[发明专利]保护隐私的业务预测方法及装置

权利要求书

1.一种保护隐私的业务预测方法，包括：

获取预先训练的业务预测模型，其包括具有不同网络结构的N个子模型；

从所述N个子模型中随机选取M个子模型；

对于所述M个子模型中任意的第一子模型，在所述第一子模型中随机选取部分神经元，并对该部分神经元的输出施加预定限制，形成所述第一子模型的扰动子模型；

将待预测业务对象分别对应输入所述M个子模型的M个扰动子模型，得到所述M个扰动子模型对所述待预测业务对象的M个模糊预测结果；

对所述M个模糊预测结果进行融合，得到目标预测结果。

2.根据权利要求1所述的方法，所述从所述第一子模型中随机选取部分神经元，包括：

在所述第一子模型中随机选取若干层网络；

在所述若干层网络的每层网络中，按照第一预定概率，随机选取若干神经元；

在每层网络中随机选取的各神经元共同组成所述部分神经元。

3.根据权利要求1所述的方法，所述对该部分神经元的输出施加预定限制，包括：

将该部分神经元的输出设定为不超过预定值的数值。

4.根据权利要求1所述的方法，所述业务预测模型用于预测所述待预测业务对象的分类；所述目标预测结果包括对应于各预定分类的多个原始打分；所述原始打分表示所述待预测业务对象属于对应预定分类的概率；还包括：

采用随机化算法，在所述多个原始打分上叠加随机噪声，得到所述多个原始打分分别对应的扰动打分；所述随机化算法使得基于所述多个原始打分预测的分类，与基于所述多个扰动打分预测的分类相同；

输出所述多个原始打分分别对应的扰动打分。

5.根据权利要求4所述的方法，所述随机噪声通过从标准高斯分布中采集得到。

6.根据权利要求1所述的方法，

所述第一子模型通过对对应初始模型进行多轮迭代更新得到；其中任一轮迭代更新包括，在当前模型中随机选取部分神经元，并对该部分神经元施加预定限制，形成当前模型的扰动模型；将对应于多个业务对象的多个当前样本输入当前模型的扰动模型，得到当前预测结果；根据当前预测结果，更新当前模型；将达到迭代结束条件时的当前模型作为所述第一子模型。

7.根据权利要求1所述的方法，所述对所述M个模糊预测结果进行融合，得到目标预测结果，包括：

对所述M个模糊预测结果进行求平均或者求加权平均，得到所述目标预测结果。

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

9.一种保护隐私的业务预测装置，包括：

获取单元，用于获取预先训练的业务预测模型，其包括具有不同网络结构的N个子模型；

选取单元，用于从所述N个子模型中随机选取M个子模型；

处理单元，用于对于所述M个子模型中任意的第一子模型，在所述第一子模型中随机选取部分神经元，并对该部分神经元的输出施加预定限制，形成所述第一子模型的扰动子模型；

输入单元，用于将待预测业务对象分别对应输入所述M个子模型的M个扰动子模型，得到所述M个扰动子模型对所述待预测业务对象的M个模糊预测结果；

融合单元，用于对所述M个模糊预测结果进行融合，得到目标预测结果。

10.根据权利要求9所述的装置，所述处理单元具体用于：

在所述第一子模型中随机选取若干层网络；

在所述若干层网络的每层网络中，按照第一预定概率，随机选取若干神经元；

在每层网络中随机选取的各神经元共同组成所述部分神经元。

11.根据权利要求9所述的装置，所述处理单元还具体用于：

将该部分神经元的输出设定为不超过预定值的数值。