采用本方公钥对该目标叶节点的本方权值分片进行同态加密得到；

根据所述目标叶节点和所述分类权值确定所述目标对象的分类结果。

可选的，所述根据所述若干第一疑似叶节点和对方预测得到的若干第二疑似叶节点，确定为所述目标对象预测得到的目标叶节点，包括：

对各第一疑似叶节点进行哈希运算，得到各第一疑似叶节点的哈希值并发送给对方；

对对方发送的各第二疑似叶节点的哈希值进行二次哈希，得到各第二疑似叶节点的二次哈希值并发送给对方；

基于对方发送的各第一疑似节点的二次哈希值、以及本方得到的所述各第二疑似节点的二次哈希值，确定为所述目标对象预测得到的目标叶节点。

可选的，所述基于对方发送的各第一疑似节点的二次哈希值、以及本方得到的所述各第二疑似节点的二次哈希值，确定为所述目标对象预测得到的目标叶节点，包括：

在对方发送的各第一疑似叶节点的二次哈希值、以及本方得到的各第二疑似叶节点的二次哈希值中，确定两方共有的二次哈希值，并将该共有的二次哈希值对应的疑似叶节点作为目标叶节点。

可选的，所述基于本方确定出的所述目标叶节点的本方权值分片的密文、以及对方发送的该目标叶节点的对方权值分片的密文，确定目标叶节点对应的分类权值，包括：

对对方发送的目标叶节点的对方权值分片的密文进行拆分，得到对方权值分片的第一子分片的密文和第二子分片的密文，并将所述第二子分片的密文发送给对方；其中，本方持有所述对方权值分片的第一子分片；