[发明专利]在数据隐私保护下执行机器学习的方法和系统

权利要求书

1.一种在数据隐私保护下执行机器学习的方法，包括：

获取包括多条目标数据记录的目标数据集；

获取关于源数据集的多个迁移项，其中，所述多个迁移项之中的每个迁移项用于在源数据隐私保护下将对应的一部分源数据集的知识迁移到目标数据集；

分别利用所述多个迁移项之中的每个迁移项来获得与每个迁移项对应的第一目标机器学习模型，以获得多个第一目标机器学习模型；

利用所述多个第一目标机器学习模型获得第二目标机器学习模型，

其中，在获得所述多个第一目标机器学习模型的过程中和/或获得第二目标机器学习模型的过程中，在目标数据隐私保护方式下利用了所述多条目标数据记录中的全部或部分。

2.如权利要求1所述的方法，其中，所述对应的一部分源数据集是通过将源数据集按照数据属性字段划分而获得的源数据子集。

3.如权利要求1所述的方法，其中，获取关于源数据集的多个迁移项的步骤包括：从外部接收关于源数据集的多个迁移项。

4.如权利要求2所述的方法，其中，获取关于源数据集的多个迁移项的步骤包括：

获取包括多条源数据记录的源数据集，其中，源数据记录和目标数据记录包括相同的数据属性字段；

将源数据集按照数据属性字段划分为多个源数据子集，其中，每个源数据子集中的数据记录包括至少一个数据属性字段；

在源数据隐私保护方式下，基于每个源数据子集，针对第一预测目标训练与每个源数据子集对应的源机器学习模型，并将训练出的每个源机器学习模型的参数作为与每个源数据子集相关的迁移项。

5.如权利要求4所述的方法，其中，获得与每个迁移项对应的第一目标机器学习模型的步骤包括：

在不使用目标数据集的情况下，直接将每个迁移项作为与其对应的第一目标机器学习模型的参数。

6.一种利用具有数据隐私保护的机器学习模型进行预测的方法，包括：

获取如权利要求1至5中的任一权利要求所述的多个第一目标机器学习模型和第二目标机器学习模型；

获取预测数据记录；

将预测数据记录划分为多个子预测数据；

针对每条预测数据记录之中的每个子预测数据，利用与其对应的第一目标机器学习模型执行预测以获取针对每个子预测数据的预测结果；以及

将由多个第一目标机器学习模型获取的与每条预测数据记录对应的多个预测结果输入第二目标机器学习模型，以得到针对所述每条预测数据记录的预测结果。

7.一种存储指令的计算机可读存储介质，其中，当所述指令被至少一个计算装置运行时，促使所述至少一个计算装置执行如权利要求1至5中的任一权利要求所述的在数据隐私保护下执行机器学习的方法和/或如权利要求6所述的利用具有数据隐私保护的机器学习模型进行预测的方法。

8.一种包括至少一个计算装置和至少一个存储指令的存储装置的系统，其中，所述指令在被所述至少一个计算装置运行时，促使所述至少一个计算装置执行如权利要求1至5中的任一权利要求所述的在数据隐私保护下执行机器学习的方法和/或如权利要求6所述的利用具有数据隐私保护的机器学习模型进行预测的方法。