[发明专利]基于差分隐私进行特征处理的方法及装置

说明书

本说明书实施例提供一种基于差分隐私进行特征处理的方法及装置，所述方法涉及第一方和第二方，其中第一方存储多个样本的第一特征部分，第二方存储该多个样本的二分类标签；所述方法包括：第二方对多个样本对应的多个二分类标签分别进行加密，得到多个加密标签；第一方基于该多个加密标签以及差分隐私噪声，确定多个分箱中每个分箱对应的正样本加密加噪数量和负样本加密加噪数量，其中多个分箱是针对第一特征部分中的任一特征对多个样本进行分箱处理而得到；第二方对该正样本加密加噪数量和负样本加密加噪数量进行解密，得到正样本加噪数量和负样本加噪数量，从而确定出相对应分箱的加噪指标。

技术领域

本说明书一个或多个实施例涉及数据处理技术领域，尤其涉及一种基于差分隐私进行特征处理的方法及装置。

背景技术

在大多数行业中，由于行业竞争、隐私安全等问题，数据常常以孤岛的形式存在，即使是在同一个公司的不同部门之间进行数据的集中整合，也面临着重重阻力。

联邦学习（Federated Learning）技术的提出，为打破数据孤岛提供了可能。联邦学习又名联邦机器学习、联盟学习等，是一个机器学习框架，旨在有效帮助多方在满足数据隐私保护、合法合规的要求下，进行数据使用和机器学习建模。根据数据在多方之间的分布情况，联邦学习可以分为横向联邦学习和纵向联邦学习等。其中，纵向联邦学习又称样本对齐的联邦学习，如图1所示，多方各自持有相同样本ID的不同样本特征，并且，某一方（图1中示意为B方）拥有样本标签。

在纵向联邦学习等场景中，存在某个数据方对样本特征数据进行筛选等特征处理时，需要用到其他数据方持有的样本标签的情况。因此，需要一种方案，可以在保证各方数据隐私均不被泄露的情况下，利用一方的样本标签信息完成对另一方特征数据的处理。

发明内容

本说明书一个或多个实施例描述了一种基于差分隐私进行特征处理的方法及装置，通过引入差分隐私机制和数据加密算法等，使得各个数据持有方可以在保证己方数据安全的情况下，联合完成特征变换处理。

根据第一方面，提供一种基于差分隐私进行特征处理的方法，所述方法涉及第一方和第二方，其中第一方存储多个样本的第一特征部分，第二方存储所述多个样本的二分类标签；所述方法由所述第二方执行，包括：对所述多个样本对应的多个二分类标签分别进行加密，得到多个加密标签；将所述多个加密标签发送至所述第一方；从所述第一方接收多个第一分箱中每个第一分箱对应的第一正样本加密加噪数量以及第一负样本加密加噪数量，并对其进行解密，得到对应的第一正样本加噪数量和第一负样本加噪数量；其中，所述第一正样本加密加噪数量和第一负样本加密加噪数量基于所述多个加密标签以及第一差分隐私噪声而确定；所述多个第一分箱是针对所述第一特征部分中的任一特征，对所述多个样本进行分箱处理而得到；基于所述第一正样本加噪数量和第一负样本加噪数量，确定相对应的第一分箱的第一加噪指标。

在一个实施例中，所述多个样本针对的业务对象为以下中的任一种：用户、商品、业务事件。

在一个实施例中，对所述多个样本对应的多个二分类标签分别进行加密，得到多个加密标签，包括：基于同态加密算法，对所述多个二分类标签分别进行加密，得到所述多个加密标签。

在一个实施例中，基于所述第一正样本加噪数量和第一负样本加噪数量，确定相对应的第一分箱的第一加噪指标，包括：对所述多个第一分箱对应的多个第一正样本加噪数量进行求和处理，得到第一正样本加噪总数；对所述多个第一分箱对应的多个第一负样本加噪数量进行求和处理，得到第一负样本加噪总数；基于所述第一正样本加噪总数、第一负样本加噪总数、第一正样本加噪数量、第一负样本加噪数量，确定所述第一加噪指标。