[发明专利]融合公域数据和私有数据的联盟学习方法、装置和系统

权利要求书

1.一种融合公域数据和私有数据的联盟学习方法，包括：

联盟中的第一成员节点将基于本地数据训练得到的模型参数，发送至所述联盟中的第二成员节点，其中，所述第一成员节点是所述联盟中不参与模型参数整合的成员节点，所述第二成员节点是所述联盟中参与模型参数整合的成员节点，所述本地数据包括本地私有数据；

所述第二成员节点对所述联盟中的至少两个第一成员节点发送的模型参数进行整合，得到第一目标模型参数；

所述第二成员节点基于公域数据对所述第一目标模型参数进行更新，得到第二目标模型参数，其中，所述公域数据是所述第二成员节点收集的来自所述联盟中的至少一个第一成员节点的非私有数据，所述公域数据随着迭代次数的增加不断更新；

所述第二成员节点将所述第二目标模型参数发送至所述联盟中的第一成员节点；

所述联盟中的第一成员节点基于所述第二目标模型参数和本地数据再次进行本地训练。

2.根据权利要求1所述的方法，在所述第二成员节点基于公域数据对所述第一目标模型参数进行更新之前，还包括：

所述联盟中的第一成员节点将本地非私有数据发送至所述第二成员节点。

3.根据权利要求2所述的方法，

所述联盟中的第一成员节点进行本地训练时采用的本地数据包括：本地私有数据和发送至所述第二成员节点的非私有数据。

4.根据权利要求1所述的方法，在所述联盟中的第一成员节点进行第一次本地训练前，还包括：

所述第二成员节点基于所述公域数据训练初始模型参数；

所述第二成员节点将所述初始模型参数发送至所述联盟中的第一成员节点；

其中，所述联盟中的第一成员节点在进行第一次本地训练时，基于所述初始模型参数和本地数据进行训练。

5.根据权利要求1所述的方法，其中，所述第二成员节点对所述联盟中的至少两个第一成员节点发送的模型参数进行整合，得到第一目标模型参数，包括：

所述第二成员节点对所述联盟中的至少两个第一成员节点发送的模型参数进行加权计算，得到第一目标模型参数。

6.根据权利要求5所述的方法，在所述第二成员节点对所述联盟中的至少两个第一成员节点发送的模型参数进行加权计算，得到第一目标模型参数之前，还包括：

基于预设规则确定所述联盟中的第一成员节点发送的模型参数的权重。

7.根据权利要求6所述的方法，其中，所述基于预设规则确定所述联盟中的第一成员节点发送的模型参数的权重，包括：

基于所述联盟中的第一成员节点进行本地训练时所使用的本地数据量，确定所述联盟中的第一成员节点发送的模型参数的权重。

8.根据权利要求7所述的方法，其中，所述基于所述联盟中的第一成员节点进行本地训练时所使用的本地数据量，确定所述联盟中的第一成员节点发送的模型参数的权重，包括：

基于所述联盟中的第一成员节点进行本地训练时所使用的本地私有数据量，确定所述联盟中的第一成员节点发送的模型参数的权重。

9.根据权利要求6所述的方法，所述联盟中的一个第一成员节点发送的模型参数用一个向量表示，其中，所述基于预设规则确定所述联盟中的第一成员节点发送的模型参数的权重，包括：

基于所述联盟中的第一成员节点发送的模型参数与中心模型参数之间的距离，确定所述联盟中的第一成员节点发送的模型参数的权重，所述中心模型参数是基于所述联盟中的至少两个第一成员节点发送的模型参数确定的。

10.根据权利要求1-9任一项所述的方法，在所述第二成员节点将所述第二目标模型参数发送至所述联盟中的第一成员节点之前，还包括：

判断是否满足预设迭代终止条件；

若满足，结束联盟学习；

若不满足，再由所述第二成员节点将所述第二目标模型参数发送至所述联盟中的第一成员节点。