[发明专利]一种增强隐私保护的联邦学习方法和系统

说明书

本说明书涉及机器学习领域，特别涉及一种增强隐私保护的联邦学习方法和系统。所述方法由多个参与方中的任一训练成员实现，其中，所述参与方包括服务器及多个训练成员，该方法包括：获取隐私样本；获取一个或多个与所述隐私样本同类型的扰动样本；基于所述隐私样本与一个或多个扰动样本生成加密样本；基于所述加密样本，与其他参与方进行联邦学习以对待训练模型进行联合训练。

技术领域

本说明书涉及机器学习领域，特别涉及一种增强隐私保护的联邦学习方法和系统。

背景技术

为了得到更好的机器学习模型，通过多个训练成员的数据进行联合训练，以获取训练好的模型。然而在一些联合训练场景中，各训练成员的训练数据可能涉及用户隐私或商业秘密，训练成员不希望这些训练数据泄露。

因此，有必要提出一种联邦学习方法，以减少隐私数据泄露的可能，并提高数据的安全性。

发明内容

本说明书实施例之一提供一种增强隐私保护的联邦学习方法，所述方法由多个参与方中的任一训练成员实现，其中，所述参与方包括服务器及多个训练成员，该方法包括：获取隐私样本；获取一个或多个与所述隐私样本同类型的扰动样本；基于所述隐私样本与一个或多个扰动样本生成加密样本；基于所述加密样本，与其他参与方进行联邦学习以对待训练模型进行联合训练。

本说明书实施例之一提供一种增强隐私保护的联邦学习系统，其包括：隐私样本获取模块，用于获取隐私样本；扰动样本获取模块，用于获取一个或多个与所述隐私样本同类型的扰动样本；加密样本生成模块，用于基于所述隐私样本与一个或多个扰动样本生成加密样本；联合训练模块，用于基于所述加密样本，与其他参与方进行联邦学习以对待训练模型进行联合训练。

本说明书实施例之一提供一种增强隐私保护的联邦学习装置，包括处理器以及存储介质，所述存储介质用于存储计算机指令，所述处理器用于执行计算机指令中的至少一部分以实现上述增强隐私保护的联邦学习方法。

本说明书实施例之一提供一种增强隐私保护的训练样本处理方法，该方法包括：获取隐私样本；获取一个或多个与所述隐私样本同类型的扰动样本；基于所述隐私样本与一个或多个扰动样本生成加密样本。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的增强隐私保护的联邦学习系统的应用场景示意图；

图2是根据本说明书一些实施例所示的增强隐私保护的联邦学习的示例性流程图；

图3为本说明书一些实施例所示的生成加密样本的示意图；

图4是根据本说明书一些实施例所示的生成加密样本的示例性流程图；

图5是根据本说明书另一些实施例所示的生成加密样本的示例性流程图；

图6是根据本说明书一些实施例所示的增强隐私保护的联邦学习系统的模块图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。