[发明专利]图神经网络训练方法、装置、计算设备及存储介质

说明书

本发明涉及人工智能技术领域，尤其涉及一种图神经网络训练方法、装置、设备及存储介质。该图神经网络训练方法应用在一种图神经网络训练系统中，图神经网络训练系统包括多个训练终端以及可信终端；训练终端包括标签持有端；该图神经网络训练方法包括通过可信终端生成同态加密密钥对,并将同态加密密钥对中的公钥发送给各训练终端；通过训练终端计算对应的本地特征，并采用公钥对本地特征进行加密；基于同态加密机制，聚合每一训练终端的本地特征密文，得到全局特征密文，通过可信终端采用私钥对全局特征密文进行解密，以基于解密后的全局特征训练全局图神经网络。该图神经网络模型训练方法可有效解决用户个人隐私的安全性问题。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种图神经网络训练方法、装置、计算设备及存储介质。

背景技术

近年来，将图结构和深度神经网络相结合的图神经网络技术在节点分类，连接预测等图模型问题上的表现逐渐超越了传统的图算法，因而也越来越多地应用于实际生产当中。但是在实际应用中数据往往蕴含着不同用户个体的隐私信息，传统的图神经网络模型构建方法中建模者必须掌握所有数据，在数据来自多个不同数据源的情况下数据隐私会泄露至模型的训练方，导致传统的图神经网络模型构建方法无法保证用户个人隐私的安全性问题。

发明内容

本发明实施例提供一种图神经网络训练方法、装置、计算设备及存储介质，以解决传统的图神经网络模型构建方法无法保证用户个人隐私的安全性问题。

一种图神经网络训练方法，应用在一种图神经网络训练系统中，所述图神经网络训练系统包括多个训练终端以及可信终端；所述训练终端包括标签持有端；不同的训练终端包括不同的本地图数据以及本地图神经网络；所述图神经网络训练方法包括包括：

通过所述可信终端生成同态加密密钥对,并将所述同态加密密钥对中的公钥发送给各所述训练终端；

通过每一所述训练终端根据所述本地图数据计算对应的本地特征，将采用所述公钥对所述本地特征进行加密，得到本地特征密文；

基于同态加密机制，聚合每一所述训练终端的本地特征密文，得到聚合后的全局特征密文，并将所述全局特征发送给所述可信终端；

通过所述可信终端采用所述同态加密密钥对中的私钥对所述全局特征密文进行解密，以基于解密后的全局特征训练全局图神经网络，并将所述网络输出结果发送至所述标签持有端；

通过所述标签持有端根据所述网络输出结果计算网络梯度并返回给所述可信终端，以使所述可信终端根据所述网络梯度更新所述全局图神经网络，并将更新后的网络参数发送至对应的所述训练终端以更新所述本地图神经网络。

一种图神经网络训练系统，包括：

密钥生成模块，用于通过所述可信终端生成同态加密密钥对,并将所述同态加密密钥对中的公钥发送给各所述训练终端；

本地特征加密模块，用于通过每一所述训练终端根据所述本地图数据计算对应的本地特征，并采用所述公钥对所述本地特征进行加密，得到本地特征密文；

全局特征聚合模块，用于基于同态加密机制，聚合每一所述训练终端的本地特征密文，得到聚合后的全局特征密文，并将所述全局特征密文发送给所述可信终端；

全局特征解密模块，用于通过所述可信终端采用所述同态加密密钥对中的私钥对所述全局特征密文进行解密，以基于解密后的全局特征训练全局图神经网络，并将所述网络输出结果发送至所述标签持有端；

图神经网络训练模块，用于通过所述标签持有端根据所述网络输出结果计算网络梯度并返回给所述可信终端，以使所述可信终端根据所述网络梯度更新所述全局图神经网络，并将更新后的网络参数发送至对应的所述训练终端以更新所述本地图神经网络。