[发明专利]联邦学习模型的模型参数训练方法、装置和电子设备

权利要求书

1.一种联邦学习模型的模型参数训练方法，其特征在于，所述方法包括：

与数据提供方服务器进行样本对齐；

获取公共参数；

计算当前样本的梯度信息，并发送至所述数据提供方服务器；

接收所述数据提供方服务器提供的中间参数和梯度返回信息，其中，所述中间参数为所述公共参数的第一密钥次方；

根据所述梯度返回信息生成目标分裂点编号，并基于业务密钥，以及所述中间参数或所述公共参数生成密文；

基于所述目标分裂点编号和混淆分裂点编号生成特征混淆字典，并将所述特征混淆字典和所述密文发送至所述数据提供方服务器；以及

接收所述数据提供方服务器发送的第一解密运算值集合和第二解密运算值集合,并根据所述业务密钥、所述第一解密运算值集合和所述第二解密运算值集合进行节点分裂。

2.如权利要求1所述的联邦学习模型的模型参数训练方法，其特征在于，所述计算当前样本的梯度信息，包括：

生成所述当前样本的一阶梯度值和二阶梯度值；

对所述一阶梯度值和所述二阶梯度值进行同态加密以生成所述梯度信息。

3.如权利要求1所述的联邦学习模型的模型参数训练方法，其特征在于，所述梯度返回信息为多个，且每个所述梯度返回信息对应有相应的编号，其中，所述根据所述梯度返回信息生成目标分裂点编号，包括：

根据所述多个梯度返回信息分别生成对应的多个信息增益；

从所述多个信息增益之中选择最大信息增益，并将所述最大信息增益对应的编号作为所述目标分裂点编号。

4.如权利要求1所述的联邦学习模型的模型参数训练方法，其特征在于，所述基于所述业务密钥，以及所述中间参数或所述公共参数生成密文，包括：

获取业务中间值，其中，所述业务中间值为1或0；

当所述业务中间值为0时，基于所述业务密钥，以及所述公共参数生成所述密文；

当所述业务中间值为1时，基于所述业务密钥，以及所述中间参数生成所述密文。

5.如权利要求4所述的联邦学习模型的模型参数训练方法，其特征在于，所述基于所述目标分裂点编号和混淆分裂点编号生成特征混淆字典，包括：

根据所述业务中间值、所述目标分裂点编号和所述混淆分裂点编号，生成特征混淆字典，其中，所述混淆分裂点编号为从所述梯度返回信息对应有相应的编号中选取的一个编号。

6.如权利要求4或5所述的联邦学习模型的模型参数训练方法，其特征在于，所述根据所述业务密钥、所述第一解密运算值集合和所述第二解密运算值集合进行节点分裂，包括：

计算所述第一解密运算值集合中的第一个元素的所述业务密钥次方与所述第一解密运算值集合中的第二个元素的第一异或值；

计算所述第二解密运算值集合中的第一个元素的所述业务密钥次方与所述第二解密运算值集合中的第二个元素的第二异或值；

根据所述第一异或值和所述第二异或值生成分裂空间信息；

根据所述当前样本和所述分裂空间信息进行节点分裂。

7.一种联邦学习模型的模型参数训练方法，其特征在于，所述方法包括：

与业务方服务器进行样本对齐；

获取公共参数；

接收所述业务方服务器发送的当前所训练的样本的梯度信息，并根据所述梯度信息获取梯度返回信息；

向所述业务方服务器发送中间参数和梯度返回信息，其中，所述中间参数为所述公共参数的第一密钥次方；

接收所述业务方服务器发送的基于业务密钥，以及所述中间参数或所述公共参数生成的密文，和特征混淆字典；以及

根据所述中间参数、所述公共参数、所述密文和所述特征混淆字典生成第一解密运算值集合和第二解密运算值集合，并发送给所述业务方服务器。