内容提供者
基于多方安全计算的神经网络模型训练及预测方法、装置.pdf
2023-05-25
10金币
1.2MB
29页
猫巷****雪凝
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共29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
基于多方安全计算的神经网络模型训练及预测方法、装置.pdf
本说明书实施例提供基于多方安全计算的神经网络模型训练方法、模型预测方法及装置。神经网络模型被分割为至少一个客户端模型和至少一个服务端模型，服务端模型部署在服务端，客户端模型部署在对应训练参与方的客户端。在每次循环时，训练样本数据被提供给神经网络模型来得到当前预测值和当前预测差值。在各个客户端模型，经由各个训练参与方使用各自的客户端子模型以及所接收的数据逐层进行多方安全计算。在各个服务端模型，使用在前客户端模型的计算结果逐层进行非多方安全计算。在循环未结束时，根据当前预测差值，通过反向传播来调整服务端模型和
2023-05-25
10
1.2MB
基于多方安全计算训练模型的方法及装置.pdf
本说明书实施例提供一种基于多方安全计算训练模型的方法及装置，在多方联合利用各自的隐私数据进行基于逻辑回归的分类模型训练过程中，通过目标映射函数代替常规的sigmoid函数进行数据分类，以减少基于逻辑回归进行分类的分类模型在多方安全计算场景下的数据处理的复杂度，提高模型训练效率。其中，在目标映射函数满足在远离0的位置具有较高准确度的条件的情况下，可以提高分类准确度。如此，可以提高多方安全计算场景下联合训练基于逻辑回归的分类模型的可行性。
2023-05-25
10
1.3MB
基于多方安全计算的机器学习模型训练及预测方法、装置.pdf
本说明书实施例提供基于多方安全计算的非线性机器学习模型训练方法、模型预测方法及装置。非线性机器学习模型被分解为多个子模型，每个子模型部署在对应训练参与方处。在每次循环时，将非线性机器学习模型的模型计算分割为至少一个第一模型计算和至少一个第二模型计算。针对各个第一模型计算，经由各个训练参与方使用对应模型参数以及训练样本数据或者在前第二模型计算的计算结果来进行多方安全计算。针对各个第二模型计算，使用在前第一模型计算的计算结果来在可信计算设备的可信执行环境中进行可信计算。在循环未结束时，根据预测差值调整各个训练
2023-05-25
10
714KB
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
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
2023-05-25
10
739KB
多方联合训练神经网络模型的方法和装置.pdf
本说明书实施例提供一种多方联合训练神经网络模型的方法和装置，方法包括：获取模型的权重参数及训练样本的特征数据分别在第一环中第一精度的第一权重分片和第一特征分片；将第一特征分片和第一权重分片输入神经网络模型，通过与其他方进行对应于前向传播的多方联合计算，得到各个网络层的各个输出分片；获取各个输出分片，权重参数及训练样本的标签分别在第二环中第二精度的第二输出分片，第二权重分片，第二标签分片；第二环大于第一环，第二精度高于第一精度；利用第二输出分片、第二权重分片和第二标签分片，与其他方进行对应于反向传播的多方联
2023-05-25
10
838KB