[發(fā)明專利]聯(lián)邦學(xué)習(xí)模型的數(shù)據(jù)處理方法、裝置及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202210080568.3
• 申請日: 2022-01-24
• 公開（公告）號: CN114298327A
• 公開（公告）日: 2022-04-08
• 發(fā)明（設(shè)計(jì)）人: 陳偉敬;魏文斌;林冰垠;吳玙;范濤;徐倩
• 申請（專利權(quán)）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;G06F21/62
• 代理公司: 北京派特恩知識產(chǎn)權(quán)代理有限公司 11270
• 代理人: 李昂;浦彩華

1.一種聯(lián)邦學(xué)習(xí)模型的數(shù)據(jù)處理方法，其特征在于，應(yīng)用于第一參與方設(shè)備，所述方法包括：

獲取所述第一參與方設(shè)備提供的用于訓(xùn)練所述聯(lián)邦學(xué)習(xí)模型的至少一個第一特征；

接收第二參與方設(shè)備發(fā)送的至少一個匿名特征，所述匿名特征與用于訓(xùn)練所述聯(lián)邦學(xué)習(xí)模型的第二特征相對應(yīng)；

從所述第一特征以及所述匿名特征中選取至少一個特征，并獲取各所述特征對應(yīng)所述聯(lián)邦學(xué)習(xí)模型的預(yù)測結(jié)果；

基于所述至少一個特征，構(gòu)建線性模型的訓(xùn)練樣本，并基于所述訓(xùn)練樣本以及所述預(yù)測結(jié)果，對所述線性模型進(jìn)行訓(xùn)練，得到所述線性模型收斂時(shí)的模型參數(shù)；

基于所述模型參數(shù)，確定各所述第一特征對應(yīng)所述預(yù)測結(jié)果的第一貢獻(xiàn)信息，以及各所述匿名特征對應(yīng)所述預(yù)測結(jié)果的第二貢獻(xiàn)信息。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述接收第二參與方設(shè)備發(fā)送的至少一個匿名特征，包括：

發(fā)送攜帶樣本標(biāo)識的匿名特征獲取請求至所述第二參與方設(shè)備；

其中，所述樣本標(biāo)識用于，標(biāo)識所述第一特征歸屬的用于訓(xùn)練所述聯(lián)邦學(xué)習(xí)模型的樣本，所述匿名特征獲取請求用于，所述第二參與方設(shè)備響應(yīng)所述匿名特征獲取請求，確定所述樣本標(biāo)識對應(yīng)的所述第二特征、以及所述第二特征對應(yīng)的匿名特征；

接收到所述第二參與方設(shè)備返回的與所述樣本標(biāo)識對應(yīng)的匿名特征。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述基于所述模型參數(shù)，確定各所述第一特征對應(yīng)所述預(yù)測結(jié)果的第一貢獻(xiàn)信息，以及各所述匿名特征對應(yīng)所述預(yù)測結(jié)果的第二貢獻(xiàn)信息之后，所述方法包括：

將各所述第一特征對應(yīng)所述預(yù)測結(jié)果的第一貢獻(xiàn)信息，以及各所述匿名特征對應(yīng)所述預(yù)測結(jié)果的第二貢獻(xiàn)信息求和，得到匯總貢獻(xiàn)信息；

分別獲取各所述第二貢獻(xiàn)信息與所述匯總貢獻(xiàn)信息比值，并將所述比值發(fā)送至所述第二參與方設(shè)備，以使所述第二參與方設(shè)備基于所述比值，確定與各所述匿名特征對應(yīng)的所述第二特征的貢獻(xiàn)信息。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述從所述第一特征以及所述匿名特征中選取至少一個特征，包括：

構(gòu)建包括所述至少一個第一特征及至少一個所述匿名特征的特征集合；

獲取所述特征集合包括的特征子集；

從多個所述特征子集采樣得到目標(biāo)數(shù)量的目標(biāo)特征子集，并將所述目標(biāo)特征子集包括的特征作為選取的所述至少一個特征。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述從多個所述特征子集采樣得到目標(biāo)數(shù)量的目標(biāo)特征子集，包括：

獲取各所述特征子集的權(quán)重分?jǐn)?shù)；

按照權(quán)重分?jǐn)?shù)由大到小的順序，對各所述特征子集進(jìn)行排序，得到特征子集序列；

依據(jù)所述特征子集序列，從第一個特征子集開始順序采樣，得到目標(biāo)數(shù)量的特征子集作為目標(biāo)特征子集。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述至少一個特征，構(gòu)建線性模型的訓(xùn)練樣本，包括：

獲取所述特征與所述線性模型的訓(xùn)練樣本間的轉(zhuǎn)換關(guān)系；

基于所述轉(zhuǎn)換關(guān)系，對所述至少一個特征分別進(jìn)行轉(zhuǎn)換，得到各所述特征對應(yīng)的向量表示；

并將所述向量表示作為所述線性模型的訓(xùn)練樣本。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述訓(xùn)練樣本以及所述預(yù)測結(jié)果，對所述線性模型進(jìn)行訓(xùn)練，得到所述線性模型收斂時(shí)的模型參數(shù)，包括：

將所述預(yù)測結(jié)果，作為相應(yīng)所述訓(xùn)練樣本的樣本標(biāo)簽，對所述線性模型進(jìn)行訓(xùn)練，得到所述線性模型收斂時(shí)的模型參數(shù)。