[发明专利]联邦建模任务隐私安全综合评估方法、装置、设备及介质

权利要求书

1.一种联邦建模任务隐私安全综合评估方法，其特征在于，包括：

基于联邦建模原始数据构建出初始生成对抗网络模型；

基于本地的联合建模训练数据计算出联合建模训练数据，根据所述联合建模训练数据分别生成数据对训练集和联邦建模数据对，利用所述数据对训练集和所述联邦建模数据对所述初始生成对抗网络模型进行训练，以得到生成对抗网络模型；

基于所述生成对抗网络模型和所述联合建模训练数据构建出隐私安全综合评估网络模型，创建联邦建模任务，基于所述联邦建模任务生成联合建模数据，并将所述联合建模数据发送至云端；

将所述隐私安全综合评估网络模型部署至所述云端中对应的节点，利用隐私安全综合评估网络模型和所述联合建模数据对各所述节点进行隐私安全评估，以得到隐私安全综合评估结果。

2.根据权利要求1所述的联邦建模任务隐私安全综合评估方法，其特征在于，所述基于联邦建模原始数据构建出初始生成对抗网络模型，包括：

基于联邦建模原始数据构建出初始生成对抗网络模型；其中，所述初始生成对抗网络模型由生成器、辨别器以及域分类器网络构成。

3.根据权利要求2所述的联邦建模任务隐私安全综合评估方法，其特征在于，所述基于本地的联合建模训练数据计算出联合建模训练数据，包括：

利用所述生成器中的时序神经网络并基于本地联合建模的训练数据构建出联合建模原文真实数据的数据集；其中，所述时序神经网络由特征提取层、算法依赖层、汇聚网络以及生成网络构成；

对所述原文真实数据的数据集进行明文计算，以得到中间结果数据序列，将所述中间结果数据序列作为联合建模密文数据的数据集；其中，所述联合建模训练数据中包括所述联合建模原文真实数据的数据集和所述联合建模密文数据的数据集。

4.根据权利要求3所述的联邦建模任务隐私安全综合评估方法，其特征在于，所述根据所述联合建模训练数据分别生成数据对训练集和联邦建模数据对，包括：

基于所述联合建模原文真实数据的数据集和所述联合建模密文数据的数据集生成数据对训练集；

根据所述联合建模密文数据生成建模原文数据，基于所述建模原文数据和所述联合建模密文数据的数据集生成数据对。

5.根据权利要求4所述的联邦建模任务隐私安全综合评估方法，其特征在于，所述利用所述数据对训练集和所述联邦建模数据对所述初始生成对抗网络模型进行训练，以得到生成对抗网络模型，包括：

利用所述数据对训练集对所述初始生成对抗网络模型进行参数设定，并采用梯度下降优化算法分别对所述初始生成对抗网络模型中的所述生成器、所述辨别器以及所述域分类器进行参数优化，以得到优化后的所述生成器、优化后的所述辨别器以及优化后的所述域分类器；

利用所述联邦建模数据对优化后的所述生成器、优化后的所述辨别器以及优化后的所述域分类器进行训练，以得到生成对抗网络模型。

6.根据权利要求5所述的联邦建模任务隐私安全综合评估方法，其特征在于，所述基于所述生成对抗网络模型和所述联合建模训练数据构建出隐私安全综合评估网络模型，包括：

利用所述生成对抗网络模型中的生成器并基于所述联合建模训练数据生成建模原文数据的训练集；

采用梯度下降法并基于所述建模原文数据的训练集构建出隐私安全综合评估网络模型。

7.根据权利要求1至6任一项所述的联邦建模任务隐私安全综合评估方法，其特征在于，所述以得到隐私安全综合评估结果之后，还包括：

根据所述隐私安全综合评估结果确定出隐私安全评估方案，获取与所述隐私安全综合评估结果相对应的实际数据信息，采用分布式节点部署方法对所述实际数据信息进行联合建模，以得到目标联邦建模模型；

对所述隐私安全综合评估结果进行实时监测，基于所述基于实际执行数据信息对所述目标联邦建模模型进行优化。