[发明专利]联合多方特征数据的模型预测方法、装置、设备及介质

说明书

本发明公开了一种联合多方特征数据的模型预测方法、装置、终端设备及计算机可读存储介质，通过获取所述需求方发起的模型预测任务，并确定处理所述模型预测任务所需的多方特征数据；联合需求方和多方特征数据对应的各数据提供方进行线性回归计算，得到需求方和各数据提供方各自的本地计算结果；计算各本地计算结果的范数之和，并在检测到范数之和小于范数阈值时，对各本地计算结果进行优化处理；将优化处理后的本地计算结果反馈至需求方和各数据提供方，以供需求方和各数据提供方进行本地模型参数更新。本发明在确保需求方与多个数据提供方相互之间不泄露各自特征信息的前提下建立模型，并进行有效的模型预测。

技术领域

本发明涉及Fintech(金融科技)技术领域，尤其涉及一种联合多方特征数据的模型预测方法、装置、终端设备及计算机可读存储介质。

背景技术

线性回归模型作为一种基础模型已经在各种场景下得到了广泛的运用。在三方(协调方、需求方和数据提供方)纵向联邦学习的场景中，需求方和数据提供方需要在不泄露各自标签信息和特征信息的前提下进行建模和模型预测。

然而，当存在一个需求方和多个数据提供方时，现有的线性回归模型在训练预测过程中，为确保需求方和各数据提供方相互之间不泄露特征信息，不允许需求方和多个数据提供方之间互传特征信息，从而无法联合需求方和各数据提供方建立线性回归模型进行有效的模型预测。

发明内容

本发明的主要目的在于提供一种联合多方特征数据的模型预测方法、装置、终端设备及计算机可读存储介质，旨在解决如何联合需求方和各数据提供方在不互相泄露特征数据前提下，建立线性回归模型进行有效的模型预测的技术问题。

为实现上述目的，本发明提供一种联合多方特征数据的模型预测方法，所述联合多方特征数据的模型预测方法应用于协调方，所述协调方与需求方和各数据提供方通信连接，所述需求方与各所述数据提供方通信连接，所述联合多方特征数据的模型预测方法，包括：

获取所述需求方发起的模型预测任务，并确定处理所述模型预测任务所需的多方特征数据；

联合所述需求方和多方所述特征数据对应的各数据提供方进行线性回归计算，得到所述需求方和各所述数据提供方各自的本地计算结果；

计算各所述本地计算结果的范数之和，并在检测到所述范数之和小于范数阈值时，对各所述本地计算结果进行优化处理；

将优化处理后的本地计算结果反馈至所述需求方和各所述数据提供方，以供所述需求方和各所述数据提供方进行本地模型参数更新。

进一步地，所述确定处理所述模型预测任务所需的多方特征数据的步骤，包括：

所述协调方提取所述模型预测任务所携带的数据标签；

解析识别所述数据标签的标签信息，根据所述标签信息确定处理所述模型预测任务所需的多方特征数据。

进一步地，在所述确定处理所述模型预测任务所需的多方特征数据的步骤之后，包括：

所述协调方向所述需求方和各所述数据提供方发送公共秘钥，以供所述需求方和各所述数据提供方在进行线性回归计算时进行数据的加密交互。

进一步地，所述联合多方所述特征数据进行计算以得到各本地计算结果的步骤，包括：

所述协调方联合所述需求方和各所述数据提供方初始化本地模型并计算各自的本地中间预测值，其中，所述本地模型至少包括线性回归模型；

协调所述需求方和各所述数据提供方依据所述公共秘钥，对各自的所述本地中间预测值进行加密交互，以计算得出各自线性回归模型的本地计算结果。

进一步地，在所述协调方联合所述需求方和各所述数据提供方初始化本地模型并计算各自的本地中间预测值的步骤之前，还包括：