[发明专利]基于联邦学习的模型参数训练方法及装置

摘要

本申请公开了一种基于联邦学习的模型参数训练方法及装置。该方法中第一终端接收第二终端发送第一加密映射模型；根据第一加密映射模型对第一样本数据缺失的特征进行预测，获取第一加密补全样本数据；根据当前加密模型参数、第一样本数据和第一加密补全样本数据，训练联邦学习模型，并获取第一秘密共享损失值和第一秘密共享梯度值；若检测出联邦学习模型处于收敛状态，则根据第一秘密共享梯度值对应的更新后的第一秘密共享模型参数和第二终端发送的第二秘密共享模型参数，获取目标模型参数。该方法采用秘密共享的方式使联邦学习模型的训练过程不需要第协作者的协助，提高了用户体验。

主权项

1.一种基于联邦学习的模型参数训练方法，其特征在于，所述方法包括：第一终端接收第二终端发送第一加密映射模型，所述第一加密映射模型是所述第二终端在根据第一样本数据与第二样本数据的交集特征以及所述第二样本数据训练得到第一映射模型后，对所述第一映射模型采用第一秘密共享算法进行加密得到的，其中，所述第一样本数据为所述第一终端运行产生的数据，所述第二样本数据为第二终端运行产生的数据；根据所述第一加密映射模型，对所述第一样本数据缺失的特征进行预测，获取第一加密补全样本数据，所述第一加密补全样本数据为所述第一样本数据相对于第二样本数据缺失的且经过加密处理的特征数据；根据当前加密模型参数、所述第一样本和所述第一加密补全样本，训练联邦学习模型，并对所述联邦学习模型，采用预设损失值算法和预设梯度值算法，获取所述联邦学习模型的第一秘密共享损失值和第一秘密共享梯度值，所述第一秘密共享损失值用于表征所述联邦学习模型的收敛程度，所述第一秘密共享梯度值用于表征所述第一秘密共享损失值的变化趋势；若根据所述第一秘密共享损失值，检测出所述联邦学习模型处于收敛状态，则根据所述第一秘密共享梯度值和所述当前加密模型参数，采用预设模型参数算法，获取所述第一秘密共享梯度值对应的更新后的第一秘密共享模型参数；根据所述第一秘密共享模型参数和所述第二终端发送的第二秘密共享模型参数，获取所述联邦学习模型的目标模型参数，所述第二秘密共享模型参数为所述第二终端的联邦学习模型处于收敛状态时的秘密共享模型参数。