[发明专利]联合学习训练方法及装置

权利要求书

1.一种联合学习训练方法，其特征在于，包括：

在模型需求方发起训练任务后，依据所述训练任务，通过联合学习训练中心确定出多个参与方；

利用多个参与方的多个参与方数据对神经网络模型进行联合学习训练；

在所述联合学习训练中，获取每个参与方对应的工作日志，并通过安全监管中心获取每个参与方对应的监管信息；

根据每个参与方对应的所述工作日志和所述监管信息对所述神经网络模型进行审计处理，以得到可信联合学习模型。

2.根据权利要求1所述的方法，其特征在于，所述每个参与方对应的工作日志，包括：数据预处理日志、本地训练日志、上传日志和下载日志；

每个参与方对应的监管信息为每个参与方和所述联合学习训练中心交互的信息，包括：该参与方向所述联合学习训练中心上传模型的信息和该参与方从所述联合学习训练中心下载模型的信息。

3.根据权利要求2所述的方法，其特征在于，所述数据预处理日志、本地训练日志、上传日志和下载日志均包括：外部网络通讯信息、计算资源占用信息、模型库读写信息和数据库读取信息。

4.根据权利要求1所述的方法，其特征在于，所述根据每个参与方对应的所述工作日志和所述监管信息对所述神经网络模型进行审计处理，以得到可信联合学习模型，包括：

获取每个参与方对应的本地训练日志中的第一模型参数，其中，每个参与方对应的工作日志包括所述本地训练日志；

获取每个参与方向所述联合学习训练中心上传模型的信息中的第二模型参数，其中，每个参与方对应的监管信息包括该参与方向所述联合学习训练中心上传模型的信息；

分别对每个参与方对应的第一模型参数和第二模型参数进行哈希计算，得到第一哈希值和第二哈希值；

基于每个参与方对应的第一哈希值和第二哈希值，利用所述安全监管中心对所述神经网络模型进行审计处理，以得到所述可信联合学习模型。

5.根据权利要求4所述的方法，其特征在于，所述基于每个参与方对应的第一哈希值和第二哈希值，利用所述安全监管中心对所述神经网络模型进行审计处理，以得到可信联合学习模型，包括：

对比每个参与方对应的第一哈希值和第二哈希值：

当每个参与方对应的第一哈希值和第二哈希值均一致时，将经过所述联合学习训练之后的神经网络模型确定为所述可信联合学习模型；

当存在目标参与方，向所述目标参与方发送重新上传指令，以使所述目标参与方向所述联合学习训练中心重新上传模型，以得到所述可信联合学习模型，其中，所述目标参与方对应的第一哈希值和第二哈希值不一致。

6.根据权利要求1所述的方法，其特征在于，所述根据每个参与方对应的所述工作日志和所述监管信息对所述神经网络模型进行审计处理，以得到可信联合学习模型，包括：

根据每个参与方对应的上传日志和每个参与方向所述联合学习训练中心上传模型的信息，确定每个参与方是否存在数据泄露，其中，每个参与方对应的工作日志包括所述上传日志，每个参与方对应的监管信息包括该参与方向所述联合学习训练中心上传模型的信息；

当存在数据泄露的参与方时，基于拦截规则利用所述安全监管中心监管存在数据泄露的参与方与所述联合学习训练中心之间的交互，以得到所述可信联合学习模型，其中，所述拦截规则，包括：允许每个参与方与所述联合学习训练中心交互模型，不允许每个参与方与所述联合学习训练中心交互数据。

7.根据权利要求1所述的方法，其特征在于，所述根据每个参与方对应的所述工作日志和所述监管信息对所述神经网络模型进行审计处理，以得到可信联合学习模型，包括：

获取报警规则集合，其中，所述报警规则集合包括多条报警规则，每条报警规则对应所述工作日志和/或所述监管信息中的一个监控项，所述工作日志和/或所述监管信息包括多个监控项；

当所述监控日志中存在目标监控项违背所述报警规则集合中目标监控项对应的目标报警规则时，发出目标报警；

根据所述目标报警对应的报警信息对所述联合学习训练进行处理，以得到可信联合学习模型。