[发明专利]保护数据隐私的模型训练、预测方法及其系统

说明书

本说明书中的实施例提供了保护数据隐私的模型训练、预测方法及其系统，其技术要点包括：训练的模型包括包含输入层的第一部分和包含输出层的第二部分，所述方法包括：对于任一训练样本，获取所述训练样本的特征值，所述第一部分基于所述特征值得到的模型中间值，所述第二部分基于所述模型中间值得到的输出结果，以及特征值还原装置基于所述模型中间值得到的所述特征值的还原值；调节所述模型的参数和/或结构，以增大训练样本的特征值的还原值与特征值本身的第一差异以及减小第二部分的输出结果和样本标签的第二差异。

技术领域

本说明书实施例涉及信息技术领域，特别涉及一种保护数据隐私的模型训练、预测方法及其系统。

背景技术

在大数据时代，通过对海量数据进行挖掘，可以获得各种形式的有用信息，例如通过数据来训练模型，再通过模型从数据中预测有用的信息。然而，在模型的训练和预测阶段可能会出现数据隐私泄露的情况。例如，攻击者通过不正当手段获取模型的相关信息，并通过模型运算中的信息或数据来获取数据隐私。因此，希望提供一种能够提高数据隐私保护力度的模型训练及预测方法。

发明内容

本说明书实施例之一提供一种模型训练方法，其中，训练的模型包括包含输入层的第一部分和包含输出层的第二部分，所述方法包括：对于任一训练样本，获取所述训练样本的特征值，所述第一部分基于所述特征值得到的模型中间值，所述第二部分基于所述模型中间值得到的输出结果，以及特征值还原装置基于所述模型中间值得到的所述特征值的还原值；调节所述模型的参数和/或结构，以增大训练样本的特征值的还原值与特征值本身的第一差异以及减小第二部分的输出结果与样本标签的第二差异。

本说明书实施例之一提供一种模型训练系统，其中，训练的模型包括包含输入层的第一部分和包含输出层的第二部分，所述系统包括：第一获取模块，对于任一训练样本，获取所述训练样本的特征值，所述第一部分基于所述特征值得到的模型中间值，所述第二部分基于所述模型中间值得到的输出结果，以及特征值还原装置基于所述模型中间值得到的所述特征值的还原值；模型训练模块，用于调节所述模型的参数和/或结构，以增大训练样本的特征值的还原值与特征值本身的第一差异以及减小第二部分的输出结果与样本标签的第二差异。

本说明书实施例之一提供一种模型训练装置，其中，包括至少一个处理器和至少一个存储设备，所述存储设备用于存储指令，当至少一个处理器执行指令时，实现所述模型训练方法。

本说明书实施例之一提供一种模型预测方法，其中，预测模型被拆分成包括输入层的第一部分和包括输出层的第二部分，所述第一部分设置于用户端，所述第二部分设置于服务端；所述方法由所述用户端执行，其包括：获取待预测对象的特征值；将所述特征值输入到所述第一部分以获得模型中间值；获取特征值还原装置基于所述模型中间值得到的所述特征值的还原值；至少基于所述特征值的还原值与所述特征值的差异，确定是否继续与所述服务端进行联合预测。

本说明书实施例之一提供一种模型预测系统，其中，预测模型被拆分成包括输入层的第一部分和包括输出层的第二部分，所述第一部分设置于用户端，所述第二部分设置于服务端；所述系统对应于所述用户端，其包括：第二获取模块，用于获取待预测对象的特征值；第一预测模块，用于将所述特征值输入到所述第一部分以获得模型中间值；还原值获取模块，用于获取特征值还原装置基于所述模型中间值得到的所述特征值的还原值；第一处理模块，用于至少基于所述特征值的还原值与所述特征值的差异，确定是否继续与所述服务端进行联合预测。

本说明书实施例之一提供一种模型预测装置，其中，包括至少一个处理器和至少一个存储设备，所述存储设备用于存储指令，当至少一个处理器执行指令时，实现所述模型预测方法。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1为根据本说明书一些实施例所示的机器学习系统的应用场景示意图；