[发明专利]隐私机器学习实现方法、装置、设备及存储介质

权利要求书

1.一种隐私机器学习实现方法，其特征在于，包括：

在执行明文机器学习模型的计算逻辑时，确认所述明文机器学习模型中的动态优化器的执行时机是否到来；

当所述动态优化器的执行时机到来时，执行所述动态优化器，以将所述计算逻辑中的原生算子替换为密码算子，并执行所述密码算子；

其中，所述明文机器学习模型基于明文机器学习框架生成，所述动态优化器派生于所述明文机器学习框架的优化器基类，所述明文机器学习框架中注册有所述密码算子和所述动态优化器。

2.如权利要求1所述的隐私机器学习实现方法，其特征在于，所述将所述计算逻辑中的原生算子替换为密码算子，包括：

将所述明文机器学习模型的原生静态图替换为密码静态图。

3.如权利要求2所述的隐私机器学习实现方法，其特征在于，所述将所述明文机器学习模型的原生静态图替换为密码静态图，包括：

从所述明文机器学习模型的原生静态图中获取原生节点；

确认是否需要将该原生节点替换为对应的密码节点；

如果需要，则将该原生节点替换为对应的密码节点。

4.如权利要求3所述的隐私机器学习实现方法，其特征在于，所述确认是否需要将该原生节点替换为对应的密码节点，包括：

确认该原生节点对应的数据流中是否包含模型私有数据。

5.如权利要求3所述的隐私机器学习实现方法，其特征在于，所述将该原生节点替换为对应的密码节点，包括：

获取该原生节点的属性信息、边信息及对应的密码节点名称；

根据该原生节点的属性信息、边信息及对应的密码节点名称，创建密码算子、新输入边和新输出边；

将该原生节点及其输入边和输出边对应替换为该密码节点、该新输入边和该新输出边。

6.如权利要求2所述的隐私机器学习实现方法，其特征在于，所述动态优化器的执行时机包括以下中的任意一种：

安置所述明文机器学习模型中的原生静态图之前；

安置所述明文机器学习模型中的原生静态图之后；

优化所述明文机器学习模型中的原生静态图之后；

分裂所述明文机器学习模型中的原生静态图之后。

7.一种隐私机器学习实现装置，其特征在于，包括：

判断模块，用于在执行明文机器学习模型的计算逻辑时，确认所述明文机器学习模型中的动态优化器的执行时机是否到来；

执行模块，用于当所述动态优化器的执行时机到来时，执行所述动态优化器，以将所述计算逻辑中的原生算子替换为密码算子，并执行所述密码算子；

其中，所述明文机器学习模型基于明文机器学习框架生成，所述动态优化器派生于所述明文机器学习框架的优化器基类，所述明文机器学习框架中注册有所述密码算子和所述动态优化器。

8.如权利要求7所述的隐私机器学习实现装置，其特征在于，所述将所述计算逻辑中的原生算子替换为密码算子，包括：

将所述明文机器学习模型的原生静态图替换为密码静态图。

9.如权利要求8所述的隐私机器学习实现装置，其特征在于，所述将所述明文机器学习模型的原生静态图替换为密码静态图，包括：

从所述明文机器学习模型的原生静态图中获取原生节点；

确认是否需要将该原生节点替换为对应的密码节点；

如果需要，则将该原生节点替换为对应的密码节点。

10.如权利要求9所述的隐私机器学习实现装置，其特征在于，所述确认是否需要将该原生节点替换为对应的密码节点，包括：

确认该原生节点对应的数据流中是否包含模型私有数据。