[发明专利]具有特征混淆的机器学习

权利要求书

1.一种方法，其包括：

通过多个计算机托管人工神经网络(ANN)的相应不同版本及相应的不同用户数据集；

通过所述多个计算机中的计算机从所述计算机上托管的所述相应用户数据集提取多个特征；

通过所述计算机混淆所述所提取的多个特征以生成混淆的用户数据；及

通过所述计算机将所述混淆的用户数据传输到托管所述ANN的主版本的选定计算机，其中所述选定计算机使用机器学习基于所述混淆的用户数据训练所述ANN的所述主版本。

2.根据权利要求1所述的方法，其中混淆所述所提取的多个特征包括使用一或多个算术运算组合所述所提取的多个特征中的不同输入集合以组合所述不同集合。

3.根据权利要求2所述的方法，其包括通过所述计算机随机地选择所述不同输入集合，以用于所述不同集合的所述组合。

4.根据权利要求2所述的方法，其包括通过所述计算机有意地选择所述不同输入集合，以用于所述不同集合的所述组合。

5.根据权利要求1所述的方法，其进一步包括：

在提取所述多个特征之前，通过所述计算机标记将混淆的所述相应用户数据集的部分；及

根据所述相应用户数据集的所述所标记部分，通过所述计算机提取所述多个特征，其中所述所提取的多个特征包括所述相应用户数据集的所述所标记部分。

6.根据权利要求5所述的方法，其中标记所述相应用户数据集的部分包括随机地标记所述部分，使得所述所标记部分是所述相应用户数据集的部分的随机采样。

7.根据权利要求5所述的方法，其中标记所述相应用户数据集的部分包括有意地标记所述部分，使得所述所标记部分是所述相应用户数据集的部分的有意采样。

8.根据权利要求1所述的方法，其中混淆所述所提取的多个特征包括使用替换，并且其中所述替换包括用与所述所提取的多个特征中的数据相关的数据替换所述所提取的多个特征中的所述数据。

9.根据权利要求1所述的方法，其中混淆所述所提取的多个特征包括使用改组，并且其中所述改组包括重新布置所述所提取的多个特征中的数据的次序或位置。

10.根据权利要求1所述的方法，其中所述所提取的多个特征包括使用数值方差方法，其中所述数值方差方法包括将所述所提取的多个特征中的数据内的值变化到预定范围。

11.根据权利要求1所述的方法，其中混淆所述所提取的多个特征包括使用数据加密。

12.根据权利要求1所述的方法，其中混淆所述所提取的多个特征包括使用消除或删除所述所提取的多个特征中的数据的至少一部分。

13.根据权利要求1所述的方法，其中混淆所述所提取的多个特征包括使用掩蔽或字符加扰方法，并且其中所述掩蔽或所述字符加扰方法包括掩蔽或字符加扰所述所提取的多个特征中的数据的一部分。

14.一种方法，其包括：

通过第一计算机托管人工神经网络(ANN)的主版本；

通过所述第一计算机从第二计算机接收混淆的用户数据，其中所述混淆的用户数据包括多个混淆特征，并且其中所述第二计算机从本地存储在所述第二计算机上的用户数据提取多个特征，并且在将所述混淆的用户数据传输到所述第一计算机之前，混淆所述所提取的多个特征以生成所述多个混淆特征；及

通过所述第一计算机使用机器学习基于所述所接收的混淆用户数据来训练所述ANN的所述主版本。

15.根据权利要求14所述的方法，其中所述第二装置通过使用一或多个算术运算组合不同输入集合以组合所述不同集合来混淆所述所提取的多个特征。