[发明专利]保护数据隐私的双方联合训练业务预测模型的方法和装置

权利要求书

1.一种保护数据隐私的双方联合训练业务预测模型的方法，所述双方包括第一方和第二方，所述第一方存储有多个业务对象的第一特征部分构成的第一特征矩阵X_A；所述第二方存储有所述多个业务对象的第二特征部分构成的第二特征矩阵X_B，以及标签值构成的标签向量Y；所述方法应用于所述第二方，该方法包括，多次迭代执行模型参数更新，其中每次迭代包括：

基于本地维护的第一参数第二分片和第二参数第二分片，通过采用在本地直接执行的矩阵乘法运算，以及采用在所述第二方与所述第一方之间进行的安全矩阵乘法运算，计算得到同态加密的第二加密乘积分片，并从所述第一方接收第一加密乘积分片；其中，第一参数第二分片是用于处理所述第一特征部分的第一参数部分W_A的第二分片；第二参数第二分片是用于处理所述第二特征部分的第二参数部分W_B的第二分片；

对所述第一加密乘积分片和第二加密乘积分片进行同态加和，得到加密乘积结果Z，其对应于，第一特征矩阵X_A与第一参数部分W_A相乘的第一乘积，和第二特征矩阵X_B与第二参数部分W_B相乘的第二乘积之和的加密值；

基于所述加密乘积结果Z和所述标签向量Y的加密值进行同态差值运算，得到加密误差向量E，对该加密误差向量E进行秘密分享，得到第二误差分片；

对该加密误差向量E和第二特征矩阵X_B进行同态操作下的矩阵相乘，得到第二加密梯度，对该第二加密梯度进行秘密分享，得到第二梯度第二分片；

用所述第二误差分片，与所述第一方中的第一特征矩阵X_A进行安全矩阵乘法运算，得到第一梯度第二部分的第二分片；

根据所述第二梯度第二分片，更新所述第二参数第二分片；根据所述第一梯度第二部分的第二分片，更新所述第一参数第二分片。

2.根据权利要求1所述的方法，在多次迭代执行模型参数更新之前，还包括：

初始化所述第二参数部分W_B，通过秘密分享将其拆分为第二参数第一分片和第二参数第二分片，保留所述第二参数第二分片，将所述第二参数第一分片发送给第一方；

从第一方接收对所述第一参数部分W_A秘密分享的第一参数第二分片。

3.根据权利要求1所述的方法，在多次迭代执行模型参数更新之后，还包括：

将最后一次迭代中更新后的所述第一参数第二分片发送给所述第一方，并从所述第一方接收更新后的第二参数第一分片；

将最后一次迭代中更新后的第二参数第二分片，和所接收的第二参数第一分片进行组合，得到所述业务预测模型训练后的第二参数部分W_B。

4.根据权利要求1所述的方法，其中，所述业务对象包括以下之一：用户，商户，商品，事件；所述业务预测模型用于预测所述业务对象的分类或回归值。

5.根据权利要求1所述的方法，其中，所述业务预测模型为线性回归模型；

所述基于所述加密乘积结果Z和所述标签向量Y的加密值进行同态差值运算，得到加密误差向量E，包括：

计算所述加密乘积结果Z和所述标签向量Y的同态差值，作为所述加密误差向量E。

6.根据权利要求1所述的方法，其中，所述业务预测模型为逻辑回归模型；

所述基于所述加密乘积结果Z和所述标签向量Y的加密值进行同态差值运算，得到加密误差向量E，包括：

根据sigmoid函数的泰勒展开形式，基于所述加密乘积结果Z得到加密预测结果，对加密预测结果和所述标签向量Y的加密值进行同态差值运算，得到所述加密误差向量E。