[發明專利]基于聯邦學習進行數據分析的方法及系統

在審

• 申請號: 202110359726.4
• 申請日: 2021-04-02
• 公開（公告）號: CN113052333A
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 蔣鑫龍;陳前;陳益強;張騰;王永斌;張忠平;肖益珊
• 申請（專利權）人: 中國科學院計算技術研究所
• 主分類號: G06N20/20
• 分類號: G06N20/20;G06F21/62
• 代理公司: 北京泛華偉業知識產權代理有限公司 11280
• 代理人: 王勇

1.一種基于聯邦學習訓練服務器模型的方法，包括：

步驟1-1)獲取多個本地任務模型的模型參數；

步驟1-2)通過同態加密和差分擾動的方法將所述多個本地任務模型的模型參數進行安全聚合；以及

步驟1-3)利用聚合后的模型參數更新當前的服務器模型。

2.一種基于聯邦學習建立本地任務模型的方法，包括：

步驟2-1)基于訓練樣本數據構建面向指定特征的數據子圖；

步驟2-2)利用所述數據子圖訓練本地任務模型；

步驟2-3)提取所述本地任務模型的模型參數上傳至服務器以更新服務器模型參數，并通過權利要求1所述的方法獲得更新后的服務器模型以優化所述本地任務模型；

步驟2-4)重復步驟2-2)-步驟2-3)，直至所述服務器模型收斂，基于收斂后的所述服務器模型優化所述本地任務模型。

3.根據權利要求2所述的方法，其中，所述基于所述訓練樣本數據構建面向指定特征的數據子圖包括：

依據所述指定特征，以所述訓練樣本數據中相關用戶的用戶屬性信息作為結點，以所述相關用戶之間的關聯關系作為邊，構建面向所述指定特征的數據子圖。

4.根據權利要求2所述的方法，其中，所述步驟2-2)包括：

基于所述數據子圖，計算面向指定特征的特征描述以訓練本地任務模型，所述特征描述包括用戶屬性信息、關聯關系的統計特征以及圖層面特征，其中所述本地任務模型為卷積神經網絡模型。

5.根據權利要求2所述的方法，其中，所述步驟2-2)包括：

將所述數據子圖輸入本地任務模型進行訓練，其中，所述本地任務模型為圖神經網絡模型。

6.根據權利要求2所述的方法，其中，所述步驟2-4)還包括：

依據所述預定的任務需求，利用本地訓練樣本數據對優化后的所述本地任務模型進行微調。

7.一種基于聯邦學習進行數據分析的方法，包括：

獲取待分析的數據；以及

利用根據權利要求2-6中任一方法獲得的本地任務模型分析所述數據。

8.根據權利要求7所述的方法，還包括：

對所述待分析的數據進行本地化差分隱私保護。

9.一種基于聯邦學習進行數據分析的系統，包括：

接口模塊，用于獲取待分析的數據；以及

分析模塊，用于根據采用權利要求2-6中任一方法獲得的本地任務模型分析所述數據。

10.一種存儲介質，其中存儲有計算機程序，在所述計算機程序被處理器執行時，能夠用于實現權利要求1-8中任一項所述的方法。

11.一種電子設備，包括處理器和存儲器，所述存儲器中存儲有計算機程序，在所述計算機程序被處理器執行時，能夠用于實現權利要求1-8中任一項所述的方法。