基于多方安全计算的树模型的训练方法和业务预测方法.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CN112199706A(43)申请公布日2021.01.08(21)申请号202011157336.0(22)申请日2020.10.26(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)发明人朱敏杰张天翼陈帅傅颖(74)专利代理机构北京博思佳知识产权代理有限公司11415代理人靳玫(51)Int.Cl.G06F21/60(2013.01)G06Q10/04(2012.01)G06Q20/40(2012.01)G06N5/00(2006.01)G06N20/00(2019.01)权利要求书3页说明书11页附图3页(54)发明名称基于多方安全计算的树模型的训练方法和业务预测方法(57)摘要本公开实施例提供一种基于多方安全计算的树模型的训练方法和业务预测方法，树模型由参与多方安全计算的多方共同训练，多方包括第一数据拥有方和至少一个第二数据拥有方，第一数据拥有方具有各训练样本对应的第一样本标签，第二数据拥有方具有训练样本对应的第二样本标签；该方法包括：第一数据拥有方接收第二数据拥有方发送的每个训练样本分别对应的第二加密中间参数；基于本轮迭代对应的分裂特征，将各训练样本划分得到样本集合；将样本集合中样本的第二加密中间参数统计后返回至第二数据拥有方；对于每个训练样本，根据第一样本标签获得第一中间参数，并统计样本集合中所有样本的第一中间参数统计值；基于中间参数，调整树模型的模型参数。CN112199706ACN112199706A权利要求书1/3页1.一种基于多方安全计算的树模型的训练方法，其特征在于，所述树模型由参与多方安全计算的多方共同训练，所述多方包括第一数据拥有方和至少一个第二数据拥有方，其中，所述第一数据拥有方具有各训练样本对应的第一样本标签，所述第二数据拥有方具有所述训练样本对应的第二样本标签；所述方法包括：所述第一数据拥有方接收所述第二数据拥有方发送的每个训练样本分别对应的第二加密中间参数，其中，所述第二加密中间参数是由第二数据拥有方根据所述第二样本标签获得第二中间参数后再进行同态加密得到；基于本轮迭代对应的分裂特征，将各训练样本划分得到样本集合；将所述样本集合中所有样本的第二加密中间参数统计后返回至第二数据拥有方，以使得所述第二数据拥有方解密得到第二中间参数统计值；对于每个训练样本，根据所述第一样本标签获得第一中间参数，并统计所述样本集合中所有样本的第一中间参数统计值；基于中间参数，调整所述树模型的模型参数，其中，所述中间参数是根据所述第一中间参数统计值、以及第二中间参数统计值得到。2.根据权利要求1所述的方法，其特征在于，所述基于中间参数，调整所述树模型的模型参数，其中，所述中间参数是根据所述第一中间参数统计值、以及第二中间参数统计值得到，包括：对所述第一中间参数统计值、以及第二中间参数统计值，以各自的权重系数进行加权平均，得到所述中间参数。3.根据权利要求1所述的方法，其特征在于，所述基于中间参数，调整所述树模型的模型参数，其中，所述中间参数是根据所述第一中间参数统计值、以及第二中间参数统计值得到，包括：当所述第二数据拥有方的数量为多个时，分别接收每一个第二数据拥有方发送的解密得到的第二中间参数统计值；基于第一中间参数统计值以及多个第二中间参数统计值，得到中间参数。4.根据权利要求1所述的方法，其特征在于，所述将各训练样本划分得到的样本集合包括第一分支集合和第二分支集合；所述统计所述样本集合中所有样本的第一中间参数统计值，包括：统计所述第一分支集合中所有训练样本的第一中间参数，得到所述第一分支集合对应的第一中间参数统计值；基于所有训练样本的第一中间参数统计值、以及所述第一分支集合对应的第一中间参数统计值，得到所述第二分支集合对应的第一中间参数统计值。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：在调整所述树模型的模型参数直至所述树模型的树结构确定后，根据所述中间参数计算所述树模型的叶子节点的节点权重。6.根据权利要求1～5任一所述的方法，其特征在于，所述分裂特征，包括：交易样本的交易特征；所述第一样本标签或第二样本标签，用于表示所述交易样本是否存在风险。2CN112199706A权利要求书2/3页7.一种基于树模型的业务预测方法，其特征在于，所述方法包括：接收业务对象的对象特征；将所述对象特征输入预先训练的树模型，其中，所述树模型按照权利要求1至6任一所述的方法训练得到，得到所述树模型输出的业务预测结果。8.根据权利要求7所述的方法，其特征在于，所述业务对象是交易数据；所述树模型输出的业务预测结果，用于表示所述交易数据是否存在风险。9.一种基于多方安全计算的树模型的