内容提供者
多方联合训练逻辑回归模型的方法及装置.pdf
2023-05-25
10金币
879KB
24页
猫巷****觅蓉
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24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
多方联合训练逻辑回归模型的方法及装置.pdf
本说明书实施例提供一种多方联合训练逻辑回归模型的方法，所述多方各自持有形成训练样本集的部分数据，所述方法应用于多方中任意的第一方；所述方法涉及多期训练，其中任一期包括：获取本期针对所述训练样本集划分出的多个批次；针对所述多个批次中的每个批次，基于该批次训练样本的第一特征分片和第一标签分片，以及所述逻辑回归模型的第一参数分片，确定第一损失分片，用于还原该批次对应的训练损失；在所述第一方为指定方的情况下，基于所述多个批次对应的多个训练损失，确定本期训练损失，用于评估本期训练后的逻辑回归模型的收敛状态。
2023-05-25
10
879KB
联合训练逻辑回归模型的方法及装置.pdf
本说明书实施例提供一种联合训练逻辑回归模型的方法，所述训练涉及包括样本特征、样本标签和模型参数在内的3种训练数据，均被拆分为分片分布于两方之中；该方法由两方中任意的第一方执行，包括：利用随机数组第一分片中的3个随机数第一分片，对3种训练数据对应的3个第一方分片对应进行掩码处理，得到3个第一掩码分片，并发送给第二方，该随机数组第一分片由第三方将其生成的随机数组中的各数值拆分为两方分片后，将分片之一发送给第一方；利用3个第一掩码分片和从第二方接收的3个第二掩码分片，构建对应3种训练数据的3个掩码数据；基于3个
2023-05-25
10
675KB
针对逻辑回归模型进行联合训练的方法及装置.pdf
本说明书实施例提供一种多方联合针对逻辑回归模型进行联合训练的方法及装置，在多方联合利用各自的隐私数据进行逻辑回归模型训练过程中，利用多项式、分段函数等对逻辑斯蒂函数进行近似计算，以减少逻辑斯蒂函数计算的复杂度。具体地，针对训练数据的特点，结合各个数据持有方所持有的隐私数据的实际情况，确定对逻辑斯蒂函数近似计算的不同精度需求，从而选择逻辑回归模型中针对逻辑斯蒂函数的近似方案。该方式可以兼顾多方安全计算的逻辑回归模型准确性和效率需求，提高多方安全计算场景下联合训练逻辑回归模型的有效性。
2023-05-25
10
904KB
多方联合进行模型训练的方法及装置.pdf
本说明书实施例提供一种多方联合进行模型训练的方法及装置。其中多方包括拥有样本标签的标签方和拥有样本特征的若干数据方；所述方法应用于其中任意一个数据方，包括：利用本地部署的第一模型处理与多方约定的第一批次样本标识对应的第一批次本地特征，得到第一输出，并将所述第一输出发送给所述标签方；基于若干第二批次本地特征，利用对比学习对所述第一模型进行第一更新；从所述标签方接收回传梯度，其基于各个数据方的第一输出、与所述第一批次样本标识对应的样本标签和所述标签方中部署的目标模型而确定；基于所述回传梯度，对经过所述第一更新
2023-05-25
10
679KB
多方联合训练模型的方法和装置.pdf
本说明书实施例提供一种多方联合训练模型的方法和装置，多方包括服务器和多个训练成员，方法由多个训练成员中的任一训练成员执行，方法包括多轮迭代更新，其中任意一轮迭代更新包括：利用从服务器获取的当前模型参数，更新本地的第一模型；根据本方的超参数，对应于动量梯度下降的方式确定本轮迭代中更新的本地动量；本方的超参数，根据本地的第一样本集合而确定；将更新的本地动量加密后得到本地的加密动量；向服务器发送本地的加密动量，以使服务器根据从多个训练成员分别接收的加密动量，确定各更新的本地动量之和，得到总动量，根据总动量，更新
2023-05-25
10
1.3MB