基于联合预测的推送方法和系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114610994A(43)申请公布日2022.06.10(21)申请号202210222683.X(22)申请日2022.03.09(71)申请人支付宝（杭州）信息技术有限公司地址310023浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人杨哲(74)专利代理机构上海专利商标事务所有限公司31100专利代理师钱孟清(51)Int.Cl.G06F16/9535(2019.01)G06Q10/04(2012.01)G06F21/60(2013.01)权利要求书2页说明书8页附图6页(54)发明名称基于联合预测的推送方法和系统(57)摘要本公开提供了一种基于联合预测的推送方法和系统，方法包括：获取请求方在第一参与者处的第一数据以及在第二参与者处的第二数据，其中第一参与者处的第一数据不同于第二参与者处的第二数据，并且第一数据和第二数据是不互通的；基于共享学习联合所获取的第一数据和第二数据来进行联合预测以进行向该请求方的联合预测相关推送；以及向第一参与者和第二参与者反馈联合预测的结果。CN114610994ACN114610994A权利要求书1/2页1.一种基于联合预测的推送方法，所述方法包括：获取请求方在第一参与者处的第一数据以及在第二参与者处的第二数据，其中所述第一参与者处的第一数据不同于所述第二参与者处的第二数据，并且所述第一数据和所述第二数据是不互通的；基于共享学习联合所获取的第一数据和第二数据来进行联合预测以进行向所述请求方的联合预测相关推送；以及向所述第一参与者和所述第二参与者反馈所述联合预测的结果。2.如权利要求1所述的方法，基于共享学习联合所获取的第一数据和第二数据来进行联合预测以进行向所述请求方的联合预测相关推送进一步包括：将所获取的第一数据和第二数据输入联合预测模型以进行向所述请求方的联合预测相关推送，其中所述联合预测模型是由所述第一参与者处的第一参与者模型和所述第二参与者处的第二参与者模型联合得到的，所述第一参与者模型和所述第二参与者模型是基于共享学习联合所述第一数据和所述第二数据经由第三方协作者进行加密训练得到的。3.如权利要求2所述的方法，所述第一参与者模型和所述第二参与者模型是通过以下操作来训练得到的，其中训练数据集包括共有群体在同一时间段在所述第一参与者处的第一数据、在所述第二参与者处的第二数据以及关于联合预测结果的训练标签：初始化所述第一参与者模型的第一模型参数和所述第二参与者模型的第二模型参数；所述第一参与者和所述第二参与者各自计算相应的第一中间结果和第二中间结果并且利用所述第三方协作者发送的公钥来进行加密交互；所述第一参与者和所述第二参与者各自计算加密梯度并且添加掩码后发送给所述第三方协作者；所述第二参与者计算加密损失并且发送给所述第三方协作者；以及所述第三方协作者将解密后的梯度分别回传给所述第一参与者和所述第二参与者以更新所述第一模型参数和所述第二模型参数，直至损失收敛。4.如权利要求3所述的方法，所述第一参与者模型和所述第二参与者模型是基于同态加密和线性回归来训练得到的。5.如权利要求3所述的方法，所述共有群体是利用基于加密的样本对齐算法来得到的。6.如权利要求5所述的方法，所述样本对齐算法包括RSA算法，其中，所述第一参与者和所述第二参与者利用所述第三方协作者发送的公钥来对样本数据进行加密，并且将经加密的样本数据发送给所述第三方协作者；以及所述第三方协作者利用私钥对所述经加密的样本数据进行解密，并且取出共有群体返回给所述第一参与者和所述第二参与者。7.如权利要求1所述的方法，所述联合预测的结果是多分类的。8.一种基于联合预测的推送系统，所述系统包括：数据采集模块，获取请求方在第一参与者处的第一数据以及在第二参与者处的第二数据，其中所述第一参与者处的第一数据不同于所述第二参与者处的第二数据，并且所述第一数据和所述第二数据是不互通的；联合预测模块，基于共享学习联合所获取的第一数据和第二数据来进行联合预测以进行向所述请求方的联合预测相关推送；以及2CN114610994A权利要求书2/2页结果反馈模块，向所述第一参与者和所述第二参与者反馈所述联合预测的结果。9.如权利要求8所述的系统，所述联合预测模块进一步：将所获取的第一数据和第二数据输入联合预测模型以进行向所述请求方的联合预测相关推送，其中所述联合预测模型是由所述第一参与者处的第一参与者模型和所述第二参与者处的第二参与者模型联合得到的，所述第一参与者模型和所述第二参与者模型是基于共享学习联合所述第一数据和所述第二数据经由第三方协作者进行加密训练得到的。10.如权利要求9所述的系统，所述第一参与者模型和所述第二参与者模型是通过以下操作来训练得到的，其中训练数据集包括共