[發明專利]一種基于可信執行環境的模型訓練方法和裝置

有效

• 申請號: 202011012420.3
• 申請日: 2020-09-23
• 公開（公告）號: CN111935179B
• 公開（公告）日: 2021-01-12
• 發明（設計）人: 劉永超;賈貝;金躍;楊成平;張堯
• 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;G06K9/62;G06F21/60
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 周嗣勇

1.一種基于可信執行環境的模型訓練方法，包括：

從加密訓練樣本集中獲取若干加密目標樣本；

將所述若干加密目標樣本輸入可信執行環境，在可信執行環境中對所述加密目標樣本解密并將解密后的目標樣本輸入特征提取模型，得到樣本特征；

將所述可信執行環境輸出的樣本特征確定為用于本次迭代的目標樣本特征；

利用所述目標樣本特征對目標模型進行本次迭代訓練；

所述利用所述目標樣本特征對目標模型進行本次迭代訓練，包括：

根據所述目標模型的損失函數，確定本次迭代中所述目標模型對應的第一梯度值；

利用所述第一梯度值更新所述目標模型的模型參數；

所述方法還包括：

基于所述第一梯度值計算出本次迭代中所述特征提取模型對應的第二梯度值；

將所述第二梯度值輸入到所述可信執行環境中，并利用所述第二梯度值更新所述可信執行環境中特征提取模型的模型參數。

2.根據權利要求1所述方法，所述將解密后的目標樣本輸入特征提取模型之前，所述方法還包括：

在可信執行環境中對所述解密后的目標樣本進行特征增強處理。

3.根據權利要求1至2任一項所述方法，基于多個訓練進程執行所述目標模型的迭代訓練；

每個訓練進程獲取若干加密目標樣本的過程，包括：

在首次迭代時，獲取本訓練進程對應的子訓練樣本集，并將所述子訓練樣本集中的加密訓練樣本確定為本次迭代的加密目標樣本；

在非首次迭代時，與指定訓練進程交換部分加密訓練樣本，得到本次迭代的加密目標樣本。

4.根據權利要求3所述方法，所述與指定訓練進程交換部分加密訓練樣本，包括：

每個訓練進程將對應的子訓練樣本集中預設比例的加密訓練樣本發送給第一指定訓練進程；

接收由第二指定訓練進程發送的加密訓練樣本。

5.根據權利要求3所述方法，各個訓練進程分別用于訓練得到所述目標模型的指定模型參數。

6.根據權利要求3所述方法，所述利用所述目標樣本特征對所述目標模型進行本次迭代訓練之后，所述方法還包括：

針對每個訓練進程，執行以下操作：

與指定訓練進程交換部分目標樣本特征，得到本訓練進程用于下次迭代的交換后的目標樣本特征，并在下次迭代中利用所述交換后的目標樣本特征對所述目標模型進行訓練。

7.一種基于可信執行環境的模型訓練裝置，包括：

獲取單元，從加密訓練樣本集中獲取若干加密目標樣本；

輸入單元，將所述若干加密目標樣本輸入可信執行環境，在可信執行環境中對所述加密目標樣本解密并將解密后的目標樣本輸入特征提取模型，得到樣本特征；

確定單元，將所述可信執行環境輸出的樣本特征確定為用于本次迭代的目標樣本特征；

訓練單元，利用所述目標樣本特征對目標模型進行本次迭代訓練；

所述訓練單元：

根據所述目標模型的損失函數，確定本次迭代中所述目標模型對應的第一梯度值；

利用所述第一梯度值更新所述目標模型的模型參數；

所述訓練單元還：

基于所述第一梯度值計算出本次迭代中所述特征提取模型對應的第二梯度值；

利用所述第二梯度值更新所述特征提取模型的模型參數。

8.根據權利要求7所述裝置，所述輸入單元在將解密后的目標樣本輸入特征提取模型之前，還：

在可信執行環境中對所述解密后的目標樣本進行特征增強處理。

9.根據權利要求7至8任一項所述裝置，基于多個訓練進程執行所述目標模型的迭代訓練；

每個訓練進程執行所述獲取單元中獲取若干加密目標樣本時：

在首次迭代時，獲取本訓練進程對應的子訓練樣本集，并將所述子訓練樣本集中的加密訓練樣本確定為本次迭代的加密目標樣本；

在非首次迭代時，與指定訓練進程交換部分加密訓練樣本，得到本次迭代的加密目標樣本。