[发明专利]基于联邦学习的数据特征查询方法、装置、设备及介质

说明书

本申请提供一种基于联邦学习的数据特征查询方法、装置、设备及介质，方法包括：主动方设备基于数据特征对于联邦学习模型的重要程度，在用于训练联邦学习模型的多个数据特征中确定至少一个待查询数据特征；其中，重要程度用于指示待查询数据特征对于联邦学习模型的预测结果的影响程度；分别确定与各待查询数据特征对应的被动方设备；发送各待查询数据特征对应的查询请求至相应的被动方设备；当主动方设备具备特征查询权限时，接收被动方设备返回的相应待查询数据特征的特征信息。如此，主动方设备通过发送对应数据特征的查询请求来获取被动方设备所提供的特征信息，提升了联邦学习模型的可解释性，增强了主动方建模用户的使用体验。

技术领域

本申请涉及人工智能技术，尤其涉及一种基于联邦学习的数据特征查询方法、装置、设备及介质。

背景技术

纵向联邦学习通常由不同的参与方联合训练机器学习模型，其中有标签的参与方(通常只有一个)称为主动方，没有标签的参与方称为被动方。在训练过程中，各参与方之间只传输加密后的模型信息和梯度信息，不传输数据信息，从而保护了用户隐私数据的安全。由于被动方设备的特征信息对于主动方设备是完全不可见的，这样虽然可以保护被动方设备的特征信息，但也会造成主动方设备的一些困惑，例如，主动方设备完成建模之后，只能看到入模变量的数量和预测能力的强弱，但是对入模变量的含义则完全不了解。实际上，有的被动方设备对于特征信息的披露并没有这么敏感，他们可以接受一定程度的信息披露。因此，当被动方设备可以接受特征信息披露时，这种完全屏蔽了被动方设备所提供的特征信息的做法则会影响主动方建模用户的使用体验。

发明内容

本申请实施例提供一种基于联邦学习的数据特征查询方法、装置、电子设备、计算机可读存储介质及计算机程序产品，能够获取被动方设备所提供的特征信息，提升了联邦学习模型的可解释性，增强了主动方建模用户的使用体验。

本申请实施例的技术方案是这样实现的：

本申请实施例提供一种基于联邦学习的数据特征查询方法，所述方法基于联邦学习系统，所述联邦学习系统包括具有标签的主动方设备，以及至少一个被动方设备，所述方法包括：

主动方设备基于数据特征对于联邦学习模型的重要程度，在用于训练联邦学习模型的多个数据特征中确定至少一个待查询数据特征；

其中，所述重要程度用于指示所述待查询数据特征对于所述联邦学习模型的预测结果的影响程度；

分别确定与各所述待查询数据特征对应的被动方设备；

发送各所述待查询数据特征对应的查询请求至相应的被动方设备；

当所述主动方设备具备特征查询权限时，接收所述被动方设备返回的相应待查询数据特征的特征信息。

本申请实施例提供一种基于联邦学习的数据特征查询装置，包括：

第一确定模块，用于主动方设备基于数据特征对于联邦学习模型的重要程度，在用于训练联邦学习模型的多个数据特征中确定至少一个待查询数据特征；其中，所述重要程度用于指示，所述待查询数据特征对于所述联邦学习模型的预测结果的影响程度；

第二确定模块，用于分别确定与各所述待查询数据特征对应的被动方设备；

发送模块，用于发送各所述待查询数据特征对应的查询请求至相应的被动方设备；

接收模块，用于当所述主动方设备具备特征查询权限时，接收所述被动方设备返回的相应待查询数据特征的特征信息。

上述方案中，所述第一确定模块，还用于获取用于训练联邦学习模型的多个数据特征中各数据特征的重要程度；基于所述重要程度顺序，对所述多个数据特征进行排序，得到排序结果；从所述排序结果中第一个数据特征开始，选取至少两个数据特征作为所述待查询数据特征。