[發明專利]保護隱私的模型訓練方法和裝置、數據處理方法、服務器

在審

• 申請號: 202010533506.4
• 申請日: 2020-06-12
• 公開（公告）號: CN111490995A
• 公開（公告）日: 2020-08-04
• 發明（設計）人: 李翰林
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: H04L29/06
• 分類號: H04L29/06;H04L9/08;G06F21/62;G06F21/60;H03M7/30
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 周達;闞傳猛

1.一種保護隱私的模型訓練方法，包括：

響應模型訓練請求，獲取并對第一特征數據進行矩陣壓縮，得到壓縮后的第一特征數據；

利用第一加密秘鑰對所述壓縮后的第一特征數據進行加密處理，得到處理后的第一特征數據；

將所述處理后的第一特征數據發送至第三服務器；其中，所述第三服務器用于接收來自第一服務器的處理后的第一特征數據，以及來自第二服務器的處理后的第二特征數據；所述第三服務器還用于在可信執行環境中，根據所述處理后的第一特征數據和處理后的第二特征數據進行模型訓練。

2.根據權利要求1所述的方法，所述對所述第一特征數據進行矩陣壓縮，包括：

根據預設的壓縮規則，確定所述第一特征數據的結構類型；

根據所述預設的壓縮規則，以及所述第一特征數據的結構類型，對所述第一特征數據進行相應的矩陣壓縮。

3.根據權利要求2所述的方法，所述根據所述預設的壓縮規則，以及所述第一特征數據的結構類型，對所述第一特征數據進行相應的矩陣壓縮，包括：

在確定所述第一特征數據的結構類型為第一結構類型的情況下，通過DIA的壓縮方式對所述第一特征數據進行矩陣壓縮；

在確定所述第一特征數據的結構類型為第二結構類型的情況下，通過COO的壓縮方式對所述第一特征數據進行矩陣壓縮；

在確定所述第一特征數據的結構類型為第三結構類型的情況下，通過CSR的壓縮方式對所述第一特征數據進行矩陣壓縮。

4.根據權利要求2所述的方法，所述對所述第一特征數據進行矩陣壓縮，還包括：

確定所述第一特征數據中數據值相同的非零數據元素的占比是否大于預設的占比閾值；

在確定所述第一特征數據中數據值相同的非零數據元素的占比大于所述預設的占比閾值的情況下，將所述第一特征數據中數據值相同的非零數據元素作為目標調整元素；

記錄所述目標調整元素的數據值，以及目標調整元素的位置信息作為第一附件數據，并將所述第一特征數據中的目標調整元素的數據值替換成0，得到調整后的第一特征數據；

對所述調整后的第一特征數據進行矩陣壓縮，得到壓縮后的被調整的第一特征數據。

5.根據權利要求4所述的方法，所述利用第一加密秘鑰對所述壓縮后的第一特征數據進行加密處理，得到處理后的第一特征數據，包括：

利用第一加密秘鑰對所述壓縮后的被調整的第一特征數據和所述第一附件數據分別進行加密處理，得到處理后的第一特征數據和處理后的第一附件數據，并將所述處理后的第一特征數據和所述處理后的第一附件數據發送至第三服務器。

6.根據權利要求1所述的方法，在將所述處理后的第一特征數據發送至第三服務器后，所述方法還包括：

接收所述第三服務器反饋的目標模型；

利用所述目標模型進行數據處理。

7.一種保護隱私的模型訓練方法，包括：

接收處理后的第一特征數據，以及處理后的第二特征數據，其中，所述處理后的第一特征數據包括第一服務器對壓縮后的第一特征數據進行加密處理得到的數據，所述壓縮后的第一特征數據包括對第一特征數據進行矩陣壓縮得到的數據，所述處理后的第二特征數據包括第二服務器對壓縮后的第二特征數據進行加密處理得到的數據，所述壓縮后的第二特征數據包括對第二特征數據進行矩陣壓縮得到的數據；

在可信執行環境中，根據所述處理后的第一特征數據和所述處理后的第二特征數據進行模型訓練，以得到目標模型。

8.根據權利要求7所述的方法，所述在可信執行環境中，根據所述處理后的第一特征數據和所述處理后的第二特征數據進行模型訓練，以得到目標模型，包括：

在所述可信執行環境中，利用第一解密秘鑰對所述處理后的第一特征數據進行解密處理，得到壓縮后的第一特征數據；利用第二解密秘鑰對所述處理后的第二特征數據進行解密處理，得到壓縮后的第二特征數據；

在所述可信執行環境中，根據所述壓縮后的第一特征數據和所述壓縮后的第二特征數據，進行模型訓練，以得到目標模型。