[发明专利]一种不暴露入模变量的联邦学习预测方法及系统

说明书

本发明公开了一种不暴露入模变量的联邦学习预测方法，其中，所述方法包括：获得调用方数据信息；获得合作方数据信息，所述合作方数据信息包括所述调用方用户id信息、用户特征值、特征权重值，其中，所述调用方用户id信息包括所述待评价用户id信息；获得加密掩码信息，并将所述加密掩码信息、待评价用户id信息发送至合作方；获得合作方特征加权和，并将所述合作方特征加权和发送至调用方；获得加权和明文；根据所述加权和明文、调用方数据信息，获得用户打分，解决了现有技术中存在预测过程中会暴露入模变量的技术问题，达到了基于纵向逻辑回归方法，使用加密掩码在不暴露入模变量的前提下完成基于双方数据的预测打分的技术效果。

技术领域

本发明涉及人工智能技术领域，具体涉及一种不暴露入模变量的联邦学习预测方法及系统。

背景技术

金融风控领域中各种机器学习方法的运用离不开数据的支持，但数据持有者出于隐私保护的目的，往往不希望将过多的信息暴露，也就导致各机构数据无法合作，数据无法流通。若使用不经意传输技术保护入模变量，虽入模变量得以保护，但不经意传输技术方法复杂，效率低下，没有合理利用逻辑回归的特点。

但本申请在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

解决了现有技术中存在预测过程中会暴露入模变量的技术问题。

发明内容

本申请实施例通过提供了一种不暴露入模变量的联邦学习预测方法及系统，解决了现有技术中存在预测过程中会暴露入模变量的技术问题，达到了基于纵向逻辑回归方法，使用加密掩码在不暴露入模变量的前提下完成基于双方数据的预测打分的技术效果。

鉴于上述问题，本申请实施例提供了一种不暴露入模变量的联邦学习预测方法及系统。

第一方面，本申请实施例提供了一种不暴露入模变量的联邦学习预测方法，其中，所述方法包括：获得调用方数据信息，所述调用方数据信息包括待评价用户id信息；获得合作方数据信息，所述合作方数据信息包括所述调用方用户id信息、用户特征值、特征权重值，其中，所述调用方用户id信息包括所述待评价用户id信息；调用方根据所述用户特征值，生成掩码信息，并对所述掩码信息进行加密，获得加密掩码信息，并将所述加密掩码信息、待评价用户id信息发送至合作方；合作方根据所述加密掩码信息、所述待评价用户id信息、所述特征权重值，获得合作方特征加权和，并将所述合作方特征加权和发送至调用方；调用方对所述合作方特征加权和进行解密，获得加权和明文；根据所述加权和明文、调用方数据信息，获得用户打分。

另一方面，本申请实施例提供了一种不暴露入模变量的联邦学习预测系统，其中，所述系统包括：第一获得单元：所述第一获得单元用于获得调用方数据信息，所述调用方数据信息包括待评价用户id信息；第二获得单元：所述第二获得单元获得合作方数据信息，所述合作方数据信息包括所述调用方用户id信息、用户特征值、特征权重值，其中，所述调用方用户id信息包括所述待评价用户id信息；

第三获得单元：所述第三获得单元调用方根据所述用户特征值，生成掩码信息，并对所述掩码信息进行加密，获得加密掩码信息，并将所述加密掩码信息、待评价用户id信息发送至合作方；第四获得单元：所述第四获得单元合作方根据所述加密掩码信息、所述待评价用户id信息、所述特征权重值，获得合作方特征加权和，并将所述合作方特征加权和发送至调用方；第五获得单元：所述第五获得单元调用方对所述合作方特征加权和进行解密，获得加权和明文；第六获得单元：所述第六获得单元根据所述加权和明文、调用方数据信息，获得用户打分。

第三方面，本申请实施例提供了一种不暴露入模变量的联邦学习预测系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：