[发明专利]保护隐私的模型训练方法和装置、数据处理方法、服务器

说明书

本说明书提供了保护隐私的模型训练方法和装置、数据处理方法、服务器。在一个实施例中，基于保护隐私的模型训练方法，第一服务器、第二服务器可以分别对各自所拥有的第一特征数据、第二特征数据先进行矩阵压缩，再对压缩后的特征数据进行加密处理，得到数据量相对较小、安全性较高的处理后的特征数据，并将上述处理后的特征数据发送至第三服务器；由于处理后的特征数据的数据量较小，第三服务器可以在安全等级较高的可信执行环境中，直接根据上述处理后的第一特征数据、处理后的第二特征数据进行相应的模型训练，从而可以减少数据处理量，能够在可信执行环境中高效、安全地进行模型训练，保护双方的数据隐私，降低了训练数据遭到泄漏的风险。

技术领域

本说明书属于互联网技术领域，尤其涉及保护隐私的模型训练方法和装置、数据处理方法、服务器。

背景技术

在一些应用场景中，有时需要同时获取并利用两方各自拥有的数据进行模型训练，且还要求在模型训练的过程中避免两方各自拥有的数据遭到泄漏。

目前，亟需一种能够高效、安全地利用两方分别拥有的数据进行模型训练的方法。

发明内容

本说明书提供了一种保护隐私的模型训练方法和装置、数据处理方法、服务器，以便可以减少数据处理量，在可信执行环境中高效、安全地利用两方分别拥有的特征数据进行模型训练，保护参与模型训练的双方的数据隐私，降低了用于模型训练的数据遭到泄漏的风险。

本说明书提供的一种保护隐私的模型训练方法和装置、数据处理方法、服务器是这样实现的：

一种保护隐私的模型训练方法，包括：响应模型训练请求，获取并对第一特征数据进行矩阵压缩，得到压缩后的第一特征数据；利用第一加密秘钥对所述压缩后的第一特征数据进行加密处理，得到处理后的第一特征数据；将所述处理后的第一特征数据发送至第三服务器；其中，所述第三服务器用于接收来自第一服务器的处理后的第一特征数据，以及来自第二服务器的处理后的第二特征数据；所述第三服务器还用于在可信执行环境中，根据所述处理后的第一特征数据和处理后的第二特征数据进行模型训练。

一种保护隐私的模型训练方法，包括：接收处理后的第一特征数据，以及处理后的第二特征数据，其中，所述处理后的第一特征数据包括第一服务器对压缩后的第一特征数据进行加密处理得到的数据，所述压缩后的第一特征数据包括对第一特征数据进行矩阵压缩得到的数据，所述处理后的第二特征数据包括第二服务器对压缩后的第二特征数据进行加密处理得到的数据，所述压缩后的第二特征数据包括对第二特征数据进行矩阵压缩得到的数据；在可信执行环境中，根据所述处理后的第一特征数据和所述处理后的第二特征数据进行模型训练，以得到目标模型。

一种保护隐私的模型训练方法，包括：响应模型训练请求，获取并对第一特征数据进行矩阵压缩，得到压缩后的第一特征数据；获取处理后的第二特征数据，其中，所述处理后的第二特征数据包括第二服务器响应所述模型训练请求，对压缩后的第二特征数据进行加密处理得到的数据，所述压缩后的第二特征数据包括对第二特征数据进行矩阵压缩得到的数据；在可信执行环境中，根据所述压缩后的第一特征数据，以及所述处理后的第二特征数据，进行模型训练， 以得到目标模型。

一种保护隐私的模型训练方法，包括：接收多个处理后的特征数据，其中，所述多个处理后的特征数据包括多个服务器分别对压缩后的特征数据进行加密处理得到的数据，所述压缩后的特征数据包括服务器对特征数据进行矩阵压缩得到的数据；在可信执行环境中，根据所述多个处理后的特征数据进行模型训练，以得到目标模型。