基于数据隐私保护的在线模型训练方法、装置以及设备.pdf
念珊****写意
亲,该文档总共22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
基于数据隐私保护的在线模型训练方法、装置以及设备.pdf
本说明书实施例公开了一种基于数据隐私保护的在线模型训练方法、装置以及设备。方案包括:客户端在与云端交互后,确定基准模型。在对模型进行更新的过程中,获取用户数据,对用户数据进行重编码,得到图像形式数据。之后,对图像形式数据进行矩阵变换处理,得到脱敏数据,并将脱敏数据加密后,发送给云端,以及消除本地的用户数据。之后,客户端接收云端根据加密后的脱敏数据确定的模型梯度,并根据模型梯度更新本地的基准模型。
基于隐私保护的模型联合训练方法及装置.pdf
本说明书实施例提供了一种基于隐私保护的模型联合训练方法及装置。在联合训练过程是在目标数量是在迭代的轮次大于或等于预设的目标迭代的轮次的条件下,开始基于目标数量对用于联合训练的梯度的数量进行调整,由服务器确定出在下一轮或几轮迭代中终端需向服务器发送的梯度的数量(即,目标数量),使得参与联合训练的终端不必在整个联合训练的过程中将得到的所有梯度都上传至服务器。
基于隐私保护的模型训练方法及装置.pdf
本说明书实施例提供一种基于隐私保护的模型训练方法及装置,通过本说明书实施例提供的方法和装置,在安全计算过程中,利用高斯差分隐私和(ε,δ)差分隐私之间形成的对偶关系,以及在训练周期达到一定阈值的极限情况下高斯差分隐私空间中用于衡量累积隐私损失的参数μ与所添加的高斯噪声的方差σ
基于隐私保护的业务预测模型训练方法和装置.pdf
本说明书实施例提供一种基于隐私保护的业务预测模型训练方法和装置。该方法可以通过训练系统中的可信计算单元和非可信计算单元执行。可信计算单元将初始模型参数、多个业务样本的样本特征和对应的标签值分别进行同态加密,并将其发送至非可信计算单元,执行多轮模型迭代,其中任意一轮模型迭代包括,可信计算单元与非可信计算单元进行交互,使得非可信计算单元至少基于对同态加密后的特征数据和模型参数进行同态运算,确定本轮更新后的第二加密模型参数,可信计算单元根据第二加密模型参数和第一加密模型参数的差异,确定模型训练过程是否满足收敛条
保护数据隐私的业务预测模型训练方法及装置.pdf
本说明书实施例提供了一种保护数据隐私的业务预测模型训练方法及装置。在训练过程中,成员设备利用自身持有的对象特征数据,通过业务预测模型进行预测,利用预测结果确定用于更新模型参数的更新参量,其中包括针对业务预测模型的多个计算层的多个子参量;利用多个子参量,将多个计算层划分成第一类计算层和第二类计算层,第一类计算层的子参量值在指定范围以内;对第一类计算层的子参量进行隐私处理,并输出处理后子参量。多个成员设备的处理后子参量可以被聚合成聚合子参量。成员设备可以获取第一类计算层的聚合子参量,并利用聚合子参量和第二类计