[发明专利]编译方法、装置、电子设备及存储介质

说明书

本发明公开了一种编译方法、装置、电子设备及存储介质。该编译方法应用于联邦学习的参与方，该方法包括：获取源代码，所述源代码中包括用于实现联邦学习的代码段；对所述源代码进行解析，生成动态计算图，所述动态计算图中包括与所述代码段对应的计算节点，所述动态计算图用于表征所述联邦学习的数据处理逻辑；利用预设的加密算子，替换所述动态计算图中的对应的计算节点的算子，生成加密计算图；根据所述加密计算图，生成编译后的代码。联邦学习的参与方可以采用此编译方法对源代码进行编译，利用预设的加密算子替换动态计算图中的对应算子，在编译过程中实现加密。因为编译方法支持对源代码中的算子进行加密，所以在源代码中无需编写加密过程。

技术领域

本发明涉及计算机领域，尤其涉及一种编译方法、装置、电子设备及存储介质。

背景技术

科技不断发展，人工智能技术已被广泛应用，数据的价值也愈发凸显。但随着近年来人们对数据隐私的重视以及相应政策法规的发布，传统的获取原始数据并进行机器学习建模的做法已不再方便可行。人们开始转而采用联邦机器学习或多方安全计算等方式进行建模。

联邦机器学习或多方安全计算会涉及到多个参与方之间的信息传输、调度等，一般需要在代码开发中显式地对加密信息传输，导致代码复杂，较难开发和维护。也会使得相应的机器学习开发和学习成本较高，体验较差。

发明内容

本发明的主要目的在于提供一种编译方法、装置、电子设备及存储介质，旨在通过对编译过程进行改进，以支持源代码开发的简化，进而提高源代码开发和维护的效率。

为实现上述目的，第一方面，本发明提供一种编译方法，应用于联邦学习的参与方，所述方法包括：

获取源代码，所述源代码中包括用于实现联邦学习的代码段；

对所述源代码进行解析，生成动态计算图，所述动态计算图中包括与所述代码段对应的计算节点，所述动态计算图用于表征所述联邦学习的数据处理逻辑；

利用预设的加密算子，替换所述动态计算图中的对应的计算节点的算子，生成加密计算图；

根据所述加密计算图，生成编译后的代码。

可选的，所述利用预设的加密算子，替换所述动态计算图中的对应的计算节点的算子，生成加密计算图，包括：

获取预设的加密算子，所述加密算子包括下述至少一项：用于计算损失函数的加密算子、用于进行加法计算的加密算子、用于进行乘法计算的加密算子、用于进行减法计算的加密算子、用于进行指数计算的加密算子；

对于每一加密算子，在所述动态计算图中查找是否存在对应的计算节点；

若存在对应的计算节点，则利用所述加密算子替换所述计算节点的算子。

可选的，所述对所述源代码进行解析，生成动态计算图，包括：

对所述源代码进行解析，生成静态计算图，所述静态计算图中包括与所述代码段对应的计算节点，所述静态计算图用于表征源代码对应的数据处理逻辑；

根据所述静态计算图和预设的优化规则，生成动态计算图，所述动态计算图用于表征优化后的数据处理逻辑。

可选的，所述根据所述静态计算图和预设的优化规则，生成动态计算图，包括：

根据预设的优化规则，确定所述静态计算图中的待调整节点；

调整所述待调整节点，生成动态计算图。

可选的，所述方法还包括：

确定在联邦学习过程中对数据进行加密时所使用的加密算法，根据加密算法，确定密文加法和/或密文乘法的计算逻辑；

根据所述密文加法和密文乘法的计算逻辑，确定各预设的加密算子的计算逻辑；