[发明专利]模型参数验证方法、设备及可读存储介质

说明书

本申请公开了一种模型参数验证方法、设备及可读存储介质，所述模型参数验证方法包括：接收联邦参与设备发送的加密模型参数，并将所述加密模型参数输入预设哈希编码模型，以基于所述加密模型参数的类别特征信息，对所述加密模型参数进行哈希编码，获得输出哈希编码值，获取加密模型参数对应的类别目标哈希编码值，并基于所述输出哈希编码值和所述类别目标哈希编码值，对所述加密模型参数进行验证，获得目标验证结果，基于所述目标验证结果，确定并剔除所述联邦参与设备中存在的恶意参与设备，以进行联邦学习。本申请解决了联邦学习建模效率低和精度低的技术问题。

技术领域

本申请涉及金融科技(Fintech)的人工智能领域，尤其涉及一种模型参数验证方法、设备及可读存储介质。

背景技术

随着金融科技，尤其是互联网科技金融的不断发展，越来越多的技术(如分布式、区块链Blockchain、人工智能等)应用在金融领域，但金融业也对技术提出了更高的要求，如对金融业对应待办事项的分发也有更高的要求。

随着计算机软件和人工智能的不断发展，联邦学习的应用领域也越来越广泛，目前，在联邦学习迭代训练过程中协调者通常直接将各参与方的模型参数进行聚合，进而将聚合获得的聚合模型参数反馈至各参与方，以供各参与方对本地模型进行更新，但是，若各参与方中存在恶意参与方，且恶意参与方在训练过程中提供虚假的本地模型参数，将导致聚合模型参数的有效性变低，进而将会直接影响整体模型质量，导致整个联邦学习过程失效，进而导致联邦学习建模的效率和精度变低。

发明内容

本申请的主要目的在于提供一种模型参数验证方法、设备及可读存储介质，旨在解决现有技术中联邦学习建模效率低和精度低的技术问题。

为实现上述目的，本申请提供一种模型参数验证方法，所述模型参数验证方法应用于模型参数验证设备，所述模型参数验证方法包括：

接收联邦参与设备发送的加密模型参数；

将所述加密模型参数输入预设哈希编码模型，以基于所述加密模型参数的类别特征信息，对所述加密模型参数进行哈希编码，获得输出哈希编码值；

获取加密模型参数对应的类别目标哈希编码值，并基于所述输出哈希编码值和所述类别目标哈希编码值，对所述加密模型参数进行验证，获得目标验证结果；

基于所述目标验证结果，确定并剔除所述联邦参与设备中存在的恶意参与设备，以进行联邦学习。

本申请还提供一种模型参数验证装置，所述模型参数验证装置为虚拟装置，且所述模型参数验证装置应用于模型参数验证设备，所述模型参数验证装置包括：

接收模块，用于接收联邦参与设备发送的加密模型参数；

哈希编码模块，用于将所述加密模型参数输入预设哈希编码模型，以基于所述加密模型参数的类别特征信息，对所述加密模型参数进行哈希编码，获得输出哈希编码值；

验证模块，用于获取加密模型参数对应的类别目标哈希编码值，并基于所述输出哈希编码值和所述类别目标哈希编码值，对所述加密模型参数进行验证，获得目标验证结果；

确定模块，用于基于所述目标验证结果，确定并剔除所述联邦参与设备中存在的恶意参与设备，以进行联邦学习。

本申请还提供一种模型参数验证设备，所述模型参数验证设备为实体设备，所述模型参数验证设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述模型参数验证方法的程序，所述模型参数验证方法的程序被处理器执行时可实现如上述的模型参数验证方法的步骤。

本申请还提供一种可读存储介质，所述可读存储介质上存储有实现模型参数验证方法的程序，所述模型参数验证方法的程序被处理器执行时实现如上述的模型参数验证方法的步骤。