[发明专利]基于联邦学习的联盟网络构建方法、设备及可读存储介质

说明书

本发明公开了一种基于联邦学习的联盟网络构建方法，包括：构建初始联盟网络；当监测到联合建模请求时，依据所述联合建模请求，从所述初始联盟网络中选择建模参与方节点；向各建模参与方节点发送联合建模指令，以供各建模参与方节点依据各自的样本数据，执行联合建模操作，以构建包含各建模参与方节点的各自业务模型的目标联盟网络。本发明还公开了一种基于联邦学习的联盟网络构建设备及计算机可读存储介质。本发明能够在相互利用业务数据的同时，保证各方企业的数据隐私。

技术领域

本发明涉及联盟网络的技术领域，尤其涉及一种基于联邦学习的联盟网络构建方法、设备及可读存储介质。

背景技术

企业为提高业务效果，通常通过收集用户行为数据，并对用户行为数据进行大数据分析的方式，给用户推荐商品或进行风险控制等，进而提高收益或降低风险，而单个企业的业务数据是有限的，当需要利用其它企业的业务数据以提高业务效果时，企业双方需要安排人员面谈协商，在协商成功之后，各方企业才可以相互利用对方的业务数据。

然而，各方企业相互利用对方的用户行为数据时，无法保证各方企业的数据隐私，存在安全隐患，无法在相互利用业务数据的同时，保证各方企业的数据隐私，因此，如何在相互利用业务数据的同时，保证各方企业的数据隐私是目前亟待解决的问题。

发明内容

本发明的主要目的在于提供一种基于联邦学习的联盟网络构建方法、设备及可读存储介质，旨在相互利用业务数据的同时，保证各方企业的数据隐私。

为实现上述目的，本发明提供一种基于联邦学习的联盟网络构建方法，所述基于联邦学习的联盟网络构建方法包括以下步骤：

构建初始联盟网络；

当监测到联合建模请求时，依据所述联合建模请求，从所述初始联盟网络中选择建模参与方节点；

向各建模参与方节点发送联合建模指令，以供各建模参与方节点依据各自的样本数据，执行联合建模操作，以构建包含各建模参与方节点的各自业务模型的目标联盟网络。

进一步地，依据所述联合建模请求，从所述初始联盟网络中选择建模参与方节点的步骤包括：

从所述联合建模请求中读取建模参与方标签组，并获取所述初始联盟网络的联盟参与方标签组；

将所述建模参与方标签组中的建模参与方标签与所述联盟参与方标签组中的联盟参与方标签进行匹配；

将匹配到的联盟参与方标签对应的联盟参与方节点，确定为建模参与方节点。

进一步地，所述各建模参与方节点依据各自的样本数据，执行联合建模操作，以构建包含各建模参与方节点的各自业务模型的目标联盟网络的步骤包括：

各建模参与方节点对各自的样本数据进行处理，以获取各自的梯度值和损失值，并加密各自的梯度值和损失值，且各建模参与方节点之间互传加密后的梯度值和损失值；

各建模参与方节点将各自加密的梯度值和损失值与互传的加密的梯度值和损失值结合，得到各自加密的总梯度值和总损失值；

各建模参与方节点将各自加密的总梯度值和总损失值传输至解密节点，且各建模参与方节点依据所述解密节点解密返回的各自总损失值和历史损失值，确定各自的待训练业务模型是否收敛；

若各建模参与方节点的各自的待训练业务模型收敛，则各建模参与方节点以收敛时的各自模型参数，构建包含各建模参与方节点的各自业务模型的目标联盟网络。

进一步地，所述加密各自的梯度值和损失值的步骤包括：

各建模参与方节点获取预设公有密钥，并依据所述预设公有密钥对各自的梯度值和损失值进行同态加密。