[发明专利]机器学习训练方法、控制器、装置、服务器、终端和介质

权利要求书

1.一种机器学习训练方法，应用于服务器的机器学习控制器，其特征在于，所述方法包括：

获取终端上传的训练数据；

响应于来自所述终端的机器学习训练请求，创建可信执行环境；

基于所述可信执行环境和所述训练数据进行机器学习训练。

2.根据权利要求1所述的方法，其特征在于，所述训练数据是在所述终端利用加密密钥进行加密的加密训练数据；

相应的，基于所述可信执行环境和所述训练数据进行机器学习训练，包括：

在所述终端与所述可信执行环境之间建立可信通信链路，其中，所述可信通信链路用于传输所述终端的加密密钥至所述可信执行环境中的密钥管理器，所述密钥管理器用于管理加密密钥；

基于所述可信执行环境，依据所述加密密钥对所述加密训练数据进行解密，并对解密后的训练数据进行机器学习训练。

3.根据权利要求2所述的方法，其特征在于，在所述终端与所述可信执行环境之间建立可信通信链路之前，所述方法还包括：

将服务器和所述可信执行环境的待认证信息发送至所述终端，使所述终端基于所述待认证信息，通过所述可信执行环境的远程认证服务器对所述可信执行环境进行远程认证；

如果认证通过，则执行建立所述可信通信链路的操作。

4.根据权利要求2所述的方法，其特征在于，所述训练数据包括来自单一数据提供方的训练数据；

相应的，基于所述可信执行环境，依据所述加密密钥对所述加密训练数据进行解密，并对解密后的训练数据进行机器学习训练，包括：

将所述加密训练数据和预先设置的训练参数提交至所述可信执行环境中的数据融合管理器，通过所述数据融合管理器依据所述加密密钥对所述加密训练数据进行解密；

触发所述可信执行环境中的机器学习算法库中的目标算法，在所述可信执行环境中根据所述训练参数对所述解密后的训练数据进行训练；

获取训练后得到的机器学习模型。

5.根据权利要求2所述的方法，其特征在于，所述训练数据包括来自至少两个数据提供方的训练数据；

相应的，基于所述可信执行环境，依据所述加密密钥对所述加密训练数据进行解密，并对解密后的训练数据进行机器学习训练，包括：

将各个数据提供方的加密训练数据和预先设置的训练参数提交至所述可信执行环境中的数据融合管理器，通过所述数据融合管理器依据各个数据提供方的加密密钥对各自的加密训练数据进行解密，并根据预先设置的融合数据格式对解密后的训练数据进行融合，得到融合训练数据；

触发所述可信执行环境中的机器学习算法库中的目标算法，在所述可信执行环境中根据所述训练参数对所述融合训练数据进行训练；

获取训练后得到的机器学习模型。

6.根据权利要求5所述的方法，其特征在于，融合操作的方式包括：数据按列拆分和数据按行拆分。

7.根据权利要求4-6中任一所述的方法，其特征在于，获取到的机器学习模型是在所述可信执行环境的机器学习算法库中经加密后的模型。

8.一种机器学习训练方法，应用于终端，其特征在于，所述方法包括：

将训练数据上传至服务器的机器学习控制器；

向所述机器学习控制器发送机器学习训练请求，使所述机器学习控制器创建可信执行环境，并基于所述可信执行环境和所述训练数据进行机器学习训练。

9.根据权利要求8所述的方法，其特征在于，所述将训练数据上传至服务器的机器学习控制器，包括：

利用加密密钥对所述训练数据进行分块加密，得到加密训练数据，其中，所述加密训练数据包括至少一个加密数据块；

将所述加密训练数据按块依次上传至所述服务器的机器学习控制器。