[发明专利]一种训练模型的方法及装置

权利要求书

1.一种训练模型的方法，服务设备中具有可信区，所述方法包括：

所述服务设备接收用户设备发送的加密数据；

在所述可信区内，解密所述加密数据得到用户数据；

在所述可信区内，采用所述用户数据训练模型；

所述可信区位于所述服务设备的CPU中，所述服务设备中包括多个第一CPU和至少一个第二CPU；

接收用户设备发送的加密数据，具体包括：

接收多个用户设备发送的加密数据；

在所述可信区内，解密所述加密数据得到用户数据，具体包括：

分别在各第一CPU的可信区内，解密所述加密数据得到用户数据，不同的第一CPU的可信区内所解密的加密数据来自于不同的用户设备；

在所述可信区内，采用所述用户数据训练模型，具体包括：

针对每个第一CPU，在该第一CPU的可信区内，根据该第一CPU解密得到的用户数据以及所述第二CPU发送的模型参数训练模型，得到训练中间值，并通过该第一CPU将所述训练中间值输出给所述第二CPU；

通过所述第二CPU，根据各第一CPU分别输出的训练中间值，确定训练效果表征值；

根据所述训练效果表征值调整所述模型参数，以使所述第二CPU和各第一CPU根据调整后的模型参数继续训练模型，直至训练的模型满足指定条件为止。

2.根据权利要求1所述的方法，在所述可信区内，解密所述加密数据得到用户数据，具体包括：

在所述可信区内，采用仅能在所述可信区内执行的解密算法，解密所述加密数据得到用户数据。

3.根据权利要求1所述的方法，根据所述训练效果表征值调整所述模型参数，以使所述第二CPU和各第一CPU根据调整后的模型参数继续训练模型，具体包括：

通过所述第二CPU，根据所述训练效果表征值调整所述模型参数，并将调整后的模型参数发送给各第一CPU，以使所述第二CPU和各第一CPU根据调整后的模型参数继续训练模型。

4.根据权利要求1所述的方法，根据所述训练效果表征值调整所述模型参数，以使所述第二CPU和各第一CPU根据调整后的模型参数继续训练模型，具体包括：

通过所述第二CPU，将所述训练效果表征值发送给各第一CPU，以使每个第一CPU根据所述训练效果表征值调整所述模型参数，并根据各调整后的模型参数继续训练模型。

5.一种训练模型的方法，服务设备中具有可信区，所述方法包括：

用户设备对用户数据进行加密，得到加密数据；

将所述加密数据发送给服务设备，以使所述服务设备在所述可信区内，解密所述加密数据得到所述用户数据，并采用所述用户数据训练模型；

所述可信区位于所述服务设备的CPU中，所述服务设备中包括多个第一CPU和至少一个第二CPU；

在所述可信区内，解密所述加密数据得到用户数据，具体包括：

分别在各第一CPU的可信区内，解密所述加密数据得到用户数据，不同的第一CPU的可信区内所解密的加密数据来自于不同的用户设备；

在所述可信区内，采用所述用户数据训练模型，具体包括：

针对每个第一CPU，在该第一CPU的可信区内，根据该第一CPU解密得到的用户数据以及所述第二CPU发送的模型参数训练模型，得到训练中间值，并通过该第一CPU将所述训练中间值输出给所述第二CPU；

通过所述第二CPU，根据各第一CPU分别输出的训练中间值，确定训练效果表征值；

根据所述训练效果表征值调整所述模型参数，以使所述第二CPU和各第一CPU根据调整后的模型参数继续训练模型，直至训练的模型满足指定条件为止。

6.根据权利要求5所述的方法，用户设备中具有可信区；

用户设备对用户数据进行加密，具体包括：

用户设备采用仅能在所述用户设备的可信区内执行的加密算法，对用户数据进行加密，以使所述服务设备采用与所述加密算法对应的解密算法对接收到的加密数据进行解密，其中，与所述加密算法对应的解密算法仅能在所述服务设备的可信区内执行。