[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

说明书

本说明书实施例公开了一种融合公域数据和私有数据的联盟学习方法、装置和系统，在所述方法中，联盟中的第二成员节点对至少两个第一成员节点发送的模型参数进行整合后，还基于公域数据对整合得到的第一目标模型参数进行了更新，得到第二目标模型参数，然后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，以使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。

技术领域

本申请涉及计算机技术领域，尤其涉及一种融合公域数据和私有数据的联盟学习方法、装置及系统。

背景技术

联盟学习（Federated Learning）是一种新兴的人工智能支撑技术，它的目标是在保证私有数据（如终端数据、个人隐私数据）安全及符合法律法规规定的前提下，在多参与方或多计算节点之间开展高效率的机器学习。

在一种联盟学习场景下，联盟中的多个（两个或两个以上）成员节点会分别依据自己的私有数据训练模型，并将训练得到的模型参数发送至一个指定成员节点，由该指定成员节点对模型参数进行整合得到目标模型。这种联盟学习方式虽然能够保护成员节点本地的私有数据的安全，但是仍然存在片面性，学习效果不理想。

发明内容

本说明书实施例提供了一种融合公域数据和私有数据的联盟学习方法、装置及系统，以提高联盟学习效果。

为解决上述技术问题，本说明书实施例是这样实现的：

第一方面，提出了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并发送至所述联盟中的第一成员节点，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。

第二方面，提出了一种融合公域数据和私有数据的联盟学习方法，包括：

接收联盟中的第一成员节点发送的模型参数，其中，所述模型参数是所述第一成员节点基于本地数据训练得到的，所述本地数据包括本地私有数据，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；

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；

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；

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，以使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。

第三方面，提出了一种融合公域数据和私有数据的联盟学习方法，包括：

将基于本地数据训练得到的模型参数发送至联盟中的第二成员节点，其中，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；