[發明專利]一種任務處理方法、系統、設備及介質

在審

• 申請號: 202010093590.2
• 申請日: 2020-02-14
• 公開（公告）號: CN111339553A
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 周曦;姚志強
• 申請（專利權）人: 云從科技集團股份有限公司
• 主分類號: G06F21/62
• 分類號: G06F21/62;G06Q40/02
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 尹麗云

本發明提供一種任務處理方法、系統、設備及介質，包括有：各個任務處理端分別獲取對應的分解后的訓練任務；每個任務處理端基于本地訓練數據及從其他任務處理端獲取的隨機數或參數，執行所述分解后的訓練任務。一個或多個參與方發起訓練任務后，本發明能夠通過任務處理端分解所有的訓練任務，同時每個任務處理端根據分解后的訓練任務基于本地訓練數據以及從其他任務處理端獲取的隨機數和參數來執行分解后的訓練任務。即本方法在由多個數據提供方參與且在各參與方互相不信任的場景下，能夠聚合或協助聚合多方數據信息并保護多方隱私數據。

技術領域

本發明涉及數據處理技術領域，特別是涉及一種任務處理方法、系統、設備及介質。

背景技術

部分企業或機構掌握著一些數據，這些數據可能包括隱私數據和非隱私數據。而對于某些企業或機構而言，其希望利用這些數據來進行分析、評估等。例如，對于金融信貸機構而言，可能用于評估企業資質、企業經營狀態、貸款風險等。然而，這些數據可能屬于企業或機構的敏感隱私數據，多數企業或機構不方便直接共享給金融機構、政府或公眾等。因此，如何在保護數據隱私的情況下，實現數據共享是亟待解決的問題。

發明內容

鑒于以上所述現有技術的缺點，本發明的目的在于提供一種任務處理方法、系統、設備及介質，用于解決現有技術中存在的問題。

為實現上述目的及其他相關目的，本發明提供一種任務處理方法，包括以下步驟：

各個任務處理端分別獲取對應的分解后的訓練任務；

每個任務處理端基于本地訓練數據及從其他任務處理端獲取的隨機數或參數，執行所述分解后的訓練任務。

可選地，所述各個任務處理端分別獲取對應的分解后的訓練任務之前，還包括：

任務處理平臺接收所述任務處理端傳輸的訓練任務請求后，對所述訓練任務進行分解，獲得分解后的訓練任務，并將所述分解后的訓練任務分配給對應的任務處理端。

可選地，執行所述分解后的訓練任務之后，還包括：輸出共享模型。

可選地，各個任務處理端分別獲取對應的分解后的訓練任務后，每個任務處理端讀取本地訓練數據；

每個任務處理端從其他任務處理端獲取隨機數或加密參數，并基于所述隨機數或加密參數，對其他任務處理端傳輸過來的加密數據進行解密，獲得解密后的數據；

通過所述本地訓練數據、所述解密后的數據，進行學習訓練。

可選地，各個任務處理端分別獲取對應的分解后的訓練任務后，每個任務處理端讀取本地訓練數據；

每個任務處理端從其他任務處理端獲取模型訓練過程隨機數或模型訓練過程參數；

依據所述模型訓練過程隨機數或模型訓練過程參數及本地訓練數據，進行學習訓練。

可選地，，各個任務處理端分別獲取對應的分解后的訓練任務后，每個任務處理端讀取本地訓練數據；

每個任務處理端從其他任務處理端獲取訓練參數；

依據所述訓練參數及本地訓練數據，進行學習訓練。

可選地，所述訓練參數包括：卷積神經網絡層數、卷積核大小。

可選地，每個任務處理端從其他任務處理端獲取隨機數或參數的次數為一次或多次。

可選地，所述學習訓練采用的學習算法包括以下至少之一：線性回歸、邏輯回歸、樹模型、深度神經網絡、圖神經網絡。

可選地，所述訓練數據包括以下至少之一：社保數據、公積金數據、固定資產數據、流動資產數據。

可選地，所述流動資產數據包括以下至少之一：存款數據、貸款數據。