[发明专利]基于同态加密的模型训练方法、装置、设备以及存储介质

说明书

本公开提供了一种基于同态加密的模型训练方法、装置、设备以及存储介质，涉及计算机计算和加密技术领域，尤其涉及人工智能和深度学习技术。具体实现方案为：在模型训练的过程中，获取同态加密数据；根据模型训练过程中出现的状态数据，确定模型逼近函数的超参数；其中，所述模型逼近函数用于替换所述模型训练过程中涉及的模型原函数；将所述同态加密数据输入所述模型逼近函数进行计算，并根据计算结果执行模型训练。根据本公开的技术，实现了模型训练过程中数据隐私保护的同时，提高了函数运用的灵活性。

技术领域

本公开涉及计算机计算和加密技术领域，尤其涉及人工智能和深度学习技术。

背景技术

随着人工智能技术的发展，机器学习在各个场景中得到了越来越广泛的运用。

随着分布式机器学习的普及，又引出了多方联合模型训练过程中的隐私保护问题。多方联合模型训练的过程中，会提出对交互数据、训练过程进行同态加密的需求，由此进行数据的隐私保护。

但是，同态加密技术在保护数据隐私的同时，也会对机器学习所采用的函数进行限制，无法全部支持模型中可能用到的各种各样函数的计算过程。

发明内容

本公开提供了一种基于同态加密的模型训练方法、装置、设备以及存储介质，以兼顾模型训练过程的隐私保护和函数运用灵活性。

根据本公开的一方面，提供了一种基于同态加密的模型训练方法，包括：

在模型训练的过程中，获取同态加密数据；

根据模型训练过程中出现的状态数据，确定模型逼近函数的超参数；其中，所述模型逼近函数用于替换所述模型训练过程中涉及的模型原函数；

将所述同态加密数据输入所述模型逼近函数进行计算，并根据计算结果执行模型训练。

根据本公开的另一方面，还提供了一种基于同态加密的模型训练装置，包括：

数据获取模块，用于在模型训练的过程中，获取同态加密数据；

超参数确定模块，用于根据模型训练过程中出现的状态数据，确定模型逼近函数的超参数；其中，所述模型逼近函数用于替换所述模型训练过程中涉及的模型原函数；

模型训练模块，用于将所述同态加密数据输入所述模型逼近函数进行计算，并根据计算结果执行模型训练。

根据本公开的另一方面，还提供了一种电子设备，包括：

至少一个处理器；以及

与至少一个处理器通信连接的存储器；其中，

存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开实施例所提供的任意一种基于同态加密的模型训练方法。

根据本公开的另一方面，还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行本公开实施例所提供的任意一种基于同态加密的模型训练方法。

根据本公开的另一方面，还提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现本公开实施例所提供的任意一种基于同态加密的模型训练方法。

根据本公开的技术，实现了模型训练过程中数据隐私保护的同时，提高了函数运用的灵活性。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开实施例的一种基于同态加密的模型训练方法的示意图；