[發明專利]基于聯邦學習的機器學習方法、電子裝置和存儲介質

有效

• 申請號: 202011291430.5
• 申請日: 2020-11-18
• 公開（公告）號: CN112101579B
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 李偉;邱煒偉;蔡亮;汪小益;嚴楊
• 申請（專利權）人: 杭州趣鏈科技有限公司
• 主分類號: G06N20/20
• 分類號: G06N20/20
• 代理公司: 杭州華進聯浙知識產權代理有限公司 33250
• 代理人: 范麗霞

1.一種基于聯邦學習的機器學習方法，其特征在于，包括：

在橫向聯邦學習中，聯邦學習的發起方和參與方確定聯邦學習參數，所述發起方與所述參與方均為聯邦學習過程的成員方；

每個所述成員方根據所述聯邦學習參數在對應成員方本地將對應成員方特征數據進行聚類，得到聚類結果，并對所述聚類結果進行加密，得到加密聚類結果；

協調方對所有成員方的所述加密聚類結果中的聚類中心進行配對，得到聚類中心對，并對所述聚類中心對中的聚類中心進行加權聚合，得到加權聚類中心；

所述協調方將所述加權聚類中心回傳至每個所述成員方，所述成員方根據所述加權聚類中心進行迭代計算，得到機器學習處理模型參數。

2.根據權利要求1所述的基于聯邦學習的機器學習方法，其特征在于，所述對所述聚類結果進行加密包括：

每個所述成員方根據所有所述成員方的種子生成掩碼，每個所述成員方根據所述掩碼對本地的聚類中心、每個聚類中心的數據量、所述聚類中心與所述數據量的乘積進行加密，得到所述加密聚類結果。

3.根據權利要求2所述的基于聯邦學習的機器學習方法，其特征在于，在所述參與方的數量為一個的情況下，協調方對所有成員方的所述加密聚類結果中的聚類中心進行配對，得到聚類中心對，并對所述聚類中心對中的聚類中心進行加權聚合，得到加權聚類中心包括：

在所述加密聚類結果滿足算法執行條件，且不滿足算法終止條件的情況下，所述協調方隨機選擇所述成員方中的一個作為起始方，其余成員方作為其他方，其中，所述加密聚類結果包括所述發起方的加密聚類結果和所述參與方的加密聚類結果；

所述協調方對所述起始方的聚類中心進行配對，得到起始聚類中心對；

所述協調方在所述其他方的加密聚類結果的聚類中心中，根據距離分別為所述起始聚類中心對的聚類中心進行配對，得到配對結果；

將所述配對結果從配對池中剔除，再次對所述起始方的聚類中心進行配對，直到所述配對池為空，其中，所有所述成員方的加密聚類結果構成所述配對池；

所述協調方或者所述成員方將所有的配對結果作為所述聚類中心對，對所述聚類中心對中的聚類中心進行加權聚合，得到加權聚類中心。

4.根據權利要求3所述的基于聯邦學習的機器學習方法，其特征在于，所述協調方在所述其他方的加密聚類結果的聚類中心中，根據距離分別為所述起始聚類中心對的聚類中心進行配對，得到配對結果包括以下至少之一：

記所述其他方的加密聚類結果中的聚類中心與所述起始聚類中心對中的聚類中心的距離為第一距離，所述起始聚類中心對的聚類中心之間的距離為第二距離，在所有的所述第一距離大于所述第二距離的情況下，所述起始聚類中心對為所述配對結果；

在所述起始聚類中心對包括第一聚類中心和第二聚類中心的情況下，所述其他方存在第三聚類中心，且所述第三聚類中心與所述第一聚類中心之間的第二距離小于所述第一距離，并為最小第二距離，將所述第一聚類中心和所述第三聚類中心作為所述配對結果；

所述其他方存在第三聚類中心和第四聚類中心，所述第一聚類中心與所述第三聚類中心之間的第二距離小于所述第一距離，且為所述第一聚類中心的最小第二距離，所述第二聚類中心與所述第四聚類中心之間的第二距離小于所述第一距離，且為所述第二聚類中心的最小第二距離，將所述第一聚類中心的最小第二距離與所述第二聚類中心的最小第二距離進行對比，選擇距離較小的聚類中心作為所述配對結果。

5.根據權利要求3所述的基于聯邦學習的機器學習方法，其特征在于，所述協調方或者所述成員方將所有的配對結果作為所述聚類中心對，對所述聚類中心對中的聚類中心進行加權聚合包括：

在所述配對結果中的聚類中心屬于同一成員方的情況下，所述成員方對所述聚類中心對中的聚類中心進行加權聚合；

在所述配對結果中的聚類中心分別屬于不同成員方的情況下，獲取每一個所述成員方的加密數據，協調方根據每一個所述成員方的加密數據對所述聚類中心對中的聚類中心進行加權聚合。