[发明专利]模型参数确定方法、装置和电子设备有效
申请号: | 201910734791.3 | 申请日: | 2019-08-09 |
公开(公告)号: | CN110569227B | 公开(公告)日: | 2020-08-14 |
发明(设计)人: | 周亚顺;李漓春;殷山;王华忠 | 申请(专利权)人: | 阿里巴巴集团控股有限公司 |
主分类号: | G06F16/21 | 分类号: | G06F16/21;G06F21/62 |
代理公司: | 北京三友知识产权代理有限公司 11127 | 代理人: | 李辉 |
地址: | 英属开曼*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 模型 参数 确定 方法 装置 电子设备 | ||
本说明书实施例提供一种模型参数确定方法、装置和电子设备。所述方法包括:根据特征数据和原始模型参数的份额与合作方秘密分享第一乘积,得到第一乘积的份额,所述第一乘积为特征数据和原始模型参数的乘积;根据第一乘积的份额和激励函数对应的混淆电路与合作方进行通信,得到激励函数取值的份额;根据特征数据和激励函数取值的份额与合作方秘密分享损失函数的梯度,得到损失函数梯度的份额;根据原始模型参数的份额、损失函数梯度的份额和预设步长,计算新的模型参数的份额。本说明实施例可以在保护数据隐私的前提下,由多方协作确定数据处理模型的模型参数。
技术领域
本说明书实施例涉及计算机技术领域,特别涉及一种模型参数确定方法、装置和电子设备。
背景技术
大数据时代,存在非常多的数据孤岛。数据通常分散存于不同的企业中,企业与企业之间由于竞争关系和隐私保护的考虑,并不是完全的互相信任。在一些情况下,企业与企业之间需要进行合作安全建模,以便在充分保护企业数据隐私的前提下,使用各方的数据对数据处理模型进行协作训练。
在对数据处理模型进行协作训练的过程中,可以使用模型参数优化方法对数据处理模型的模型参数进行多次优化调整。由于用于对数据处理模型进行训练的数据是分散在合作建模的各方的,因此如何在保护数据隐私的条件下,协作确定数据处理模型的模型参数,是当前亟需解决的技术问题。
发明内容
本说明书实施例的目的是提供一种模型参数确定方法、装置和电子设备,以在保护数据隐私的前提下,由多方协作确定数据处理模型的模型参数。
为实现上述目的,本说明书中一个或多个实施例提供的技术方案如下。
根据本说明书一个或多个实施例的第一方面,提供了一种模型参数确定方法,应用于第一数据方,包括:根据特征数据和原始模型参数的份额与合作方秘密分享第一乘积,得到第一乘积的份额,所述第一乘积为特征数据和原始模型参数的乘积;根据第一乘积的份额和激励函数对应的混淆电路与合作方进行通信,得到激励函数取值的份额;根据特征数据和激励函数取值的份额与合作方秘密分享损失函数的梯度,得到损失函数梯度的份额;根据原始模型参数的份额、损失函数梯度的份额和预设步长,计算新的模型参数的份额。
根据本说明书一个或多个实施例的第二方面,提供了一种模型参数确定方法,应用于第二数据方,包括:根据原始模型参数的份额与合作方秘密分享第一乘积,得到第一乘积的份额,所述第一乘积为特征数据和原始模型参数的乘积;根据第一乘积的份额和激励函数对应的混淆电路与合作方进行通信,得到激励函数取值的份额;根据标签和激励函数取值的份额与合作方秘密分享损失函数的梯度,得到损失函数梯度的份额;根据原始模型参数的份额、损失函数梯度的份额和预设步长,计算新的模型参数的份额。
根据本说明书一个或多个实施例的第三方面,提供了一种模型参数确定装置,应用于第一数据方,包括:第一乘积份额获取单元,用于根据特征数据和原始模型参数的份额与合作方秘密分享第一乘积,得到第一乘积的份额,所述第一乘积为特征数据和原始模型参数的乘积;激励函数取值份额获取单元,用于根据第一乘积的份额和激励函数对应的混淆电路与合作方进行通信,得到激励函数取值的份额;损失函数梯度份额获取单元,用于根据特征数据和激励函数取值的份额与合作方秘密分享损失函数的梯度,得到损失函数梯度的份额;模型参数份额计算单元,用于根据原始模型参数的份额、损失函数梯度的份额和预设步长,计算新的模型参数的份额。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于阿里巴巴集团控股有限公司,未经阿里巴巴集团控股有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910734791.3/2.html,转载请声明来源钻瓜专利网。