[发明专利]基于联邦学习的建模及应用方法、装置、设备及存储介质

说明书

本发明涉及信息安全领域，公开了基于联邦学习的建模及应用方法、装置、设备及存储介质，用于解决基于联邦学习建模过程中存在的中心化问题，还用于提高数据的安全性。基于联邦学习的建模及应用方法包括：基于第一初始化应用模型，生成第一应用公钥和第一应用私钥；基于第一应用公钥进行向量加密，生成第一应用加密向量；基于第一应用私钥生成第一同态加密向量，并基于第一同态加密向量生成第一密文向量；基于第一应用私钥生成第一模型参数；基于第一模型参数生成第一更新后的应用模型，继续基于第一更新后的应用模型进行加密、解密以及更新，生成第一数据加密模型。此外，本发明还涉及区块链技术，第一应用公钥和第一应用私钥可存储于区块链中。

技术领域

本发明涉及信息安全的数据加密技术领域，尤其涉及一种基于联邦学习的建模及应用方法、装置、设备及存储介质。

背景技术

很多数据公司采用大量的数据样本，进行机器学习模型的训练。这些公司为了保障用户数据的隐私，公司与公司之间并不希望在训练机器学习模型的过程中公开自己拥有的具体数据样本。

在现有技术中，通常利用联邦学习的同态加密方法对数据进行加密，但是利用同态加密方法来实现的中心化的联邦学习往往需要第三方来生成和保管公、私钥，建模双方都需要与第三方进行连接，并受限于第三方，既存在建模中心化的问题也存在数据安全的问题。

发明内容

本发明提供了一种基于联邦学习的建模及应用方法、装置、设备及存储介质，用于解决基于联邦学习建模过程中存在的中心化问题，还用于提高数据的安全性。

本发明第一方面提供了一种基于联邦学习的建模及应用方法，应用于第一初始化应用模型，包括：基于第一初始化应用模型，生成第一应用公钥和第一应用私钥，并将所述第一应用公钥和所述第一应用私钥传输至第二初始化应用模型对应的第二终端；基于所述第一应用公钥和预置的泰勒公式进行向量计算和加密，生成第一应用加密向量；基于所述第一应用私钥和预置的同态加密算法进行向量计算和加密，生成第一同态加密向量，并基于所述第一同态加密向量生成第一密文向量，将所述第一密文向量传输至第二初始化应用模型对应的第二终端；从第二终端获取第二密文向量，并基于所述第一应用私钥对所述第二密文向量进行解密，生成第一模型参数，并将所述第一模型参数传输至第二初始化应用模型对应的第二终端；基于所述第一初始化应用模型和所述第一模型参数进行模型更新，生成第一更新后的应用模型，继续基于所述第一更新后的应用模型进行加密、解密以及模型更新，直至所述第一更新后的应用模型收敛，得到第一数据加密模型；获取待加密数据，将所述待加密数据输入所述第一数据加密模型中进行加密，生成第一目标加密数据，并将所述第一目标加密数据传输至第二终端。

可选的，在本发明第一方面的第一种实现方式中，所述基于所述第一应用公钥和预置的泰勒公式进行向量计算和加密，生成第一应用加密向量包括：从预置的加密训练数据和所述第一初始化应用模型中提取参数，得到第一特征值矩阵、第一特征值转置矩阵和第一初始化应用模型权重向量；结合预置的泰勒公式对所述第一特征值矩阵、所述第一特征值转置矩阵和所述第一初始化应用模型权重向量进行计算，生成第一中间系数向量，并将所述第一中间系数向量传输至第二初始化应用模型对应的第二终端；调用所述第一应用公钥对所述第一中间系数向量进行加密，生成第一应用加密向量。

可选的，在本发明第一方面的第二种实现方式中，所述基于所述第一应用私钥和预置的同态加密算法进行向量计算和加密，生成第一同态加密向量，并基于所述第一同态加密向量生成第一密文向量，将所述第一密文向量传输至第二初始化应用模型对应的第二终端包括：获取第二中间系数向量，并调用预置的同态加密算法对所述第一中间系数向量和所述第二中间系数向量进行多项式盲计算，生成第一同态加密向量；从第二初始化应用模型对应的第二终端获取第二同态加密向量，并对所述第一同态加密向量和所述第二同态加密向量进行计算，生成第一密文向量，并将所述第一密文向量传输至第二初始化应用模型对应的第二终端。