[发明专利]模型参数调整的方法、设备、存储介质及程序产品

说明书

本申请公开了模型参数调整的方法、设备、存储介质及程序产品，涉及多方机器学习、联邦学习、联合建模等安全多方计算领域。具体实现方案为：在基于安全多方计算的模型参数调整的过程中，利用基于安全多方计算训练得到的分类模型，对输入数据进行分类处理，得到分类模型的分类预测值；对分类预测值进行缩小处理，对缩小处理后的分类预测值进行归一化处理，得到分类预测值的归一化结果；根据分类预测值的归一化结果，更新分类模型的参数，通过对分类预测值进行缩小处理来缩小归一化方法的输入值，可以避免归一化过程中产生数据溢出，从而可以提高分类模型的训练精度。

技术领域

本申请涉及多方机器学习、联邦学习、联合建模等安全多方计算领域，尤其涉及一种模型参数调整的方法、设备、存储介质及程序产品。

背景技术

在基于安全多方计算(Secure Multi-Party Computing，简称MPC或SMC)的机器学习中，常常使用安全多方计算技术来保护机器学习中各参与方的数据隐私。

在基于安全多方计算的分类模型训练过程中，使用softmax函数对当前分类模型的分类预测值进行归一化过程中，对分类预测值的指数运算会产生很大的数值，容易超出安全多方计算的数据表示范围，出现数据溢出的问题，导致训练得到的分类模型的精度下降，甚至精度异常不可用。

发明内容

本申请提供了一种模型参数调整的方法、设备、存储介质及程序产品。

根据本申请的第一方面，提供了一种模型参数调整的方法，包括：

利用基于安全多方计算训练得到的分类模型，对输入数据进行分类处理，得到所述分类模型的分类预测值；

对所述分类预测值进行缩小处理；

对缩小处理后的分类预测值进行归一化处理，得到所述分类预测值的归一化结果；

根据所述分类预测值的归一化结果，更新所述分类模型的参数。

根据本申请的第二方面，提供了一种模型参数调整的设备，包括：

分类处理模块，用于利用基于安全多方计算训练得到的分类模型，对输入数据进行分类处理，得到所述分类模型的分类预测值；

缩小处理模块，用于对所述分类预测值进行缩小处理；

归一化处理模块，用于对缩小处理后的分类预测值进行归一化处理，得到所述分类预测值的归一化结果；

参数更新模块，用于根据所述分类预测值的归一化结果，更新所述分类模型的参数。

根据本申请的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法。

根据本申请的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行第一方面所述的方法。

根据本申请的第五方面，提供了一种计算机程序产品，所述程序产品包括：计算机程序，所述计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的方法。

根据本申请的技术提高了基于安全多方计算训练得到的分类模型的精度。

应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。