模型训练方法、分布式预测方法及其系统.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CN110969264A(43)申请公布日2020.04.07(21)申请号201911272294.2(22)申请日2019.12.11(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)发明人谭晋王磊王力(74)专利代理机构成都七星天知识产权代理有限公司51253代理人袁春晓(51)Int.Cl.G06N20/00(2019.01)G06F21/62(2013.01)权利要求书3页说明书13页附图5页(54)发明名称模型训练方法、分布式预测方法及其系统(57)摘要本说明书中的实施例提供了模型训练方法、分布式预测方法及其系统。中心节点在可信执行环境中基于两个以上用户节点的样本数据进行模型训练，将训练好的模型拆分成两个以上用户节点的用户模型分发至各用户节点。一个或多个用户节点至少基于用户模型和本地特征数据获得本地预测结果，预测节点基于一个或多个用户节点的本地预测结果得到针对待预测对象的标识信息的预测结果。如此，可以有效保护各方的数据隐私。CN110969264ACN110969264A权利要求书1/3页1.一种模型训练方法，其中，由中心节点执行，所述方法包括：获取来自两个以上用户节点的加密样本数据；在可信执行环境中对所述加密样本数据进行解密；在可信执行环境中利用解密出的样本数据进行模型训练，得到训练好的模型；拆分所述训练好的模型，得到所述两个以上用户节点的用户模型；将所述两个以上用户节点的用户模型分别发送给各用户节点。2.根据权利要求1所述的方法，其中，在将所述两个以上用户节点的用户模型分别发送给对应的用户节点之前还包括：加密各用户模型。3.根据权利要求1所述的方法，其中，拆分所述训练好的模型，得到所述两个以上用户节点的用户模型，包括：基于所述两个以上用户节点的样本数据的特征项，将训练好的模型的模型参数按位拆分；或者，将训练好的模型的模型参数进行运算拆分。4.根据权利要求1所述的方法，其中，所述模型包括以下中的至少一种：线性回归模型、决策树以及神经网络。5.一种模型训练系统，其中，对应于中心节点，所述系统包括：数据获取模块，用于获取来自两个以上用户节点的加密样本数据；解密模块，用于在可信执行环境中对所述加密样本数据进行解密；训练模块，用于在可信执行环境中利用解密出的样本数据进行模型训练，得到训练好的模型；模型拆分模块，用于拆分所述训练好的模型，得到所述两个以上用户节点的用户模型；模型分发模块，用于将所述两个以上用户节点的用户模型分别发送给各用户节点。6.根据权利要求5所述的系统，其中，所述系统还包括：加密模块，用于在模型分发模块将所述两个以上用户节点的用户模型分别发送给各用户节点之前，加密各用户模型。7.根据权利要求5所述的系统，其中，所述模型拆分模块进一步用于：基于所述两个以上用户节点的样本数据的特征项，将训练好的模型的模型参数按位拆分；或者，将训练好的模型的模型参数进行运算拆分。8.根据权利要求5所述的系统，其中，所述模型包括以下中的至少一种：线性回归模型、决策树以及神经网络。9.一种模型训练装置，其中，包括至少一个处理器和至少一个存储设备，所述存储设备用于存储指令，当至少一个处理器执行指令时，实现如权利要求1～4中任一项所述的方法。10.一种分布式预测方法，其中，由预测节点执行，所述预测节点为两个以上用户节点之一，或是所述两个以上用户节点以外的节点且与所述两个以上用户节点通信连接，所述两个以上用户节点分别保存有各自的用户模型，各用户模型均对应于预测模型的一部分；所述方法包括：向一个或多个用户节点发送针对待预测对象的标识信息的预测请求；2CN110969264A权利要求书2/3页接收一个或多个用户节点的本地预测结果，所述本地预测结果至少基于对应用户节点的用户模型和针对待预测对象的标识信息的特征数据得到；基于一个或多个用户节点的本地预测结果，得到针对待预测对象的标识信息的预测结果。11.根据权利要求10所述的方法，其中，所述基于所述至少一个用户节点的本地预测结果，得到针对待预测对象的标识信息的预测结果，包括：基于两个以上用户节点的本地预测结果，得到所述预测结果。12.根据权利要求10所述的方法，其中，所述模型包括以下中的至少一种：线性回归模型、决策树以及神经网络。13.一种分布式预测系统，其中，所述系统对应于预测节点，所述预测节点为两个以上用户节点之一，或是所述两个以上用户节点以外的节点且与所述两个以上用户节点通信连接，所述两个以上用户节点分别保存有各自的用户模型，各用户模型均对应于预测模型的一部分；所述系统包括：预测请求发送模块，用于向一个或多个用户节点发送针对待预测对象的标识信息的