[發明專利]模型參數驗證方法、設備及可讀存儲介質

有效

• 申請號: 202010830270.0
• 申請日: 2020-08-14
• 公開（公告）號: CN111967609B
• 公開（公告）日: 2021-08-06
• 發明（設計）人: 吳錦和;李月;范力欣;張天豫
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;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: 張志江

1.一種模型參數驗證方法，其特征在于，所述模型參數驗證方法包括：

接收聯邦參與設備發送的加密模型參數；

將所述加密模型參數輸入預設哈希編碼模型，以基于所述加密模型參數的類別特征信息，對所述加密模型參數進行哈希編碼，獲得輸出哈希編碼值；

獲取加密模型參數對應的類別目標哈希編碼值，并基于所述輸出哈希編碼值和所述類別目標哈希編碼值，對所述加密模型參數進行驗證，獲得目標驗證結果；

基于所述目標驗證結果，確定并剔除所述聯邦參與設備中存在的惡意參與設備，以進行聯邦學習。

2.如權利要求1所述模型參數驗證方法，其特征在于，所述哈希編碼模型包括隱藏層和哈希層，

所述將所述加密模型參數輸入預設哈希編碼模型，以基于所述加密模型參數的類別特征信息，對所述加密模型參數進行哈希編碼，獲得輸出哈希編碼值的步驟包括：

將所述加密模型參數輸入所述隱藏層，對所述加密模型參數進行數據處理，獲得所述類別特征信息；

將所述類別特征信息輸入所述哈希層，對所述類別特征信息進行極化哈希，獲得極化哈希結果；

提取所述極化哈希結果中的各極化標識，并基于各所述極化標識，生成所述輸出哈希編碼值。

3.如權利要求1所述模型參數驗證方法，其特征在于，所述基于所述輸出哈希編碼值和所述類別目標哈希編碼值，對所述加密模型參數進行驗證，獲得目標驗證結果的步驟包括：

計算所述輸出哈希編碼值和所述類別目標哈希編碼值之間的計算漢明距離，并將所述計算漢明距離與預設第一漢明距離閥值進行比對；

若所述計算漢明距離大于所述預設第一漢明距離閥值，則所述目標驗證結果為加密模型參數可疑；

若所述計算漢明距離小于或者等于所述預設第一漢明距離閥值，則所述目標驗證結果為加密模型參數可信。

4.如權利要求1所述模型參數驗證方法，其特征在于，所述獲取加密模型參數對應的類別目標哈希編碼值的步驟包括：

獲取所述加密模型參數對應的在先加密模型參數；

將所述在先加密模型參數輸入所述預設哈希編碼模型，以基于所述在先加密模型參數的在先類別特征信息，對所述在先加密模型參數進行哈希編碼，獲得所述類別目標哈希編碼值。

5.如權利要求1所述模型參數驗證方法，其特征在于，在所述將所述加密模型參數輸入預設哈希編碼模型，以基于所述加密模型參數的類別特征信息，對所述加密模型參數進行哈希編碼，獲得輸出哈希編碼值的步驟之后，所述模型參數驗證方法還包括：

獲取所述輸出哈希編碼值對應的各關聯輸出哈希編碼值，并計算所述輸出哈希編碼值和各所述關聯輸出哈希編碼值之間的平均哈希編碼值；

獲取所述平均哈希編碼值對應的平均目標哈希編碼值，并基于所述平均哈希編碼值和所述平均目標哈希編碼值，對所述加密模型參數進行驗證，獲得第二目標驗證結果；

基于所述第二目標驗證結果，確定并剔除所述聯邦參與設備中存在的惡意參與設備，以進行聯邦學習。

6.如權利要求1所述模型參數驗證方法，其特征在于，所述基于所述目標驗證結果，確定并剔除所述聯邦參與設備中存在的惡意參與設備的步驟包括：

基于所述目標驗證結果，確定所述聯邦參與設備中存在的可疑參與設備；

獲取所述可疑參與設備的可疑累計次數，并將所述可疑累計次數大于預設累計次數閥值的可疑參與設備作為所述惡意參與設備，并剔除所述惡意參與設備。

7.如權利要求1所述模型參數驗證方法，其特征在于，在所述將所述加密模型參數輸入預設哈希編碼模型，以基于所述加密模型參數的類別特征信息，對所述加密模型參數進行哈希編碼，獲得輸出哈希編碼值的步驟之前，所述模型參數驗證方法還包括：

獲取訓練聯邦模型參數和待訓練哈希編碼模型，并基于預設目標哈希編碼方式，確定所述訓練聯邦模型參數對應的預設哈希編碼值；

基于所述預設哈希編碼值和所述訓練聯邦模型參數，對所述待訓練哈希編碼模型進行迭代訓練，以優化所述待訓練哈希編碼模型對應的極化損失函數，直至所述待訓練哈希編碼模型達到預設迭代結束條件，獲得所述預設哈希編碼模型。