[发明专利]一种联邦学习的多方安全计算方法及装置

权利要求书

1.一种联邦学习的多方安全计算方法，其特征在于，包括：

数据节点将所述数据节点中的所有个体对象，按照分类标准划分至多个对象集合中；

针对每一个对象集合，所述数据节点根据所述对象集合中所有个体对象的特征数据，确定所述对象集合的特征数据；

所述数据节点将对象集合的特征数据向模型节点发送，以使所述模型节点根据多个数据节点发送的对象集合的特征数据，将同一对象集合的所有特征数据进行样本对齐，得到所述对象集合的样本数据，并依据所有对象集合的样本数据对联邦学习模型进行训练；

所述多个数据节点中划分个体对象的分类标准相同。

2.如权利要求1所述的方法，其特征在于，所述个体对象的特征数据包括连续型特征数据，所述数据节点根据所述对象集合中所有个体对象的特征数据，确定所述对象集合的特征数据，包括：

所述数据节点计算所有个体对象的连续型特征数据的均值，作为所述对象集合的第一特征数据。

3.如权利要求1所述的方法，其特征在于，所述个体对象的特征数据包括离散型特征数据，所述数据节点根据所述对象集合中所有个体对象的特征数据，确定所述对象集合的特征数据，包括：

所述数据节点利用热独编码，将所述个体对象的离散型特征数据转换为特征向量；

利用所述对象集合中所有个体对象的特征向量，确定所述对象集合的特征数据。

4.如权利要求1所述的方法，其特征在于，所述数据节点将对象集合的特征数据向模型节点发送之后，还包括：

所述数据节点接收所述模型节点发送的模型计算结果，所述模型计算结果中包含对象集合与推荐集合的对应关系；所述对象集合与推荐集合的对应关系为所述模型节点利用所述联邦学习模型确定的；

所述数据节点根据目标个体对象的属性数据，确定所述目标个体对象对应的目标对象集合；

所述数据节点根据所述目标对象集合对应的推荐集合，确定所述目标个体对象的推荐内容。

5.一种联邦学习的多方安全计算方法，其特征在于，包括：

模型节点接收多个数据节点发送的对象集合的特征数据，所述多个数据节点按照相同的分类标准将个体对象划分至不同的对象集合中；

所述模型节点将同一对象集合的所有特征数据进行样本对齐得到所述对象集合的样本数据；

所述模型节点依据所有对象集合的样本数据对联邦学习模型进行训练。

6.一种联邦学习的多方安全计算装置，其特征在于，包括：

划分单元，用于将数据节点中的所有个体对象，按照分类标准划分至多个对象集合中；

计算单元，用于针对每一个对象集合，根据所述对象集合中所有个体对象的特征数据，确定所述对象集合的特征数据；

收发单元，用于将对象集合的特征数据向模型节点发送，以使所述模型节点根据多个数据节点发送的对象集合的特征数据，将同一对象集合的所有特征数据进行样本对齐得到所述对象集合的样本数据，并依据所有对象集合的样本数据对联邦学习模型进行训练；

其中，多个数据节点中划分个体对象的分类标准相同。

7.如权利要求6所述的装置，其特征在于，所述计算单元，具体用于：

计算所有个体对象的连续型特征数据的均值，作为所述对象集合的第一特征数据。

8.如权利要求6所述的装置，其特征在于，所述计算单元，具体用于：

利用热独编码，将所述个体对象的离散型特征数据转换为特征向量；

利用所述对象集合中所有个体对象的特征向量，确定所述对象集合的特征数据。