[发明专利]垂直数据的联邦学习方法及装置

权利要求书

1.一种垂直数据的联邦学习方法，其特征在于，应用于协调服务器，所述方法包括：

接收至少两个数据提供方的样本数据标识符的布隆过滤器；

匹配所述至少两个数据提供方的样本数据标识符的布隆过滤器，获取所述至少两个数据提供方对应的样本对齐信息和共有数据指示信息；所述样本对齐信息为指示数据提供方的样本数据排序方式的信息；

利用公钥加密所述共有数据指示信息，得到加密指示信息；

发送所述样本对齐信息、所述公钥、所述加密指示信息以及模型参数至相应的数据提供方；所述模型参数包括至少两个矩阵，每个矩阵的行数与对应数据提供方的样本数据特征的数量一致；所述至少两个矩阵的数量与所述至少两个数据提供方的数量相同；

接收所述至少两个数据提供方发送的，根据所述样本对齐信息、所述公钥、所述加密指示信息以及所述模型参数获取的加密模型梯度信息；

根据所述至少两个数据提供方的加密模型梯度信息，更新所述至少两个数据提供方对应的模型参数；

若更新的模型参数满足预设条件，将所述更新的模型参数作为目标模型参数，发送所述目标模型参数至相应的数据提供方，以使所述相应的数据提供方根据所述目标模型参数预测数据标签；

其中，所述根据所述样本对齐信息、所述公钥、所述加密指示信息以及所述模型参数获取的加密模型梯度信息，包括：

根据所述样本对齐信息，重新排序所述数据提供方的原样本集中的样本数据，将重新排序后的原样本集确定为目标样本集；

从所述目标样本集中提取出样本数据特征，形成特征矩阵，以及从所述目标样本集中提取出样本数据标签，形成标签矩阵；在提取所述特征矩阵以及所述标签矩阵时，保持所述特征矩阵以及所述标签矩阵对应的样本数据的排序与所述目标样本集中样本数据的排序一致；

根据所述特征矩阵、所述加密指示信息以及所述模型参数，获取第一矩阵结果和第二矩阵结果；

利用所述公钥，加密所述第一矩阵结果和第二矩阵结果，获取加密第一矩阵结果和加密第二矩阵结果；

与其它数据提供方交换所述加密第二矩阵结果；

根据所述加密第一矩阵结果、所述交换得到的加密第二矩阵结果、所述加密指示信息以及所述标签矩阵，获取加密中间结果；

根据所述加密中间结果和所述其它数据提供方的加密中间结果，获取所述加密模型梯度信息。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

若更新的模型参数不满足预设条件，将所述更新的模型参数发送至相应的数据提供方，以使所述相应的数据提供方根据所述样本对齐信息、所述公钥、所述加密指示向量以及所述更新的模型参数，获取当前的模型梯度信息；

接收所述相应的数据提供方的当前的加密模型梯度信息；

根据所述当前的加密模型梯度信息，更新所述相应的数据提供方对应的模型参数。

3.根据权利要求1所述的方法，其特征在于，所述根据所述至少两个数据提供方的加密模型梯度信息，更新所述至少两个数据提供方对应的模型参数，包括：

从所述至少两个数据提供方的加密模型梯度信息中提取与每一个数据提供方关联的加密模型梯度信息；

根据所述每一个数据提供方关联的加密模型梯度信息，获取每一个数据提供方对应的加密梯度；

利用所述加密梯度，更新所述每一个数据提供方对应的模型参数。