内容提供者
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
2023-05-25
10金币
727KB
21页
新槐****公主
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共21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
2023-05-25
10
727KB
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
2023-05-25
10
559KB
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
2023-05-25
10
555KB
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。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，第二方对该加密误差向量添加混淆向量后发送给第一方，并与第一方各自采用该混淆向量和特征矩阵进行安全矩阵乘法，得到乘积分片。第二方可选的对乘积分片添加混淆，然后发给第一方。第一方由此确定出其第一梯度，据此更新其参数。
2023-05-25
10
773KB
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。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，双方联合通过同态添加混淆元素的方式，传递第二方的梯度，使得第二方更新其第二参数；此外，还通过二次加密的方式，传递第一方的梯度，使得第一方更新其第一参数。如此实现保护数据隐私的安全联合训练。
2023-05-25
10
847KB