[发明专利]一种基于联邦学习的数据加密方法、装置和计算机设备

说明书

本申请实施例公开了一种基于联邦学习的数据加密方法、装置和计算机设备，属于计算机领域；本申请实施例可以获取第一成员节点的第一加密后样本标识和第二成员节点的第二加密后样本标识；根据第一加密后样本标识和第二加密后样本标识，识别第一加密后样本标识和第二加密后样本标识之间的样本标识交集；基于样本标识交集识别第一成员节点中的第一目标样本数据；对第一目标样本数据进行加密共享处理，得到第一共享样本数据；利用第一共享样本数据对预设联邦学习模型进行训练，得到训练后联邦学习模型，提高了数据的安全性。

技术领域

本申请涉及计算机技术领域，具体涉及一种基于联邦学习的数据加密方法、装置和计算机设备。

背景技术

人工智能技术在各行各业正发挥着巨大作用带来了极高的价值，其发展离不开海量数据的支持。近年来数据的隐私保护与数据合规性也越来越受重视，各国各地政府纷纷出台法律法规来保护数据安全，这使得数据无法互通，从而出现数据孤岛现象。数据孤岛现象阻碍了数据潜能的发挥以及人工智能技术的发展。为了解决这一问题，联邦学习的概念应运而生。联邦学习可以使多个成员节点的数据在不出本地的前提下实现共同建模，保证数据隐私性的同时激发了各成员节点的数据潜能。

在现有技术中，本申请的发明人通过实践发现，现有的联邦学习技术一般通过样本标识查找成员节点之间数据样本的交集。而该样本标识往往是未经过加密处理的数据。但是，样本标识一般也是属于隐私数据的一部分，例如，样本标识可能是对象的身份证或者手机号码，等等。若直接利用未经过加密的样本标识识别成员节点之间数据样本的交集，这将降低数据的安全性。

发明内容

本申请实施例提出了一种基于联邦学习的数据加密方法、装置和计算机设备，可以提高数据的安全性。

本申请实施例提供了一种基于联邦学习的数据加密方法，包括：

获取第一成员节点的第一加密后样本标识和第二成员节点的第二加密后样本标识，其中，所述第二成员节点为所述数据联邦中除了所述第一成员节点以外的节点；

根据所述第一加密后样本标识和所述第二加密后样本标识，识别所述第一加密后样本标识和第二加密后样本标识之间的样本标识交集；

基于所述样本标识交集识别所述第一成员节点中的第一目标样本数据，其中，所述第一目标样本数据为所述第一成员节点的样本数据中和所述第二成员节点的样本数据存在交集的数据；

对所述第一目标样本数据进行加密共享处理，得到第一共享样本数据；

利用所述第一共享样本数据对预设联邦学习模型进行训练，得到训练后联邦学习模型。

相应的，本申请实施例还提供了一种基于联邦学习的数据加密装置，包括：

获取单元，用于获取第一成员节点的第一加密后样本标识和第二成员节点的第二加密后样本标识，其中，所述第二成员节点为所述数据联邦中除了所述第一成员节点以外的节点；

标识识别单元，用于根据所述第一加密后样本标识和所述第二加密后样本标识，识别所述第一加密后样本标识和第二加密后样本标识之间的样本标识交集；

数据识别单元，用于基于所述样本标识交集识别所述第一成员节点中的第一目标样本数据，其中，所述第一目标样本数据为第一成员节点的样本数据中和所述第二成员节点的样本数据存在交集的数据；

共享加密单元，用于对所述第一目标样本数据进行加密共享处理，得到第一共享样本数据；

训练单元，用于利用所述第一共享样本数据对预设联邦学习模型进行训练，得到训练后联邦学习模型。

在一实施例中，所述获取单元，包括：