[发明专利]一种模型训练方法及装置、数据处理系统和电子设备

权利要求书

1.一种模型训练方法，其特征在于，应用于数据处理系统中，所述数据处理系统包括密文计算平台、数据提供方和结果需求方，密文计算平台中部署有密文计算引擎，数据提供方中部署有明文计算引擎，数据提供方包括主动数据提供方和被动数据提供方；所述的方法适用于线性回归模型训练所依赖的训练数据纵向分布在多个数据提供方的场景，训练数据包括样本数据和标签数据，样本数据纵向分布在多个数据提供方，标签数据由主动数据提供方持有；所述的方法包括：

主动数据提供方的明文计算引擎基于本地持有的样本数据进行明文运算，得到中间结果M1，并将所述M1的密文发送至被动数据提供方；

被动数据提供方的明文计算引擎基于所述M1和本地持有的样本数据进行明文运算，得到中间结果M2，并将所述M2的密文发送至密文计算平台；

主动数据提供方的明文计算引擎基于所述M1和本地持有的标签数据进行明文运算，得到中间结果M3，并将所述M3的密文发送至密文计算平台；

密文计算平台的密文计算引擎基于所述M2的密文和M3的密文进行计算，得到被动数据提供方对应的模型参数W2的密文，并将W2的密文返回给被动数据提供方；

被动数据提供方的明文计算引擎基于所述W2和本地持有的样本数据进行明文运算，得到中间结果M4并将所述M4的密文发送给所述主动数据提供方；

主动数据提供方的明文计算引擎基于本地持有的训练数据和M4进行明文运算，得到主动数据提供方对应的模型参数W1并将W1的密文发送至密文计算平台；

密文计算平台的密文计算引擎将所述W1的密文和W2的密文合并，得到线性回归模型的模型参数W的密文并将所述W的密文发送至结果需求方。

2.一种模型训练方法，其特征在于，应用于数据处理系统中，所述数据处理系统包括密文计算平台、数据提供方和结果需求方，密文计算平台中部署有密文计算引擎，数据提供方中部署有明文计算引擎，数据提供方包括主动数据提供方和被动数据提供方；所述的方法适用于线性回归模型训练所依赖的训练数据纵向分布在多个数据提供方的场景，训练数据包括样本数据和标签数据，样本数据纵向分布在多个数据提供方，标签数据由主动数据提供方持有；所述的方法由主动数据提供方的明文计算引擎执行，包括：

基于本地持有的样本数据进行明文运算，得到中间结果M1；

将所述M1的密文发送至被动数据提供方，以由被动数据提供方的明文计算引擎基于本地持有的样本数据和M1进行明文运算，得到中间结果M2并将M2的密文发送至密文计算平台；

基于本地持有的标签数据和M1进行明文运算，得到中间结果M3；

将所述M3的密文发送至密文计算平台，以由密文计算平台的密文计算引擎基于所述M2的密文和M3的密文进行计算，得到被动数据提供方对应的模型参数W2的密文并将W2的密文返回给被动数据提供方，以及由被动数据提供方的明文计算引擎基于本地持有的样本数据和W2进行明文运算，得到M4并将M4的密文发送至主动数据提供方；

获取M4的密文并基于本地持有的训练数据和M4进行明文运算，得到主动数据提供方对应的模型参数W1并将W1的密文发送至密文计算平台，以由密文计算平台的密文计算引擎将所述W1的密文和W2的密文合并，得到线性回归模型的模型参数W的密文并将所述W的密文发送至结果需求方。

3.根据权利要求2所述的方法，其特征在于，所述基于本地持有的样本数据进行明文运算，得到中间结果M1，包括：

基于所述样本数据、样本数据的转置和单位矩阵进行明文运算，得到中间结果M1。

4.根据权利要求2所述的方法，其特征在于，所述基于本地持有的标签数据和M1进行明文运算，得到中间结果M3，包括：

将M1左乘本地持有的标签数据，得到中间结果M3。

5.根据权利要求2所述的方法，其特征在于，所述基于本地持有的训练数据和M4进行明文运算，得到主动数据提供方对应的模型参数W1，包括：

基于所述样本数据、样本数据的转置、标签数据和M4进行明文运算，得到主动数据提供方对应的模型参数W1。