[发明专利]模型参数确定方法、装置和电子设备

说明书

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：使用牛顿法，根据特征数据和第一模型参数的份额，采用秘密分享的方式，确定新的第一模型参数的份额；进而，使用梯度下降法，根据特征数据和新的第一模型参数的份额，采用秘密分享和混淆电路相结合的方式，确定第二模型参数的份额。

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：根据特征数据和第一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第一模型参数的乘积；根据第一乘积的份额与合作方秘密分享激励函数的取值，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和海森矩阵，分别得到损失函数梯度的份额和海森矩阵的份额；根据随机正交矩阵的份额和海森矩阵的份额与合作方秘密分享第二乘积，得到第二乘积的份额，所述第二乘积为随机正交矩阵和海森矩阵之间的乘积；在第二乘积的条件数满足预设条件时，根据海森矩阵的份额与合作方秘密分享第一逆矩阵，得到第一逆矩阵的份额，所述第一逆矩阵为海森矩阵的逆矩阵；根据第一逆矩阵的份额、损失函数梯度的份额和第一模型参数的份额与合作方秘密分享新的第一模型参数，得到新的第一模型参数的份额；重复执行所述秘密分享第一乘积的步骤；根据新的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，得到新的激励函数取值的份额；重复执行所述秘密分享损失函数的梯度和海森矩阵的步骤、以及所述秘密分享第二乘积的步骤；在新的第二乘积的条件数不满足所述预设条件时，根据新的第一模型参数的份额、新的损失函数梯度的份额和预设步长，计算第二模型参数的份额。

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：根据第一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第一模型参数的乘积；根据第一乘积的份额与合作方秘密分享激励函数的取值，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；根据激励函数取值的份额与合作方秘密分享海森矩阵，得到海森矩阵的份额；根据随机正交矩阵的份额和海森矩阵的份额与合作方秘密分享第二乘积，得到第二乘积的份额，所述第二乘积为随机正交矩阵和海森矩阵之间的乘积；在第二乘积的条件数满足预设条件时，根据海森矩阵的份额与合作方秘密分享第一逆矩阵，得到第一逆矩阵的份额，所述第一逆矩阵为海森矩阵的逆矩阵；根据第一逆矩阵的份额、损失函数梯度的份额和第一模型参数的份额与合作方秘密分享新的第一模型参数，得到新的第一模型参数的份额；重复执行所述秘密分享第一乘积的步骤；根据新的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，得到新的激励函数取值的份额；重复执行所述秘密分享损失函数的梯度的步骤、所述秘密分享海森矩阵的步骤、以及所述秘密分享第二乘积的步骤；在新的第二乘积的条件数不满足所述预设条件时，根据新的第一模型参数的份额、新的损失函数梯度的份额和预设步长，计算第二模型参数的份额。