[发明专利]一种基于可信执行环境的模型训练方法、系统及装置

权利要求书

1.一种基于可信执行环境的模型训练方法，应用于包含模型需求方、模型提供方和模型训练方的系统；所述方法包括：

模型需求方将第一训练样本集发送到模型训练方的可信执行环境中；

模型提供方将旧模型和第二训练样本集发送到模型训练方的可信执行环境中；所述旧模型是模型提供方预先基于第二训练样本集训练得到的；

模型训练方在可信执行环境中基于所述旧模型构建新模型；所述新模型的输出包括针对输入样本的标签预测值和来源预测值；

模型训练方在可信执行环境中，基于预设算法利用第一训练样本集和第二训练样本集训练所述新模型，所述预设算法用于降低所述新模型针对样本标签的损失、并增大所述新模型针对样本来源的损失。

2.根据权利要求1所述的方法，所述基于所述旧模型构建新模型，包括：

基于所述旧模型增加域判别器，得到新模型；所述域判别器的输入为所述新模型针对输入的样本提取的特征，输出为来源预测值。

3.根据权利要求1所述的方法，所述训练所述新模型包括：

循环执行以下步骤，直到满足循环停止条件：

将第一训练样本集和第二训练样本集输入当前的新模型；

基于所述新模型输出的标签预测值计算当前针对样本标签的第一损失函数梯度；基于所述新模型输出的来源预测值计算当前针对样本来源的第二损失函数梯度；

根据第二损失函数梯度的相反数和第一损失函数梯度更新当前的新模型。

4.根据权利要求1所述的方法，所述第一训练样本集中包含无标签样本，在训练所述新模型之前，所述方法还包括：

针对所述第一训练样本集中任一无标签样本，根据第二训练样本集确定该样本的标签。

5.根据权利要求4所述的方法，所述根据第二训练样本集确定该样本的标签，包括：

如果该无标签样本的指定特征值、与第二训练样本集中任一训练样本的指定特征值之间的差距小于预设阈值，则将该无标签样本的标签确定为第二训练样本集中该样本的标签。

6.根据权利要求1所述的方法，所述模型需求方将第一训练样本集发送到模型训练方的可信执行环境中，包括：

模型需求方将加密后的第一训练样本集发送到模型训练方的可信执行环境中；所述方法还包括：模型训练方在可信执行环境中针对加密后的第一训练样本集进行解密；

和/或

所述模型提供方将旧模型和第二训练样本集发送到模型训练方的可信执行环境中，包括：

模型提供方将加密后的旧模型和加密后的第二训练样本集发送到模型训练方的可信执行环境中；所述方法还包括：模型训练方在可信执行环境中针对加密后的旧模型和加密后的第二训练样本集进行解密。

7.根据权利要求6所述的方法，所述加密为利用模型训练方的公钥进行加密，所述解密为利用模型训练方的私钥进行解密。

8.一种基于可信执行环境的模型训练方法，应用于模型训练方；所述方法包括：

在可信执行环境中接收模型需求方发送的第一训练样本集、以及模型提供方发送的旧模型和第二训练样本集；所述旧模型是模型提供方预先基于第二训练样本集训练得到的；

在可信执行环境中基于所述旧模型构建新模型；所述新模型的输出包括针对输入样本的标签预测值和来源预测值；

在可信执行环境中，基于预设算法利用第一训练样本集和第二训练样本集训练所述新模型，所述预设算法用于降低所述新模型针对样本标签的损失、并增大所述新模型针对样本来源的损失。