[发明专利]模型训练方法、装置、设备和介质

权利要求书

1.一种模型训练方法，其特征在于，由第二方执行，所述方法包括：

将第二方拥有的特征数据表示中取值为固定数值的元素，作为特征数据表示中的目标特征元素；

基于待训练的网络模型对第二方拥有的特征数据进行预测得到第二方预测结果；

向第一方发送所述第二方预测结果，供第一方执行如下：根据拥有的标签数据和所述第二方预测结果确定残差原文，并对所述残差原文进行同态加密得到残差密文；

根据从所述第一方获取的残差密文、固定数值密文，以及特征数据表示中的目标特征元素和其他特征元素，确定第二方梯度密文；

向第一方发送所述第二方梯度密文，供第一方对所述第二方梯度密文进行同态解密得到第二方梯度原文；

根据从所述第一方获取的第二方梯度原文，继续对第二方的网络模型进行训练。

2.根据权利要求1所述的方法，其特征在于，所述固定数值是零，所述固定数值密文通过对零进行同态加密得到。

3.根据权利要求2所述的方法，其特征在于，所述固定数值密文通过对零进行加法同态加密得到。

4.根据权利要求1所述的方法，其特征在于，根据从所述第一方获取的残差密文、固定数值密文，以及特征数据表示中的目标特征元素和其他特征元素，确定第二方梯度密文，包括：

将所述固定数值密文，作为目标特征元素在第二方梯度密文表示中关联的目标梯度密文元素；

根据从所述第一方获取的残差密文，以及特征数据表示中的其他特征元素，确定其他特征元素在第二方梯度密文表示中关联的其他梯度密文元素。

5.根据权利要求4所述的方法，其特征在于，根据从所述第一方获取的残差密文，以及特征数据表示中的其他特征元素，确定其他特征元素在第二方梯度密文表示中关联的其他梯度密文元素，包括：

采用放大系数对特征数据表示中的其他特征元素进行放大，得到其他特征放大元素；

根据从所述第二方获取的残差密文和所述其他特征放大元素，确定第二方梯度密文表示中的其他梯度密文元素。

6.一种模型训练方法，其特征在于，由第一方执行，所述方法包括：

根据拥有的标签数据和从第二方获取的第二方预测结果，确定残差原文；其中，所述第二方预测结果由所述第二方基于待训练的网络模型对第二方拥有的特征数据进行预测得到的；

对所述残差原文进行同态加密，得到残差密文；

向所述第二方发送所述残差密文和固定数值密文，供所述第二方根据所述残差密文、所述固定数值密文和第二方拥有的特征数据，确定第二方梯度密文；

对从所述第二方获取的第二方梯度密文进行同态解密，得到第二方梯度原文；

向第二方发送所述第二方梯度原文，供第二方根据所述第二方梯度原文继续对第二方的网络模型进行训练。

7.根据权利要求6所述的方法，其特征在于，所述固定数值是零，所述固定数值密文通过对零进行同态加密得到。

8.根据权利要求7所述的方法，其特征在于，所述固定数值密文通过对零进行加法同态加密得到。