[发明专利]基于联邦学习的数据聚类处理方法、装置、设备及介质

说明书

本发明实施例公开了一种基于联邦学习的数据聚类处理方法、装置、设备及介质，方法由多个参与方中的一个参与方执行，各参与方持有的各本地跨特征样本为相应待聚类的聚类样本的部分特征，包括：初始化为各个本地聚类中心赋初值，计算各个本地跨特征样本与各个本地聚类中心的距离信息作为本地聚类信息；将本地聚类信息与其他参与方进行秘密共享，接收来自其他参与方秘密共享的本地聚类信息；以计算各聚类样本与各协同聚类中心之间的参考距离信息碎片，从而与其他参与方进行安全多方计算，确定各聚类样本的最近协同聚类中心，以更新各本地聚类中心的取值；基于更新后的本地聚类中心返回执行计算各聚类样本的本地聚类信息的操作，直至满足聚类结束条件。

技术领域

本发明实施例涉及数据处理技术领域，尤其涉及一种基于联邦学习的数据聚类处理方法、装置、计算机设备及存储介质。

背景技术

联邦学习作为分布式的机器学习范式，可以有效解决数据孤岛问题，让参与方在不共享数据的基础上联合建模，实现AI（Artificial Intelligence，人工智能）协作。在跨特征的联邦学习中，样本的特征分布在不同的参与方中，每个参与方只拥有一部分特征。跨特征联邦聚类处理的目的是在不暴露每方的输入情况下，各参与方分别得到本方特征对应的聚类中心。

目前，在支持跨特征联邦聚类处理的方案中，部分技术方案使用同态加密算法，这种联邦聚类处理方式存在计算量大导致效率低的缺点。部分技术方案使用安全多方计算技术，这种联邦聚类处理方式存在数据处理效率低的问题，且会暴露样本与聚类中心对比的中间结果数据，同时需要至少4个参与方参与聚类处理过程，对参与方的数量要求过高，可靠性和实用性较低。

发明内容

本发明实施例提供一种基于联邦学习的数据聚类处理方法、装置、计算机设备及存储介质，以提高联邦数据聚类处理的处理效率、可靠性和实用性。

第一方面，本发明实施例提供了一种基于联邦学习的数据聚类处理方法，由多个参与方中的一个参与方执行，各参与方持有的各本地跨特征样本为相应待聚类的聚类样本的部分特征；包括：

初始化为各个本地聚类中心赋初值，并计算各个本地跨特征样本与各个本地聚类中心的距离信息作为本地聚类信息；

将本地聚类信息与其他参与方进行秘密共享，并接收来自其他参与方秘密共享的本地聚类信息；

基于秘密共享的结果计算各聚类样本与各协同聚类中心之间的参考距离信息碎片；

使用参考距离信息碎片与其他参与方进行安全多方计算，确定各聚类样本的最近协同聚类中心，并根据各聚类样本的最近协同聚类中心更新各本地聚类中心的取值；

基于更新后的本地聚类中心返回执行计算各聚类样本的本地聚类信息的操作，直至满足聚类结束条件。

第二方面，本发明实施例还提供了一种基于联邦学习的数据聚类处理装置，配置于多个参与方设备中的一个参与方设备，各参与方设备持有的各本地跨特征样本为相应待聚类的聚类样本的部分特征；包括：

本地聚类信息计算模块，用于初始化为各个本地聚类中心赋初值，并计算各个本地跨特征样本与各个本地聚类中心的距离信息作为本地聚类信息；

本地聚类信息共享模块，用于将本地聚类信息与其他参与方进行秘密共享，并接收来自其他参与方秘密共享的本地聚类信息；

参考距离信息碎片计算模块，用于基于秘密共享的结果计算各聚类样本与各协同聚类中心之间的参考距离信息碎片；

本地聚类中心更新模块，用于使用参考距离信息碎片与其他参与方进行安全多方计算，确定各聚类样本的最近协同聚类中心，并根据各聚类样本的最近协同聚类中心更新各本地聚类中心的取值；

循环执行模块，用于基于更新后的本地聚类中心返回执行计算各聚类样本的本地聚类信息的操作，直至满足聚类结束条件。