[發明專利]聯邦學習開發方法、裝置、設備及存儲介質

在審

• 申請號: 202010133912.1
• 申請日: 2020-02-28
• 公開（公告）號: CN111340453A
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 魏文斌;范濤;唐明超;陳天健
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06Q10/10
• 分類號: G06Q10/10;G06N20/00;G06F7/58;G06F21/60
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 王韜

1.一種聯邦學習開發方法，其特征在于，所述聯邦學習開發方法包括：

若檢測到工業開發需求，則確定所述工業開發需求中的多個參與方，并根據所述工業開發需求確定第一評估模型和預設評估條件；其中，不同工業開發需求對應不同第一評估模型和不同預設評估條件；

根據所述多個參與方生成各參與方的隨機數，并基于各參與方的本地數據和隨機數，對第一評估模型進行融合評估處理，以獲得融合評估值；

根據所述預設評估條件和所述融合評估值，對所述第一評估模型進行聯邦學習訓練，得到第二評估模型。

2.如權利要求1所述的聯邦學習開發方法，其特征在于，所述根據所述預設評估條件和所述融合評估值，對所述第一評估模型進行聯邦學習訓練，得到第二評估模型的步驟包括：

若融合評估值未達到所述預設評估條件，則對所述第一評估模型進行聯邦學習訓練，并重復對所述第一評估模型進行融合評估處理的步驟；

若融合評估值達到所述預設評估條件，則將所述第一評估模型確定為第二評估模型。

3.如權利要求1所述的聯邦學習開發方法，其特征在于，所述根據所述多個參與方生成各參與方的隨機數的步驟包括：

根據所述多個參與方生成各參與方中兩兩參與方之間的共同密鑰，并將各共同密鑰發送至所述各共同密鑰對應的參與方；

根據各參與方和各參與方對應的共同密鑰，生成各共同密鑰對應的兩兩參與方之間的隨機數。

4.如權利要求3所述的聯邦學習開發方法，其特征在于，所述根據所述多個參與方生成各參與方中兩兩參與方之間的共同密鑰的步驟包括：

根據各參與方生成DH公鑰，并將所述DH公鑰廣播至各參與方；

根據各參與方和各參與方接收的DH公鑰，計算各參與方對應的私鑰，并將各參與方的私鑰加密，得到各參與方的加密密文，并將各加密密文廣播至各參與方；

根據各參與方和各參與方的加密密文，計算各參與方中兩兩參與方之間的共同密鑰。

5.如權利要求1所述的聯邦學習開發方法，其特征在于，所述若融合評估值未達到所述預設評估條件，則對所述第一評估模型進行聯邦學習訓練的步驟包括：

若所述融合評估值未達到預設評估條件，則根據各參與方的本地數據對第一評估模型進行訓練處理，以獲得各參與方的本地訓練模型參數，以及所述各本地訓練模型的權重因子；

根據各參與方的隨機數和權重因子，對各參與方的本地訓練模型參數進行加密，以獲得各參與方的加密模型參數；

對各參與方的加密模型參數進行聚合平均處理，并基于聚合平均后的模型參數對所述第一評估模型進行更新。

6.如權利要求5所述的聯邦學習開發方法，其特征在于，所述對各參與方的加密模型參數進行聚合平均處理，并基于聚合平均后的模型參數對所述第一評估模型進行更新的步驟包括：

將各參與方的加密模型參數進行聚合處理，生成聚合模型參數；

將各參與方的權重因子進行聚合處理，生成聚合權重因子；

根據聚合模型參數和聚合權重因子進行模型參數平均處理，并基于聚合平均處理后的模型參數對所述第一評估模型進行更新。

7.如權利要求1-6任一項所述的聯邦學習開發方法，其特征在于，所述根據各參與方的隨機數和權重因子，對各參與方的本地訓練模型參數進行加密，以獲得各參與方的加密模型參數的步驟包括：

根據各參與方、各參與方的本地訓練模型參數以及權重因子，生成各參與方的初始模型參數；

根據各參與方和各參與方的隨機數生成各參與方的隨機模型參數；

獲取各參與方的標識號，并根據各參與方對應的標識號確定各參與方的初始模型參數的加密方式；

若加密方式為相加方式，則將各參與方的所述初始模型參數和隨機模型參數進行相加處理，獲得各參與方的第一模型參數；

若加密方式為相減方式，則將各參與方的所述初始模型參數和隨機模型參數進行相減處理，獲得各參與方的第二模型參數；

將各參與方的第一模型參數或第二模型參數確認為各參與方的加密模型參數。