保护数据隐私的两方联合训练预测模型的方法及装置.pdf
雨星****萌娃
亲,该文档总共19页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
保护数据隐私的两方联合训练预测模型的方法及装置.pdf
本说明书实施例提供一种保护数据隐私的两方联合训练预测模型的方法及装置,两方各自持有多个用户的不同特征部分,部署针对不同特征部分的表征层,其中标签方还部署预测层。该方法包括:两方各自在本地处理同一批用户样本的特征部分,得到对应的正序表征,且无标签方还生成乱序方阵;然后,标签方基于其正序表征与无标签方中的正序表征和变换方阵进行安全多方计算,得到乱序融合表征,从而基于利用预测层处理乱序融合表征而得到的乱序预测结果,和基于正序用户标签与无标签方中的乱序方阵进行安全矩阵乘法而得到的乱序预测标签,确定传播至两个表征层
保护数据隐私的两方联合训练预测模型的方法及装置.pdf
本说明书实施例提供一种保护数据隐私的两方联合训练预测模型的方法及装置,其中第一方和第二方对应部署预测模型中的序列表征层和预测层。所述方法应用于第一方,包括:利用序列表征层处理其持有的用户行为序列,其中包括样本用户在T个时刻做出的T个行为,具体地,利用行为表征子层确定T个行为对应的T个行为表征;利用注意力子层确定该T个行为表征对应的T个注意力权重,并用其对T个行为表征进行加权求和,得到原始序列表征;利用加噪子层对该原始序列表征添加基于行为个数T而确定的差分隐私噪声,得到加噪序列表征;从第二方接收其基于该加噪
保护数据隐私的两方联合训练业务预测模型的方法及装置.pdf
本说明书实施例提供一种保护数据隐私的两方联合训练业务预测模型的方法及装置。该方法包括:两方各自利用本地部署的表征层处理本方的训练样本的特征部分,得到对应的表征;第二方对两方表征进行融合处理,并利用随机生成的可逆函数处理融合表征,得到混淆表征,以使第一方利用预测层处理此混淆表征,得到混淆预测结果;第二方利用可逆函数的反函数处理混淆预测结果,得到真实预测结果,以使第一方利用此真实预测结果和样本标签计算预测层的梯度和传播至表征层的目标梯度;第二方根据上述反函数以及上述融合处理的对应方式,处理目标梯度,从而确定传
保护数据隐私的双方联合训练业务预测模型的方法和装置.pdf
本说明书实施例提供一种保护数据隐私的双方联合训练业务预测模型的方法和装置,其中第一方和第二方分别拥有一部分特征数据,分别维护第一和第二参数部分,借助于第三方进行联合训练。在模型迭代时,双方各自计算其特征矩阵与参数的乘积结果,第一方将其乘积结果用第三方公钥同态加密后发送给拥有标签的第二方,由第二方进行同态运算,得到加密误差向量。然后,基于该加密误差向量,双方各自通过同态添加混淆元素的方式,将混淆后的加密梯度发送给第三方,使其解密,再对解密后的混淆梯度去混淆,得到对应的梯度,由此更新对应的参数。如此实现保护数
保护数据隐私的双方联合训练业务预测模型的方法和装置.pdf
本说明书实施例提供一种保护数据隐私的双方联合训练业务预测模型的方法和装置,其中双方各自拥有一部分特征数据。在模型迭代过程中,双方通过安全矩阵乘法,得到总的特征矩阵X与总的参数矩阵W的乘积结果的加密分片。由拥有标签的第二方汇总这两个加密分片,得到加密的乘积结果Z。第二方基于该乘积结果Z与加密的标签Y,得到加密的误差E,并对其进行同态加密下的秘密分享。于是,双方各自得到误差分片。然后双方基于误差分片和各自的特征矩阵,通过秘密分享和安全矩阵乘法,得到对应的梯度分片。然后,第一方利用其梯度分片更新其维护的参数分片