[發明專利]基于X86計算芯片的多方非監督學習聯合建模方法

有效

• 申請號: 202110532889.8
• 申請日: 2021-05-17
• 公開（公告）號: CN113157400B
• 公開（公告）日: 2022-11-22
• 發明（設計）人: 宋雨筱;陳浩棟;劉堯;毛宏斌;周航;張亞申;周岳騫
• 申請（專利權）人: 北京沖量在線科技有限公司
• 主分類號: G06F9/455
• 分類號: G06F9/455
• 代理公司: 北京興智翔達知識產權代理有限公司 11768
• 代理人: 郭衛芹

本發明實施例提供一種基于X86計算芯片的多方非監督學習聯合建模方法，該方法包括：基于X86架構芯片的可信度量管理器、分布式非監督類機器學習框架以及隱私計算互聯系統，其中，基于X86架構芯片的可信度量管理器包括若干基于X86架構芯片的服務器，其中一個作為服務方，其它作為計算方；實現多方本地進行基于局部數據的非監督模型訓練，同時與參數服務器進行交互，實現多方本地模型安全聚合，構建全局模型；方法涉及的各方通過基于MPC、可信執行環境或加密連接方式構建的隱私計算互聯系統進行數據傳輸與模型參數聚合，保證相關數據的隱私型。確保數據可用不可見、數據算法可信度量和多方聯合非監督類學習建模。

技術領域

本發明涉及計算機技術領域，更具體地，涉及一種基于X86計算芯片的多方非監督學習聯合建模方法。

背景技術

目前，各行業積累的大量數據需要多方數據聯合做風控、營銷以便更好地挖掘數據的價值。

現有技術中實現多方數據聯合的方式通常包括：1)將各參與方數據匯總在一起，然后進行模型訓練并共同應用該模型；2)將各參與方數據共同存放在第三方；3)各參與方通過定制的數據流通平臺實現數據共享，各參與方之間互相約定接口，通過接口調用對應的數據。

但是，無論是哪種方式，均會存在數據泄漏的風險或建模過程無法驗證審計，極有可能會給各參與方造成重大損失，同時也可能因此降低各參與方之間的信任度。而且，現有數據建模方法的定制成本高，流程繁瑣，透明度不夠。

發明內容

為了解決上述問題，本發明實施例提供一種克服上述問題或者至少部分地解決上述問題的一種基于X86計算芯片的多方非監督學習聯合建模方法。

根據本發明實施例的第一方面，提供一種基于X86計算芯片的多方非監督學習聯合建模方法，該方法包括：

基于X86架構芯片的可信度量管理器、分布式非監督類機器學習框架以及隱私計算互聯系統，其中，所述基于X86架構芯片的可信度量管理器包括若干基于X86架構芯片的服務器，其中一個基于X86架構芯片的服務器作為服務方，其它基于X86架構芯片的服務器作為計算方；

實現多方本地進行基于局部數據的非監督模型訓練，同時與參數服務器進行交互，實現多方本地模型安全聚合，構建全局模型；

方法涉及的各方通過基于MPC、可信執行環境或加密連接方式構建的隱私計算互聯系統進行數據傳輸與模型參數聚合，保證相關數據的隱私性。

優選地，還包括：

所述基于X86架構芯片的可信度量管理器用于存儲發多方非監督學習聯合建模算法哈希值及運行時動態度量所執行的算法的實際哈希值從而保證算法實際執行與預期一致；

所述分布式非監督類機器學習框架用于基于各方本地數據進行分布式非監督類機器學習算法運行，并匯總各方算法結果產生全局數據視角的最終模型；

所述隱私計算互聯系統保障各方匯總本地模型參數時無隱私數據泄密。

優選地，所述基于X86架構芯片的可信度量管理器還用于：

記錄、存儲、自動化核對檢驗計算數據哈希度量值檢驗，若接收到所述數據提供方反饋計算數據信息與對應確認信息一致，則將發起實際非監督學習聯合建模任務。

優選地，所述分布式非監督類機器學習框架整體依托云原生容器技術進行生命周期管理，實現多類型非監督類機器學習算法的統一抽象和統一管理，并且聯動所述基于X86架構芯片的可信度量管理器進行運行時聯合建模任務涉及的算法、數據實時校驗。

優選地，所述分布式非監督類機器學習框架基于可信執行環境進行模型參與、算法參數匯聚及計算，并基于可信執行環境端到端構建的安全傳輸層協議進行通信。