[發明專利]一種訓練樹模型的方法、裝置和用于訓練樹模型的裝置

在審

• 申請號: 202010764640.5
• 申請日: 2020-07-30
• 公開（公告）號: CN112052875A
• 公開（公告）日: 2020-12-08
• 發明（設計）人: 王國賽;何旭;范曉昱;陳琨
• 申請（專利權）人: 華控清交信息科技（北京）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F21/60;G06F17/16
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 莎日娜

本發明實施例提供一種訓練樹模型的方法、裝置和用于訓練樹模型的裝置，用于基于數據集訓練樹模型，數據集中包括m條樣本數據和m個樣本標簽，每條樣本數據包括n個特征，數據集中的特征和特征值為密文。該方法包括：依據數據集，基于密文生成候選分組；依據每個候選分組，基于密文將數據集劃分為左子集和右子集；基于每個候選分組劃分得到的左子集和右子集，計算每個候選分組的劃分系數；確定目標候選分組中的特征為最優特征，以及確定目標候選分組中的閾值為最優切分點，最優特征和最優切分點為密文；依據最優特征和最優切分點，將數據集分配到當前節點的兩個子節點。本發明實施例可以基于數據的密文訓練樹模型，保護數據的隱私安全。

技術領域

本發明涉及計算機技術領域，尤其涉及一種訓練樹模型的方法、裝置和用于訓練樹模型的裝置。

背景技術

決策樹是一種樹形結構，樹中的每個內部節點表示一個屬性上的判斷，每個分支代表一個判斷結果的輸出，每個葉節點代表一種分類結果。通過樣本數據可以訓練決策樹。利用訓練的決策樹，可以對新的數據給出正確的分類結果。

隨著大數據時代的來臨，大數據平臺下匯集了用戶在使用網絡服務過程中所產生的業務數據，其中不可避免地有關系到用戶身份保密、賬戶安全和個人隱私的敏感信息，這些信息一旦泄露會給用戶生活帶來嚴重的危害。

因此，如何在訓練決策樹的過程中保護數據的隱私安全，成為目前亟待解決的問題。

發明內容

本發明實施例提供一種訓練樹模型的方法、裝置和用于訓練樹模型的裝置，可以基于數據的密文訓練樹模型，保護數據的隱私安全。

為了解決上述問題，本發明實施例公開了一種訓練樹模型的方法，所述方法用于基于數據集訓練樹模型，所述數據集中包括m條樣本數據和m個樣本標簽，每條樣本數據包括n個特征，所述數據集中的特征和特征值為密文，所述方法包括：

依據所述數據集，基于密文生成候選分組，每個候選分組由一個特征和該特征對應的閾值組成；

依據所述每個候選分組，基于密文將所述數據集劃分為左子集和右子集；

基于所述每個候選分組劃分得到的左子集和右子集，計算所述每個候選分組的劃分系數；

確定目標候選分組中的特征為最優特征，以及確定所述目標候選分組中的閾值為最優切分點，所述目標候選分組為劃分系數滿足預設條件的候選分組，所述最優特征和所述最優切分點為密文；

依據所述最優特征和所述最優切分點，將所述數據集分配到當前節點的兩個子節點；

對所述兩個子節點遞歸執行上述步驟，直至滿足停止條件。

另一方面，本發明實施例公開了一種訓練樹模型的裝置，所述裝置用于基于數據集訓練樹模型，所述數據集中包括m條樣本數據和m個樣本標簽，每條樣本數據包括n個特征，所述數據集中的特征和特征值為密文，所述裝置包括：

分組生成模塊，用于依據所述數據集，基于密文生成候選分組，每個候選分組由一個特征和該特征對應的閾值組成；

子集劃分模塊，用于依據所述每個候選分組，基于密文將所述數據集劃分為左子集和右子集；

系數計算模塊，用于基于所述每個候選分組劃分得到的左子集和右子集，計算所述每個候選分組的劃分系數；

最優確定模塊，用于確定目標候選分組中的特征為最優特征，以及確定所述目標候選分組中的閾值為最優切分點，所述目標候選分組為劃分系數滿足預設條件的候選分組，所述最優特征和所述最優切分點為密文；

數據分配模塊，用于依據所述最優特征和所述最優切分點，將所述數據集分配到當前節點的兩個子節點；

遞歸執行模塊，用于對所述兩個子節點遞歸執行上述步驟，直至滿足停止條件。