[发明专利]纵向联邦学习激励的训练方法、电子装置和存储介质

权利要求书

1.一种纵向联邦学习激励的训练方法，其特征在于，包括：

纵向联邦学习中的发起方根据需求，确定所述纵向联邦学习的学习模式；

所述纵向联邦学习中的成员方根据所述学习模式，获取所述纵向联邦学习的总模型参数，根据预设的半激励模型，获取半激励参数，其中，所述成员方包括所述纵向联邦学习中的发起方和参与方；

根据所述学习模式，至少一个所述成员方将所述总模型参数和半激励参数上链；

所述纵向联邦学习中的所述成员方从区块链获取所述半激励参数，将所述半激励参数作为预设的激励模型的输入，获取所有所述成员方的激励参数。

2.根据权利要求1所述的纵向联邦学习激励的训练方法，其特征在于，所述半激励参数的计算方法包括：

每个所述成员方根据数据的预测值和真实值计算所述数据的损失值，其中，所述数据为根据所述发起方的需求获取的数据；

每个所述成员方根据所述损失值和预设函数，计算所述成员方的所述半激励参数。

3.根据权利要求2所述的纵向联邦学习激励的训练方法，其特征在于，在所述发起方具有数据、数据特征、子模型和总模型，所述发起方的需求为数据特征，且确定所述学习模式为分布式学习的情况下，所述方法包括：

所述发起方将所述纵向联邦学习的学习任务分为多个并行的分布式学习任务，并根据所述学习任务中的数据特征将所述分布式学习任务分配至多个训练成员方，所述训练成员方包括所述发起方和参与方；

根据所述总模型的函数特征，所述训练成员方之间通过安全多方计算获取所述总模型参数和特征半激励参数；

所述训练成员方中的参与方将所述总模型参数和特征半激励参数回传至所述发起方；

所述发起方根据所述总模型参数更新对应的子模型，并将所述子模型的训练结果上链；

所述发起方将所述特征半激励参数上链，进行特征激励参数计算的特征成员方从所述区块链中获取所述特征半激励参数，并将所述特征半激励参数作为输入，获取所有所述成员方的特征激励参数。

4.根据权利要求2所述的纵向联邦学习激励的训练方法，其特征在于，在所述发起方仅具有总模型，所述发起方的需求为数据特征，且确定所述学习模式为分布式学习的情况下，所述方法包括：

所述发起方将所述纵向联邦学习的学习任务分为多个并行的分布式学习任务，并根据所述学习任务中的数据特征将所述分布式学习任务分配至多个训练参与方；

根据所述总模型的函数特征，所述训练参与方之间通过安全多方计算获取所述总模型参数和特征半激励参数；

所述训练参与方将所述总模型参数回传至所述发起方，所述发起方根据所述总模型参数更新总模型，并将更新后的总模型参数上链；

所述训练参与方将所述特征半激励参数上链，进行激励参数计算的激励成员方从所述区块链中获取所述特征半激励参数，并将所述特征半激励参数作为输入，获取所有所述成员方的特征激励参数。

5.根据权利要求2所述的纵向联邦学习激励的训练方法，其特征在于，在所述发起方具有发起方数据、数据特征、子模型和总模型，所述发起方的需求为所述参与方的子模型，且确定所述学习模式为集成学习的情况下，所述方法包括：

所述发起方和所述参与方分别运行对应的子模型，得到对应的子模型的训练结果，并将所述子模型的训练结果上链；

多个训练成员方从所述区块链获取所述子模型的训练结果，所述训练成员方包括所述发起方和参与方；

所述训练成员方根据所述学习模式进行上层模型训练，获取所述总模型参数，并将所述总模型参数和计算得到的模型半激励参数共识上链；

进行激励计算的模型成员方从所述区块链中获取所述模型半激励参数，并将所述模型半激励参数作为输入，获取所有所述成员方的模型激励参数。