[發明專利]聯邦遷移學習的數據處理方法、裝置、設備及存儲介質

在審

• 申請號: 202011393430.6
• 申請日: 2020-12-02
• 公開（公告）號: CN112381236A
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 康焱;劉洋
• 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
• 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

1.一種聯邦遷移學習的數據處理方法，其特征在于，所述聯邦遷移學習的數據處理方法包括以下步驟：

通過第一參與方基于第一參與方中第一業務場景對應的第一樣本、第二業務場景對應的第二樣本以及多個特征提取模型，確定各個第一特征提取模型；

基于所述第一樣本、第二參與方中第一業務場景對應的第三樣本、待訓練預測模型以及第一特征提取模型，確定訓練后的預測模型以及各個第二特征提取模型；

基于所述第二樣本、第三參與方中第二業務場景對應的第四樣本、訓練后的預測模型以及第二特征提取模型，確定目標預測模型以及各個目標特征提取模型。

2.如權利要求1所述的聯邦遷移學習的數據處理方法，其特征在于，所述通過第一參與方基于第一參與方中第一業務場景對應的第一樣本、第二業務場景對應的第二樣本以及多個特征提取模型，確定各個第一特征提取模型的步驟包括：

通過第一參與方基于預設業務需求對第一樣本的特征進行分組，以獲得預設數量的第一樣本特征組，并基于預設業務需求對第二樣本的特征進行分組，以獲得預設數量的第二樣本特征組；

通過第一參與方通過預設數量的特征提取模型獲取各個第一樣本特征組對應的第一特征表征，以及各個第二樣本特征組對應的第二特征表征；

通過第一參與方基于第一特征表征以及其對應的領域區分模型，確定多個第一領域區分損失值，基于各個第一領域區分損失值以及對應的特征提取模型，確定各個第三特征提取模型；

通過第一參與方基于第二特征表征以及其對應的領域區分模型，確定多個第二領域區分損失值，基于各個第二領域區分損失值以及對應的第三特征提取模型，確定各個第一特征提取模型。

3.如權利要求2所述的聯邦遷移學習的數據處理方法，其特征在于，所述通過第一參與方通過預設數量的特征提取模型獲取各個第一樣本特征組對應的第一特征表征，以及各個第二樣本特征組對應的第二特征表征的步驟包括：

通過第一參與方將各個第一樣本特征組輸入對應預設數量的特征提取模型，以獲得第一特征表征，將各個第二樣本特征組輸入對應預設數量的特征提取模型，以獲得第二特征表征。

4.如權利要求2所述的聯邦遷移學習的數據處理方法，其特征在于，所述通過第一參與方基于第一特征表征以及其對應的領域區分模型，確定多個第一領域區分損失值，基于各個第一領域區分損失值以及對應的特征提取模型，確定各個第三特征提取模型的步驟包括：

通過第一參與方將各個第一特征表征輸入對應的領域區分模型，以獲得各個第一特征表征對應第一領域區分損失值；

通過第一參與方基于各個第一領域區分損失值確定更新后的各個領域區分模型，并基于各個第一領域區分損失值通過領域對抗學習，更新對應的特征提取模型，以獲得各個第三特征提取模型。

5.如權利要求4所述的聯邦遷移學習的數據處理方法，其特征在于，所述通過第一參與方基于第二特征表征以及其對應的領域區分模型，確定多個第二領域區分損失值，基于各個第二領域區分損失值以及對應的第三特征提取模型，確定各個第一特征提取模型的步驟包括：

通過第一參與方將各個第二特征表征輸入對應的更新后的領域區分模型，以獲得各個第二特征表征對應的第二領域區分損失值；

通過第一參與方基于各個第二領域區分損失值確定目標領域區分模型，并基于各個第二領域區分損失值通過領域對抗學習，更新對應的第三特征提取模型，以獲得各個第一特征提取模型。

6.如權利要求1所述的聯邦遷移學習的數據處理方法，其特征在于，所述基于所述第一樣本、第二參與方中第一業務場景對應的第三樣本、待訓練預測模型以及第一特征提取模型，確定訓練后的預測模型以及各個第二特征提取模型的步驟包括：

通過第二參與方獲取第二參與方中所述第三樣本，通過第一參與方獲取第一樣本對應的第一特征表征；

基于第一特征表征及第三樣本,通過縱向聯邦學習算法，計算待訓練預測模型的第一預測損失值，分別基于所述第一預測損失值更新待訓練預測模型以及各個第一特征提取模型，以獲得訓練后的預測模型以及各個第二特征提取模型。