[发明专利]一种个性化的隐私保护学习方法、装置以及设备

说明书

本说明书实施例公开了一种个性化的隐私保护学习方法、装置以及设备。方案应用于第一参与端，包括：确定全局模型和第一参与端的局部模型；通过与多个第二参与端进行联邦学习，协同训练全局模型，得到第一训练结果；根据第一参与端的训练数据，训练第一参与端的局部模型，得到第二训练结果；根据第一训练结果和第二训练结果，训练第一参与端的局部模型。

技术领域

本说明书涉及机器学习技术领域，尤其涉及一种个性化的隐私保护学习方法、装置以及设备。

背景技术

联邦学习是近年来逐步被推广以及应用的一种隐私保护机器学习方案，其能有效帮助多个机构在满足用户隐私保护、数据安全和法律法规的要求下，进行数据使用和机器学习建模。

联邦学习在原始数据不出域的情况下，中间方(比如，各参与方共同的选择的可信机构)利用多参与方之间同步训练的中间结果以及梯度信息，实现联合进行模型训练以及预测的目的，训练好的模型会同步给有需要的参与方使用。

基于此，对于参与方而言，在联邦学习的场景下，需要更适用于自己的学习方案。

发明内容

本说明书一个或多个实施例提供个性化的隐私保护学习方法、装置、设备以及存储介质，用以解决如下技术问题：对于参与方而言，在联邦学习的场景下，需要更适用于自己的学习方案。

为解决上述技术问题，本说明书一个或多个实施例是这样实现的：

本说明书一个或多个实施例提供的一种个性化的隐私保护学习方法，应用于第一参与端，所述方法包括：

确定全局模型和所述第一参与端的局部模型；

通过与多个第二参与端进行联邦学习，协同训练所述全局模型，得到第一训练结果；

根据所述第一参与端的训练数据，训练所述第一参与端的局部模型，得到第二训练结果；

根据所述第一训练结果和所述第二训练结果，训练所述第一参与端的局部模型。

本说明书一个或多个实施例提供的一种个性化的隐私保护学习装置，应用于第一参与端，所述装置包括：

模型确定模块，确定全局模型和所述第一参与端的局部模型；

全局训练模块，通过与多个第二参与端进行联邦学习，协同训练所述全局模型，得到第一训练结果；

第一局部训练模块，根据所述第一参与端的训练数据，训练所述第一参与端的局部模型，得到第二训练结果；

第二局部训练模块，根据所述第一训练结果和所述第二训练结果，训练所述第一参与端的局部模型。

本说明书一个或多个实施例提供的一种个性化的隐私保护学习设备，应用于第一参与端，所述设备包括：

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：

确定全局模型和所述第一参与端的局部模型；

通过与多个第二参与端进行联邦学习，协同训练所述全局模型，得到第一训练结果；

根据所述第一参与端的训练数据，训练所述第一参与端的局部模型，得到第二训练结果；

根据所述第一训练结果和所述第二训练结果，训练所述第一参与端的局部模型。

本说明书一个或多个实施例提供的一种非易失性计算机存储介质，应用于第一参与端，所述介质存储有计算机可执行指令，所述计算机可执行指令设置为：