[发明专利]基于隐私计算的标签预测模型生成方法、预测方法、模型生成装置、系统及介质

权利要求书

1.一种基于隐私计算的标签预测模型生成方法，其特征在于，所述方法包括：

至少两个数据提供方获取目标共有特征数据；

每个数据提供方从各自的业务数据中获取所述目标共有特征数据各自对应的待测对象的特有特征数据和数据标签；

所述每个数据提供方分别基于所述目标共有特征数据，以及所述目标共有特征数据各自对应的待测对象的特有特征数据和数据标签，确定每个待测对象的随机配对数据，所述随机配对数据为所述每个待测对象对应的数据特征向量和数据标签的乘积和，所述每个待测对象对应的数据特征向量为所述每个待测对象对应的特有特征数据和对应的所述目标共有特征数据的向量组合；

所述每个数据提供方分别将每个待测对象的随机配对数据发送给协调服务器；

所述协调服务器基于所述每个待测对象的随机配对数据得到随机配对数据集；

所述协调服务器利用所述随机配对数据集对标签预测模型进行训练，将训练的结果作为目标标签预测模型；

所述协调服务器将所述目标标签预测模型发送给所述至少两个数据提供方。

2.一种基于隐私计算的标签预测模型生成方法，应用于协调服务器，其特征在于，所述方法包括：

接收至少两个数据提供方发送的每个待测对象的随机配对数据，所述每个待测对象的随机配对数据为所述至少两个数据提供方获取目标共有特征数据，从各自的业务数据中获取所述目标共有特征数据各自对应的待测对象的特有特征数据和数据标签，并分别基于所述目标共有特征数据，以及所述目标共有特征数据各自对应的待测对象的特有特征数据和数据标签，确定的每个待测对象的随机配对数据，所述随机配对数据为所述每个待测对象对应的数据特征向量和数据标签的乘积和，所述每个待测对象对应的数据特征向量为所述每个待测对象对应的特有特征数据和对应的所述目标共有特征数据的向量组合；

基于所述每个待测对象的随机配对数据得到随机配对数据集；

利用所述随机配对数据集对标签预测模型进行训练，得到目标标签预测模型；

将所述目标标签预测模型发送给所述至少两个数据提供方。

3.根据权利要求2所述的方法，其特征在于，所述接收至少两个数据提供方发送的每个待测对象的随机配对数据之前，所述方法还包括：

确定目标共有特征数据，并向所述至少两个数据提供方发送所述目标共有特征数据；

或者向所述至少两个数据提供方发送所述目标标签预测模型生成请求，以使所述至少两个数据提供方中的目标数据提供方响应于所述目标标签预测模型生成请求，确定所述目标共有特征数据，并将所述目标共有特征数据发送给所述至少两个数据提供方中的非目标数据提供方。

4.根据权利要求2所述的方法，其特征在于，所述利用所述随机配对数据集对标签预测模型进行训练，得到目标标签预测模型包括：

构建标签预测模型；

将所述随机配对数据集输入所述标签预测模型，得到预测标签数据，所述随机配对数据集包括所述数据标签；

基于所述预测标签数据和所述数据标签确定所述标签预测模型的模型损失；

判断所述模型损失是否满足预设条件；

若满足，将所述模型损失所对应的标签预测模型作为所述目标标签预测模型；

若不满足，重复基于所述模型损失对所述标签预测模型的模型参数进行调整，得到新的标签预测模型；将所述随机配对数据集输入所述新的标签预测模型，得到新的预测标签数据；基于所述新的预测标签数据和所述数据标签确定新的模型损失，直至所述新的模型损失满足预设条件；

将满足预设条件的所述新的模型损失所对应的标签预测模型作为所述目标标签预测模型。