基于数据隐私保护的在线模型训练方法、装置以及设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112800467A(43)申请公布日2021.05.14(21)申请号202110187563.6(22)申请日2021.02.18(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人曹佳炯丁菁汀(74)专利代理机构北京君慧知识产权代理事务所(普通合伙)11716代理人吴绍群(51)Int.Cl.G06F21/62(2013.01)G06F21/60(2013.01)权利要求书3页说明书13页附图5页(54)发明名称基于数据隐私保护的在线模型训练方法、装置以及设备(57)摘要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。CN112800467ACN112800467A权利要求书1/3页1.一种基于数据隐私保护的在线模型训练方法，应用于客户端，所述方法包括：通过与云端进行交互，确定基准模型；获取用户数据，并对所述用户数据进行重编码，得到图像形式数据；通过对所述图像形式数据进行矩阵变换处理，得到脱敏数据；对所述脱敏数据加密后，发送给所述云端，并消除本地的所述用户数据；接收所述云端根据所述加密后的脱敏数据确定的模型梯度；根据所述模型梯度，更新本地的所述基准模型。2.如权利要求1所述的方法，所述对所述用户数据进行重编码之前，所述方法还包括：判断所述用户数据是否为图像数据，且所述判断的结果为否；所述方法还包括：若所述判断的结果为是，则对所述用户数据进行矩阵变换处理，得到脱敏数据。3.如权利要求1或者2所述的方法，所述用户数据包括包含用户账户或者用户身份的文本数据。4.如权利要求1所述的方法，所述矩阵变换处理为小波变换处理，或者随机行列变换处理。5.如权利要求4所述的方法，所述通过对所述图像形式数据进行矩阵变换处理，得到脱敏数据，具体包括：确定对于所述图像形式数据的频域和时域的处理能力；根据所述处理能力和指定域的敏感目标，对所述图像形式数据的对应区域进行小波变换处理，得到脱敏数据。6.如权利要求5所述的方法，所述通过对所述图像形式数据进行矩阵变换处理，得到脱敏数据，具体包括：通过对所述图像形式数据进行三重小波变换处理，得到所述指定域的非敏感数据；根据所述非敏感数据和所述指定域之外的用户数据，得到脱敏数据。7.如权利要求1所述的方法，所述通过与云端进行交互，确定基准模型，具体包括：向云端发送本地模型的摘要信息与时间戳，与所述云端的模型的摘要信息与时间戳进行比较，确定是否一致；若所述比较的结果为是，则确定所述本地模型为基准模型。8.一种基于数据隐私保护的在线模型训练方法，应用于云端，所述方法包括：接收客户端加密后的脱敏数据，进行解密，得到所述脱敏数据；对所述脱敏数据进行逆矩阵变换处理，得到图像形式数据；对所述图像形式数据进行反编码，得到用户数据；根据所述用户数据，计算确定模型梯度；对所述模型梯度加密后，发送给所述客户端进行模型更新。9.如权利要求8所述的方法，所述方法还包括：接收所述客户端的模型的摘要信息与时间戳，与所述云端的模型的摘要信息与时间戳进行比较，确定是否一致；若所述比较的结果为否，则从所述客户端的模型与所述云端的模型中，确定时间戳距离当前时间近的模型，作为基准模型；2CN112800467A权利要求书2/3页根据所述基准模型，对所述客户端的模型与所述云端的模型中的另一个模型进行更新。10.一种基于数据隐私保护的在线模型训练装置，应用于客户端，所述装置包括：基准模型确定模块，通过与云端进行交互，确定基准模型；重编码模块，获取用户数据，并对所述用户数据进行重编码，得到图像形式数据；变换处理模块，通过对所述图像形式数据进行矩阵变换处理，得到脱敏数据；数据发送模块，对所述脱敏数据加密后，发送给所述云端，并消除本地的所述用户数据；梯度接收模块，接收所述云端根据所述加密后的脱敏数据确定的模型梯度；更新模块，根据所述模型梯度，更新本地的所述基准模型。11.如权利要求10所述的装置，所述装置还包括：第一判断模块，判断所述用户数据是否为图像数据，且所述判断的结果为否；第二判断模块，若所述判断的结果为是，则对所述用户数据进行矩阵变换处理，得到脱敏数据。12.如权利要求10或者11所述的装置，所述用户数据包括包含用户账户或者用户身份的文本数据。13.如权利