[发明专利]数字化模型共享学习系统及方法

说明书

本申请实施例提供一种数字化模型共享学习系统及方法，系统包括：包括至少一个模型管理中心节点和多个参与方节点，所述模型管理中心节点与所述参与方节点通过网络连接；所述模型管理中心节点包括：资源目录模块、融合策略模块、融合计算模块、协作控制模块以及第一认证模块；所述参与方节点包括：注册模块、学习模块以及第二认证模块；本申请能够通过对以人的智慧为主建立的规则模型和数据驱动的AI模型，进行模型层面而不是数据层面的学习，来实现模型层面的信息交换融合，实现模型承载的知识的利用。

技术领域

本申请涉及数据共享领域，具体涉及一种数字化模型共享学习系统及方法。

背景技术

随着大数据技术逐步发展，数据孤岛问题日益突出，数据共享日益重要，但其中存在买卖、泄露和滥用等问题。公众和政府日益重视数据安全和隐私保护，随着欧盟GDPR(General Data Protection Regulation,通用数据保护条例)法案正式实施及多国效仿，注重数据安全及隐私保护成为发展趋势。如何在满足数据安全、隐私保护和监管合规要求的前提下，设计一个机器学习框架，实现数据的多方协同和授权共享，得到更准确高效的模型和决策，进一步释放数据价值，是当前人工智能技术发展的一个难题。

现有技术中提出的共享学习正是解决这一难题的技术方案。共享学习是基于数据安全和隐私保护，在多个参与方之间通过共享模型或共享数据来进行机器学习的方案。共享学习方案包括：多方数据在可信执行环境(Trusted Execution Environment)中进行共享和融合学习的TEE方案，和多个参与方基于既定协议下通过交换不泄露隐私的非原始数据来进行共享学习的MPC(Multi Party Computation，多方计算)方案。在TEE方案中，各个参与方的通过将本地数据加密后上传到可信执行环境中进行计算来实现数据安全和隐私保护；在MPC方案中，各方数据都保留在本地，通过交换不泄露隐私的非原始数据，来实现数据安全和隐私保护。在这两种方案中，数据都无法被平台或者其他参与方窥探，只能按照约定好的行为进行使用。

发明人发现，现有技术中的以上方法，重点是通过对数据的加密保护，实现可信交换来保护隐私，实现数据利用，是数据层面的学习而不是模型层面的学习，无法实现模型层面的信息交换融合。

发明内容

针对现有技术中的问题，本申请提供一种数字化模型共享学习系统及方法，能够通过对以人的智慧为主建立的规则模型(HI模型)和数据驱动的AI模型，进行模型层面而不是数据层面的学习，来实现模型层面的信息交换融合，实现模型承载的知识的利用。

为了解决上述问题中的至少一个，本申请提供以下技术方案：

第一方面，本申请提供一种数字化模型共享学习系统，包括：至少一个模型管理中心节点和多个参与方节点，所述模型管理中心节点与所述参与方节点通过网络连接；

所述模型管理中心节点包括：资源目录模块、融合策略模块、融合计算模块、协作控制模块以及第一认证模块；

所述资源目录模块用于存储各参与方节点的模型注册信息并提供模型注册信息的存取功能，其中，所述模型注册信息包括模型的结构信息、模型的参数信息和模型的元数据信息；

所述融合计算模块用于对多个模型的所述模型注册信息进行模型融合计算，得到一个新的模型，其中，所述模型融合计算包括特征层面、参数层面以及模型层面；

所述融合策略模块用于确定执行所述模型融合计算时所使用的融合策略，其中，所述融合策略包括：同一所有者HI模型和HI模型融合、同一所有者的AI模型和AI模型融合、同一所有者的HI模型和AI模型融合、不同所有者HI模型和HI模型融合、不同所有者的AI模型和AI模型融合、不同所有者的HI模型和AI模型融合；

所述协作控制模块用于控制模块间交互，并协调控制与各参与方进行通信；

所述第一认证模块用于对计算和传输过程进行认证加密；