[發(fā)明專利]一種基于同態(tài)加密技術(shù)的3D打印多數(shù)據(jù)庫共享優(yōu)化算法

在審

• 申請?zhí)枺?/td>: 202010838802.5
• 申請日: 2020-08-19
• 公開（公告）號: CN112149158A
• 公開（公告）日: 2020-12-29
• 發(fā)明（設(shè)計）人: 隋少春;榮鵬;王大為;高川云
• 申請（專利權(quán)）人: 成都飛機工業(yè)（集團）有限責(zé)任公司
• 主分類號: G06F21/60
• 分類號: G06F21/60;G06F21/62;G06N3/04;G06N3/08
• 代理公司: 成都君合集專利代理事務(wù)所(普通合伙) 51228
• 代理人: 尹新路

本發(fā)明涉及數(shù)據(jù)庫共享技術(shù)領(lǐng)域，公開了一種基于同態(tài)加密技術(shù)的3D打印多數(shù)據(jù)庫共享優(yōu)化算法，采用中心驅(qū)動多方訓(xùn)練的方式，利用秘密共享算法得到服務(wù)器端輸入層數(shù)據(jù)，并分別獲取各訓(xùn)練成員對應(yīng)的迭代次數(shù)和服務(wù)器對應(yīng)的中心迭代次數(shù)；且各訓(xùn)練成員分別獨立累積一階矩和二階矩進行模型更新；最后通過使訓(xùn)練成員的迭代次數(shù)和中心迭代次數(shù)一致，進行多方訓(xùn)練成員訓(xùn)練進度的統(tǒng)一。

技術(shù)領(lǐng)域

本發(fā)明涉及多數(shù)據(jù)庫共享技術(shù)領(lǐng)域，具體的說，是一種基于同態(tài)加密技術(shù)的3D打印多數(shù)據(jù)庫共享優(yōu)化算法。

背景技術(shù)

上世紀八十年代，3D打印技術(shù)誕生了。3D打印是一種自下而上的制造方式，也稱為增材制造技術(shù)，不同于傳統(tǒng)的“去除”加工方法。3D打印技術(shù)自誕生之日起就受到人們的廣泛關(guān)注，因此獲得了快速發(fā)展。近幾十年來，3D打印技術(shù)已成為人們關(guān)注的焦點，在工業(yè)設(shè)計、建筑、汽車、航空航天、牙科、教育等領(lǐng)域都被應(yīng)用。但是，在3D打印實施過程中，由于3D打印相關(guān)參數(shù)太多，在實驗過程中無法窮盡所有3D打印參數(shù)，并判斷這些參數(shù)是否能夠成型合適的零件，因此需要一種3D打印參數(shù)學(xué)習(xí)和預(yù)測的方式實現(xiàn)3D打印參數(shù)的預(yù)測。

由于3D打印實驗成本高昂，由一家企業(yè)或單位完成所有實不太可能，因此提出多個數(shù)據(jù)庫共同訓(xùn)練得到更加精準模型參數(shù)的技術(shù)方案，而此類方案中就涉及到多個數(shù)據(jù)庫之間的保密問題。

發(fā)明內(nèi)容

本發(fā)明提供了一種基于同態(tài)加密技術(shù)的3D打印多數(shù)據(jù)庫共享優(yōu)化算法，基于使得多個用戶既能共享數(shù)據(jù)庫進行聯(lián)合訓(xùn)練又能保證己方數(shù)據(jù)的保密性。

本發(fā)明通過下述技術(shù)方案實現(xiàn)：

本發(fā)明公開了一種基于同態(tài)加密技術(shù)的3D打印多數(shù)據(jù)庫共享優(yōu)化算法，采用中心驅(qū)動多方訓(xùn)練的方式，利用秘密共享算法得到服務(wù)器端輸入層數(shù)據(jù)，并分別獲取各訓(xùn)練成員對應(yīng)的迭代次數(shù)和服務(wù)器對應(yīng)的中心迭代次數(shù)；且各訓(xùn)練成員分別獨立累積一階矩和二階矩進行模型更新；最后通過使訓(xùn)練成員的迭代次數(shù)和中心迭代次數(shù)一致，進行多方訓(xùn)練成員訓(xùn)練進度的統(tǒng)一。

參數(shù)說明如下：

N為訓(xùn)練成員總數(shù)，

Ai、Aj均為訓(xùn)練成員，其中：i＝1,...,N；j＝1,...,N；

C為作為訓(xùn)練的驅(qū)動中心的服務(wù)器；

X_trAi為訓(xùn)練集；

X_valAi為驗證集；

X_teAi為測試集；

X_Ai為訓(xùn)練數(shù)據(jù)；

Y為label數(shù)據(jù)的標簽；

n_Ai為提取訓(xùn)練集X_trAi的樣本個數(shù)；

f_Ai為提取訓(xùn)練集X_trAi的特征個數(shù)；

batch為批次；

batch_size為每一個批次的樣本個數(shù)；

T為中心迭代次數(shù)；

t_Ai為訓(xùn)練成員Ai對應(yīng)的迭代次數(shù)；

Δt_Ai為樣本訓(xùn)練與訓(xùn)練成員Ai的迭代次數(shù)差值；

t_Aj為訓(xùn)練成員Aj對應(yīng)的迭代次數(shù)；

Δt_Aj為樣本訓(xùn)練與訓(xùn)練成員Aj的迭代次數(shù)差值；

batch_begin_now_i為參與訓(xùn)練的成員的起始編號；