[發明專利]基于區塊鏈和同態加密的貝葉斯模型訓練方法及裝置

有效

• 申請號: 202010833044.8
• 申請日: 2020-08-18
• 公開（公告）號: CN111914281B
• 公開（公告）日: 2023-09-19
• 發明（設計）人: 張亞澤
• 申請（專利權）人: 中國銀行股份有限公司
• 主分類號: G06F21/60
• 分類號: G06F21/60;G06F18/214;G06F18/2415;G06F16/27;H04L9/00;H04L9/40
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 谷敬麗;周曉飛

本發明公開了一種基于區塊鏈和同態加密的貝葉斯模型訓練方法及裝置，該方法應用于加入區塊鏈網絡的參與方節點，包括：獲得用戶特征信息，計算所述用戶特征信息的條件概率數據；對所述用戶特征信息的條件概率數據進行同態加密，獲得用戶特征條件概率密文數據，將所述用戶特征條件概率密文數據生成區塊，將所述區塊上傳到區塊鏈網絡；從區塊鏈網絡中下載所需的用戶特征條件概率密文數據進行貝葉斯模型訓練。本發明利用區塊鏈技術實現用戶特征數據共享，打破“數據孤島”困境；通過同態加密后的用戶特征條件概率訓練貝葉斯模型，保證密文下模型訓練結果保持不變。

技術領域

本發明涉及模型訓練技術領域，尤其涉及基于區塊鏈和同態加密的貝葉斯模型訓練方法及裝置。

背景技術

此處的描述不因為包括在本部分中就承認是現有技術。

隨著人工智能理論與技術的發展，利用大量的用戶信息可以為用戶提供定制化、個性化的符合用戶偏好的服務。機器學習模型的準確率需要大量的訓練數據以及豐富的用戶特征作為支撐。然而，鑒于數據的安全以及用戶數據的隱私保護，一方面，目前各個銀行間的數據是不可能共享用于訓練模型，使得數據分布在獨立的“數據孤島”中，從而導致模型訓練時用戶特征以及訓練樣本不夠豐富；另一方面，現有的機器學習算法方案都是直接對用戶的數據進行分析，不能對加密后的數據進行分析計算和模型訓練，即直接基于用戶明文數據進行分析和貝葉斯模型訓練，用戶隱私無法得到保證。

發明內容

本發明實施例提供一種基于區塊鏈和同態加密的貝葉斯模型訓練方法，用以解決現有技術中數據不能共享造成“數據孤島”和不能對加密后的數據進行分析計算和模型訓練導致用戶隱私無法得到保證的技術問題，該方法應用于加入區塊鏈網絡的參與方節點，包括：

獲得用戶特征信息，計算所述用戶特征信息的條件概率數據；

對所述用戶特征信息的條件概率數據進行同態加密，獲得用戶特征條件概率密文數據，將所述用戶特征條件概率密文數據生成區塊，將所述區塊上傳到區塊鏈網絡；

從區塊鏈網絡中下載所需的用戶特征條件概率密文數據進行貝葉斯模型訓練。

本發明實施例提供一種基于區塊鏈和同態加密的貝葉斯模型訓練方法，用以，該方法包括：

參與方節點獲得用戶特征信息，計算所述用戶特征信息的條件概率數據；

參與方節點對所述用戶特征信息的條件概率數據進行同態加密，獲得用戶特征條件概率密文數據，將所述用戶特征條件概率密文數據生成區塊，將所述區塊上傳到區塊鏈網絡；

區塊鏈網絡接收并存儲所述區塊；

參與方節點從區塊鏈網絡中下載所需的用戶特征條件概率密文數據進行貝葉斯模型訓練。

本發明實施例還提供一種基于區塊鏈和同態加密的貝葉斯模型訓練裝置，用以解決現有技術中數據不能共享造成“數據孤島”和不能對加密后的數據進行分析計算和模型訓練導致用戶隱私無法得到保證的技術問題，該裝置包括：

用戶特征信息獲得模塊，應用獲得用戶特征信息；

條件概率數據計算模塊，用于計算所述用戶特征信息的條件概率數據；

同態加密模塊，用于對所述用戶特征信息的條件概率數據進行同態加密，獲得用戶特征條件概率密文數據；

數據交互模塊，用于將所述用戶特征條件概率密文數據生成區塊，將所述區塊上傳到區塊鏈網絡；從區塊鏈網絡中下載所需的用戶特征條件概率密文數據；

模型訓練模塊，用于根據所需的用戶特征條件概率密文數據進行貝葉斯模型訓練。