[发明专利]机器学习模型的联合训练方法、装置、设备及存储介质

权利要求书

1.一种机器学习模型的联合训练方法，应用于联合训练系统，其特征在于，所述联合训练系统包括数据节点和标签节点；所述方法包括：

所述数据节点获取用于训练的样本数据；

所述数据节点通过目标模型的第一部分处理所述样本数据，得到中间数据，并将所述中间数据发送至所述标签节点；

所述标签节点通过所述目标模型的第二部分处理所述中间数据，并基于所述样本数据对应的标签数据，得到误差数据；

所述标签节点将所述误差数据发送至所述数据节点；

所述数据节点根据所述误差数据调整所述第一部分的参数，和/或所述标签节点根据所述误差数据调整所述第二部分的参数；

其中，所述目标模型由所述第一部分和所述第二部分组成。

2.根据权利要求1所述的方法，其特征在于，所述得到误差数据之后，所述方法还包括：

所述标签节点根据所述误差数据判断是否达到预设条件；

如果达到所述预设条件，则所述标签节点向所述数据节点发送训练结束信息，以当前的所述第一部分和所述第二部分确定所述目标模型；

如果未达到所述预设条件，则所述标签节点执行将所述误差数据发送至所述数据节点的步骤。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

所述标签节点向所述数据节点发送数据索引信息；

所述数据节点获取用于训练的样本数据，包括：

所述数据节点根据所述数据索引信息获取所述样本数据。

4.根据权利要求1所述的方法，其特征在于，所述数据节点通过目标模型的第一部分处理所述样本数据，得到中间数据，并将所述中间数据发送至所述标签节点，包括：

所述数据节点通过目标模型的第一部分处理所述样本数据，得到中间数据，并将加密后的所述中间数据发送至所述标签节点。

5.根据权利要求4所述的方法，其特征在于，所述标签节点将所述误差数据发送至所述数据节点，包括：

所述标签节点将添加噪声的误差数据发送至所述数据节点。

6.根据权利要求4所述的方法，其特征在于，所述中间数据采用同态加密。

7.一种机器学习模型的联合训练方法，其特征在于，应用于联合训练系统的数据节点，所述联合训练系统还包括标签节点；所述方法包括：

获取用于训练的样本数据；

通过目标模型的第一部分处理所述样本数据，得到中间数据；

将所述中间数据发送至所述标签节点；

如果从所述标签节点接收到误差数据，则根据所述误差数据调整所述第一部分的参数。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

如果从所述标签节点接收到训练结束信息，则将当前的所述第一部分确定为所述目标模型最终的第一部分。

9.根据权利要求7所述的方法，其特征在于，所述方法还包括：

从所述标签节点获取数据索引信息；

所述获取用于训练的样本数据，包括：

根据所述数据索引信息获取所述样本数据。

10.根据权利要求7所述的方法，其特征在于，所述将所述中间数据发送至所述标签节点，包括：

将加密后的所述中间数据发送至所述标签节点。

11.根据权利要求10所述的方法，其特征在于，所述如果从所述标签节点接收到误差数据，则根据所述误差数据调整所述第一部分的参数，包括：

如果从所述标签节点接收到包含噪声的误差数据，则根据所述包含噪声的误差数据调整所述第一部分的参数。

12.根据权利要求10所述的方法，其特征在于，所述中间数据采用同态加密。