[发明专利]一种模型训练方法、装置和电子设备

权利要求书

1.一种模型训练方法，其特征在于，包括：

接收模型需求方上传的模型训练需求信息和数据提供方上传的训练数据，其中，所述训练数据为密文；

依据所述模型训练需求信息，确定待训练模型；

基于多方安全计算协议，依据所述训练数据和模型训练需求信息对所述待训练模型进行基于密文的训练，确定所述待训练模型的目标模型参数，所述目标模型参数为密文；

将所述目标模型参数返回至所述模型需求方。

2.根据权利要求1所述的方法，其特征在于，所述模型训练需求信息包括结束条件；所述依据所述训练数据和模型训练需求信息对所述待训练模型进行基于密文的训练，确定所述待训练模型的目标模型参数，包括：

采用所述训练数据对所述待训练模型进行密文训练；

基于密文判断训练后的待训练模型是否满足结束条件；

确定训练后的待训练模型满足结束条件时，获取所述待训练模型的当前模型参数并将所述当前模型参数确定为目标模型参数；

确定训练后的待训练模型不满足结束条件时，执行所述采用所述训练数据对所述待训练模型进行密文训练的步骤。

3.根据权利要求2所述的方法，其特征在于，所述基于密文判断训练后的待训练模型是否满足结束条件，包括：

基于密文判断训练后所述待训练模型的迭代次数是否达到迭代次数阈值；或，

基于密文判断本次训练后待训练模型的模型参数与上一次训练后待训练模型的模型参数的差异信息是否小于差异阈值；或，

基于密文判断训练后的待训练模型预测误差是否小于误差阈值。

4.根据权利要求2所述的方法，其特征在于，所述采用所述训练数据对所述待训练模型进行密文训练，包括：

将所述训练数据输入所述待训练模型进行基于密文的前向计算，输出预测结果；

依据所述预测结果对所述待训练模型的模型参数进行基于密文的调整。

5.根据权利要求1所述的方法，其特征在于，所述模型训练需求信息包括初始模型参数，所述初始模型参数为密文；在所述依据所述模型训练需求信息，确定待训练模型之后，所述的方法还包括：

采用所述初始模型参数，对所述待训练模型进行初始化。

6.根据权利要求1所述的方法，其特征在于，所述数据提供方包括多个，在所述依据所述模型训练需求信息，确定待训练模型之后，所述的方法还包括：

对各数据提供方上传的训练数据进行整合处理；

所述整合处理包括以下至少一种：特征提取、特征筛选和数据对齐。

7.一种模型训练装置，其特征在于，包括：

数据接收模块，用于接收模型需求方上传的模型训练需求信息和数据提供方上传的训练数据，其中，所述训练数据为密文；

模型确定模块，用于依据所述模型训练需求信息，确定待训练模型；

模型训练模块，用于基于多方安全计算协议，依据所述训练数据和模型训练需求信息对所述待训练模型进行基于密文的训练，确定所述待训练模型的目标模型参数，所述目标模型参数为密文；

数据返回模块，用于将所述目标模型参数返回至所述模型需求方。

8.根据权利要求7所述的装置，其特征在于，所述模型训练需求信息包括结束条件；所述模型训练模块，包括：

密文训练子模块，用于采用所述训练数据对所述待训练模型进行密文训练；

结束条件判断子模块，用于基于密文判断训练后的待训练模型是否满足结束条件；

参数确定子模块，用于确定训练后的待训练模型满足结束条件时，获取所述待训练模型的当前模型参数并将所述当前模型参数确定为目标模型参数；

调用子模块，用于确定训练后的待训练模型不满足结束条件时，调用所述密文训练子模块执行所述采用所述训练数据对所述待训练模型进行密文训练的步骤。

9.一种可读介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如方法权利要求1-6中一个或多个所述的模型训练方法。

10.一种电子设备，其特征在于，包括：

一个或多个处理器；和

其上存储有指令的一个或多个可读介质，当由所述一个或多个处理器执行时，使得所述电子设备执行如权利要求1-6中一个或多个所述的模型训练方法。