[發明專利]一種機器學習模型的數據處理方法、裝置及系統

在審

• 申請號: 201980091130.1
• 申請日: 2019-02-03
• 公開（公告）號: CN113711247A
• 公開（公告）日: 2021-11-26
• 發明（設計）人: 謝翔;孫立林
• 申請（專利權）人: 上海陣方科技有限公司;矩陣元技術（深圳）有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06F21/60
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 謝層層;徐煥

1.一種機器學習模型的數據處理方法，其特征在于，包括：

利用不經意傳輸協議或同態加密算法，獲取第二終端的數據信息；

將所述數據信息輸入到樹模型中，所述樹模型的每一層調用實現比較功能的函數，并根據所述數據信息，獲得所述樹模型每一個節點對應的哈希值，其中，所述實現比較功能的函數用于基于輸入的數據生成兩個哈希向量，所述哈希向量用于哈希計算；

根據所述樹模型的葉子節點對應的哈希值，生成節點屬性值加密信息，并將所述節點屬性值加密信息發送給所述第二終端，以使得所述第二終端根據所述節點屬性值加密信息，生成第二終端對應的第二預測值份額。

2.如權利要求1所述的方法，其特征在于，所述樹模型的每一層調用實現比較功能的函數，并根據所述數據信息，獲得樹模型每一個節點對應的哈希值，包括：

根據所述數據信息，生成第一比較數據，并根據所述第二終端生成的第二比較數據，調用所述實現比較功能的函數，獲得第一哈希向量；

根據所述第一哈希向量生成所述樹模型的節點的哈希值，并利用所述節點的哈希值對對應的節點的屬性信息進行加密，獲得每一個節點的節點加密信息；

將所述節點加密信息發送給所述第二終端，以使得所述第二終端根據所述實現比較功能的函數返回的第二哈希向量對所述節點加密信息進行解密，獲得媒介數據；

根據所述媒介數據重新生成所述第一比較數據，以及所述第二終端更新的第二比較數據，進行下一層樹模型的計算，直至所述樹模型的最后一層。

3.如權利要求2所述的方法，其特征在于，所述利用所述節點的哈希值對對應的節點的屬性信息進行加密，包括：

使用對稱加密算法對所述屬性信息進行加密。

4.如權利要求1所述的方法，其特征在于，所述根據所述樹模型的葉子節點對應的哈希值，生成節點屬性值加密信息，包括：

隨機生成第一預測值份額，并獲取所述樹模型的葉子節點的屬性值；

計算所述葉子節點的屬性值與所述第一預測值份額的異或信息；

利用葉子節點對應的哈希值對對應的葉子節點的異或信息進行加密，獲得所述節點屬性值加密信息。

5.如權利要求1所述的方法，其特征在于，所述方法還包括：

若所述樹模型有多個，則生成多個所述節點屬性值加密信息，并將多個所述節點屬性值加密信息發送給所述第二終端，以使得所述第二終端根據所述節點屬性值加密信息，獲得多個所述第二預測值份額。

6.一種機器學習模型的數據處理方法，其特征在于，包括：

利用不經意傳輸協議或同態加密算法，將數據信息發送至第一終端，以使得所述第一終端中的樹模型調用實現比較功能的函數，根據所述數據信息獲得所述樹模型每一個節點對應的哈希值，其中，所述實現比較功能的函數用于基于輸入的數據生成兩個哈希向量，所述哈希向量用于哈希計算；

接收所述第一終端根據所述樹模型的葉子節點對應的哈希值生成的節點屬性值加密信息；

對所述的節點屬性值加密信息進行解密，獲得第二預測值份額。

7.如權利要求6所述的方法，其特征在于，所述將數據信息發送至第一終端后，所述方法還包括：

初始化生成第二比較數據，并根據所述第一終端生成的第一比較數據，調用所述實現比較功能的函數，獲得第二哈希向量；

接收所述第一終端根據第一哈希向量生成的節點加密信息，并根據所述第二哈希向量對所述節點加密信息進行解密，獲得媒介數據；

根據所述媒介數據重新生成所述第二比較數據，以及所述第一終端更新的第一比較數據，進行下一層樹模型的計算，直至所述樹模型的最后一層。

8.如權利要求6所述的方法，其特征在于，所述方法還包括：

若所述第一終端包括多個樹模型，則接收多個樹模型生成的節點屬性值加密信息；

根據所述多個節點屬性值加密信息，生成多個第二預測值份額；

將所述多個第二預測值份額進行線性疊加，獲得模型預測信息。