[发明专利]在数据隐私保护下执行机器学习的方法和系统

权利要求书

1.一种在数据隐私保护下执行机器学习的方法，包括：

获取目标数据集；

获取关于源数据集的迁移项，其中，所述迁移项用于在源数据隐私保护方式下将源数据集的知识迁移到目标数据集以在目标数据集上训练目标机器学习模型；以及

在目标数据隐私保护方式下，基于目标数据集，结合所述迁移项来训练目标机器学习模型。

2.如权利要求1所述的方法，其中，获取关于源数据集的迁移项的步骤包括：从外部接收所述迁移项；或者，获取关于源数据集的迁移项的步骤包括：获取源数据集；在源数据隐私保护方式下，基于源数据集执行与机器学习相关的处理；以及在基于源数据集执行与机器学习相关的处理的过程中获取关于源数据集的迁移项。

3.如权利要求2所述的方法，其中，所述源数据隐私保护方式和/或所述目标数据隐私保护方式为遵循差分隐私定义的保护方式。

4.如权利要求2所述的方法，其中，所述迁移项涉及在基于源数据集执行与机器学习相关的处理的过程中得到的模型参数、目标函数和/或关于源数据的统计信息。

5.如权利要求2所述的方法，其中，所述源数据隐私保护方式为在基于源数据集执行与机器学习相关的处理的过程中添加随机噪声；并且/或者，所述目标数据隐私保护方式为在训练目标机器学习模型的过程中添加随机噪声。

6.如权利要求5所述的方法，其中，在源数据隐私保护方式下基于源数据集执行与机器学习相关的处理包括：在源数据隐私保护方式下基于源数据集训练源机器学习模型。

7.如权利要求6所述的方法，其中，源机器学习模型与目标机器学习模型属于基于相同类型的机器学习模型。

8.一种存储指令的计算机可读存储介质，其中，当所述指令被至少一个计算装置运行时，促使所述至少一个计算装置执行如权利要求1至7中的任一权利要求所述的在数据隐私保护下执行机器学习的方法。

9.一种包括至少一个计算装置和至少一个存储指令的存储装置的系统，其中，所述指令在被所述至少一个计算装置运行时，促使所述至少一个计算装置执行如权利要求1至7中的任一权利要求所述的在数据隐私保护下执行机器学习的方法。

10.一种用于在数据隐私保护下执行机器学习的系统，所述系统包括：

目标数据集获取装置，被配置为获取目标数据集；

迁移项获取装置，被配置为获取关于源数据集的迁移项，其中，所述迁移项用于在源数据隐私保护方式下将源数据集的知识迁移到目标数据集以在目标数据集上训练目标机器学习模型；以及

目标机器学习模型训练装置，被配置为在目标数据隐私保护方式下，基于目标数据集，结合所述迁移项来训练目标机器学习模型。