[发明专利]纵向联邦建模优化方法、设备及可读存储介质

权利要求书

1.一种纵向联邦建模优化方法，其特征在于，所述方法应用于参与纵向联邦建模的标签方，所述标签方与参与纵向联邦建模的各数据方通信连接，各所述数据方中分别部署有基于各自数据特征构建的第一数据集和第一搜索网络，所述方法包括以下步骤：

接收所述数据方发送的第一网络输出，其中，所述第一网络输出是所述数据方将所述第一数据集输入所述第一搜索网络得到的；

融合各所述第一网络输出得到第二网络输出，并根据所述第二网络输出和本端的标签数据计算损失函数相对于各所述第一网络输出的第一梯度；

将各所述第一梯度进行差分隐私加密处理得到各第一加密梯度，将各所述第一加密梯度发送给对应的数据方，以供所述数据方根据所述第一加密梯度更新所述第一搜索网络中的搜索结构参数和/或模型参数。

2.如权利要求1所述的纵向联邦建模优化方法，其特征在于，所述接收所述数据方发送的第一网络输出，其中，所述第一网络输出是所述数据方将所述第一数据集输入所述第一搜索网络得到的的步骤包括：

接收所述数据方发送的第一网络输出，其中，所述第一网络输出是所述数据方将所述第一数据集输入所述第一搜索网络进行处理得到网络原始输出，并对所述网络原始输出进行差分隐私加密处理后得到的。

3.如权利要求1所述的纵向联邦建模优化方法，其特征在于，所述标签方部署有输出网络以及基于所述标签方的数据特征构建的第二数据集和第二搜索网络，

所述融合各所述第一网络输出得到第二网络输出的步骤包括：

将所述第二数据集输入所述第二搜索网络得到第三网络输出；

将所述第三网络输出和各所述第一网络输出进行拼接后输入所述输出网络得到第二网络输出；

所述根据所述第二网络输出和本端的标签数据计算损失函数相对于各所述第一网络输出的第一梯度的步骤之后，还包括：

根据所述第二网络输出和所述标签数据计算损失函数相对于所述第二搜索网络中目标参数的第二梯度，并根据所述第二梯度更新所述目标参数，其中，所述目标参数是所述第二搜索网络中的搜索结构参数和/或模型参数。

4.如权利要求1至3任一项所述的纵向联邦建模优化方法，其特征在于，所述差分隐私加密处理包括裁剪处理和添加高斯噪声处理，所述将各所述第一梯度进行差分隐私加密处理得到各第一加密梯度的步骤包括：

对所述第一梯度进行裁剪处理得到第一裁剪梯度，其中，所述第一裁剪梯度的二阶范数小于或等于第一预设阈值；

生成服从目标高斯分布的噪声阵列，其中，所述目标高斯分布的均值为0，均方差为第二预设阈值，所述噪声阵列中各元素与所述第一梯度中各元素一一对应；

采用所述噪声阵列对所述第一梯度进行添加高斯噪声处理得到第一加密梯度。

5.如权利要求4所述的纵向联邦建模优化方法，其特征在于，所述生成服从目标高斯分布的噪声阵列的步骤之前，还包括：

获取本次纵向联邦建模的隐私级别和建模进度；

根据所述隐私级别和所述建模进度设置所述第二预设阈值。

6.一种纵向联邦建模优化方法，其特征在于，所述方法应用于参与纵向联邦建模的数据方，各数据方中分别部署有基于各自数据特征构建的第一数据集和第一搜索网络，所述方法包括以下步骤：

将所述第一数据集输入所述第一搜索网络得到网络原始输出；

对所述网络原始输出进行差分隐私加密处理得到第一网络输出；

将所述第一网络输出发送给参与纵向联邦建模的标签方，以供所述标签方对从各数据方接收到的所述第一网络输出进行融合得到第二网络输出后，根据所述第二网络输出和所述标签方的标签数据计算损失函数相对于各所述第一网络输出的第一梯度，并将所述第一梯度并返回给对应的数据方；

根据从所述标签方接收到的所述第一梯度更新所述第一搜索网络中的搜索结构参数和/或模型参数。