[发明专利]基于联邦学习的建模方法及装置、设备、存储介质

权利要求书

1.一种基于联邦学习的建模方法，其特征在于，所述方法包括：

获取第一联邦学习任务的任务输出，所述第一联邦学习任务为已完成的联邦学习任务；

利用所述任务输出，执行第二联邦学习任务，以获得建模结果；其中，所述任务输出为所述第一联邦学习任务中算法组件的输出数据或输出模型。

2.如权利要求1所述的方法，其特征在于，若所述任务输出为所述第一联邦学习任务中算法组件的输出数据；

所述利用所述任务输出，执行第二联邦学习任务，以获得建模结果的步骤，包括：

利用所述输出数据，执行第二联邦学习任务，以获得建模结果。

3.如权利要求2所述的方法，其特征在于，所述利用所述输出数据，执行第二联邦学习任务，以获得建模结果的步骤，包括：

将所述输出数据输入待训练模型，以获得联邦学习模型；

所述算法组件为数据处理组件和/或特征工程组件；所述利用所述输出数据，执行第二联邦学习任务，以获得建模结果的步骤，包括：

将所述输出数据分别输入不同参数配置的同一种类的联邦学习模型，以获得多个联邦学习结果。

4.如权利要求3所述的方法，其特征在于，所述联邦学习模型包括第一纵向联邦逻辑回归模型和第二纵向联邦逻辑回归模型，所述第一纵向联邦逻辑回归模型和所述第二纵向联邦逻辑回归模型具有不同的参数配置；

所述将所述输出数据分别输入不同参数配置的同一种类的联邦学习模型，以获得多个联邦学习结果的步骤，包括：

将所述输出数据分别输入所述第一纵向联邦逻辑回归模型和所述第二纵向联邦逻辑回归模型，以获得所述第一纵向联邦逻辑回归模型输出的第一联邦学习结果和所述第二纵向联邦逻辑回归模型输出的第二联邦学习结果。

5.如权利要求3所述的方法，其特征在于，所述利用所述输出数据，执行第二联邦学习任务，以获得建模结果的步骤，还包括：

将所述输出数据分别输入不同种类的联邦学习模型，以获得多个联邦学习结果。

6.如权利要求5所述的方法，其特征在于，所述联邦学习模型还包括纵向联邦模型；

所述将所述输出数据分别输入不同种类的联邦学习模型，以获得多个联邦学习结果的步骤，包括：

将所述输出数据分别输入所述第一纵向联邦逻辑回归模型和所述纵向联邦模型，以获得所述第一纵向联邦逻辑回归模型输出的第一联邦学习结果和所述纵向联邦模型输出的第三联邦学习结果。

7.如权利要求2所述的方法，其特征在于，所述第一联邦学习任务包括多个子任务，所述输出数据包括所述多个子任务中子算法组件的多个输出子数据；

所述利用所述输出数据，执行第二联邦学习任务，以获得建模结果的步骤，包括：

基于所述多个输出子数据，执行第二联邦学习任务，以获得建模结果。

8.如权利要求7所述的方法，其特征在于，所述第二联邦学习任务包括利用模型评估组件进行模型训练评估；所述子算法组件为模型训练组件，所述多个输出子数据为多个模型训练结果数据；

所述基于所述多个输出子数据，执行第二联邦学习任务，以获得建模结果的步骤，包括：

将所述多个模型训练结果数据输入模型评估组件，以进行模型训练评估。

9.如权利要求7所述的方法，其特征在于，所述第二联邦学习任务还包括联邦处理，所述联邦处理包括联邦求交集，所述联邦数据包括多个联邦交集数据；所述子算法组件为数据切片组件，所述多个输出子数据为多个切片数据；

所述基于所述多个输出子数据，执行第二联邦学习任务，以获得建模结果的步骤，包括：

将所述多个切片数据进行联邦求交集，以获得多个联邦交集数据；

将多个所述联邦交集数据输入待训练模型，以获得联邦学习模型。