[發明專利]基于隱私保護的業務預測模型訓練方法和裝置

有效

• 申請號: 202011435634.1
• 申請日: 2020-05-09
• 公開（公告）號: CN112487460B
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 張寧;王磊
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06F21/60
• 分類號: G06F21/60;G06F21/62;G06F17/15;G06F17/16;G06F17/18
• 代理公司: 北京億騰知識產權代理事務所(普通合伙) 11309
• 代理人: 陳霽;周良玉

1.一種基于隱私保護的業務預測模型訓練方法，通過訓練系統中處于可信執行環境下的可信計算單元執行，所述訓練系統還包括非可信計算單元；所述方法包括：

獲取用于訓練所述業務預測模型的訓練集和所述業務預測模型的初始模型參數，其中所述訓練集包括多個業務樣本的樣本特征和對應的標簽值；

使用加密密鑰，將所述初始模型參數同態加密為初始加密模型參數，將所述多個業務樣本的樣本特征和對應的標簽值分別同態加密為多個加密樣本和加密標簽值；

將所述初始加密模型參數、所述多個加密樣本和加密標簽值發送至所述非可信計算單元；

執行多輪模型迭代，其中任意的第k輪模型迭代包括，與所述非可信計算單元進行交互，從所述非可信計算單元中獲取本輪更新后的第k輪第二加密模型參數，所述第k輪第二加密模型參數，至少基于對所述多個加密樣本、多個加密標簽值和本輪更新前的第k輪第一加密模型參數的同態運算確定；

根據所述第k輪第二加密模型參數和所述第k輪第一加密模型參數的差異，確定模型訓練過程是否滿足收斂條件，在不滿足時進行下一輪模型迭代。

2.根據權利要求1所述的方法，所述業務預測模型屬于線性回歸模型；

所述與所述非可信計算單元進行交互，從所述非可信計算單元中獲取本輪更新后的第k輪第二加密模型參數的步驟，包括：

直接接收所述非可信計算單元發送的所述第k輪第二加密模型參數；其中，所述第k輪第二加密模型參數是所述非可信計算單元基于加密損失值對所述第k輪第一加密模型參數進行更新得到，所述加密損失值為基于業務樣本的加密預測值與對應的加密標簽值之間的同態差值得到，所述業務樣本的加密預測值基于將所述第k輪第一加密模型參數分別與對應的加密樣本的樣本特征同態相乘得到。

3.根據權利要求1所述的方法，所述任意一輪模型迭代還包括：

在獲取到所述第k輪第二加密模型參數之后，使用解密密鑰將所述第k輪第二加密模型參數解密為第二模型參數，將其作為用于下一輪模型迭代的第k+1輪第一模型參數，所述解密密鑰與所述加密密鑰對應；

使用所述加密密鑰，將所述第k+1輪第一模型參數同態加密為第k+1輪第一加密模型參數；

將所述第k+1輪第一加密模型參數發送給所述非可信計算單元，以用于開始第k+1輪模型迭代。

4.根據權利要求1所述的方法，所述根據所述第k輪第二加密模型參數和所述第k輪第一加密模型參數的差異，確定模型訓練過程是否滿足收斂條件的步驟，包括：

獲取由所述非可信計算單元同態計算的所述第k輪第二加密模型參數和所述第k輪第一加密模型參數的加密差值平方和；

采用與所述加密密鑰對應的解密密鑰，對所述加密差值平方和進行解密，得到對應的差值平方和，根據所述差值平方和，確定模型訓練過程是否滿足收斂條件。

5.根據權利要求1所述的方法，所述根據所述第k輪第二加密模型參數和所述第k輪第一加密模型參數的差異，確定模型訓練過程是否滿足收斂條件的步驟，包括：

采用與所述加密密鑰對應的解密密鑰，對所述第k輪第二加密模型參數進行解密，得到第k輪第二模型參數；

計算所述第k輪第二模型參數與第k輪第一模型參數的差值平方和，其中所述第k輪第一模型參數為所述第k輪第一加密模型參數對應的解密值；

根據所述差值平方和，確定模型訓練過程是否滿足收斂條件。

6.根據權利要求1所述的方法，所述根據所述第k輪第二加密模型參數和所述第k輪第一加密模型參數的差異，確定模型訓練過程是否滿足收斂條件的步驟，包括：

同態計算所述第k輪第二加密模型參數和所述第k輪第一加密模型參數的加密差值平方和；

采用與所述加密密鑰對應的解密密鑰，對所述加密差值平方和進行解密，得到對應的差值平方和；

根據所述差值平方和，確定模型訓練過程是否滿足收斂條件。

7.根據權利要求1所述的方法，所述可信計算單元和所述非可信計算單元位于具有可信執行環境的同一計算設備中。