[发明专利]传染病概率预测模型的联邦学习方法、装置及相关设备

说明书

本发明公开了一种传染病概率预测模型的联邦学习方法、装置及相关设备，应用于人工智能技术领域，用于解决传染病概率预测模型的训练样本孤岛、用户样本数据保密性差的技术问题。本发明提供的方法包括：根据当前移动终端的用户数据得到本端用户特征，根据从中心服务器获取的在先梯度损失表进行训练并加密，得到当前移动终端的加密梯度和损失，接收在先移动终端发送的在先梯度损失表，当先梯度损失表不包括掩码区域时，将该先梯度损失表发送至中心服务器，新建并更新梯度损失表，当该先梯度损失表包括掩码区域时，对在先梯度损失表进行更新，通过循环对在后移动终端中的先梯度损失表进行判断、训练和更新，直到该传染病概率预测模型的损失函数收敛。

技术领域

本发明涉及人工智能技术领域，尤其涉及传染病概率预测模型的联邦学习方法、装置、设备及存储介质。

背景技术

进入冬季以来，新冠病毒如今又在国内的各个城市零星散发，不管是居家的人们还是每天出入工作的人们都不能得以心安，临近过节，人们想回家团圆都需要受到各种限制。

目前对于人们的健康管理办法一方面是根据用户提供的行程码，另一方面是要求人们主动做核酸检测，根据核酸检测结果判断某用户是否感染新冠病毒，并根据感染者的行程轨迹对对应的位置点进行消杀，对去过该位置点的用户进行逐一排查。

这种管理办法的缺陷在于：一方面根据已经确诊的病人再去人工的对其它未确诊的人们进行排查消耗的人力资源比较多，排查效率也很低，另一方面对于途径某一地点或乘坐过那一趟车的用户，可能对自己去过哪个具体的地点及车牌记得并不清楚，用户自己记忆不清使得有关部门在对去过风险地段的用户进行排查时更容易漏排，再加上有些用户对自己的行程轨迹或身体状况进行隐瞒，这无疑给新冠病毒的传播带来了更大的隐患。

现亟待研发出一种既能够对用户得传染病的概率进行预测，又能够保护用户的隐私数据不被泄露的方法。

发明内容

本发明实施例提供一种传染病概率预测模型的联邦学习方法、装置、计算机设备及存储介质，以解决传染病概率预测模型的训练样本孤岛、用户样本数据保密性差的技术问题。

一种传染病概率预测模型的联邦学习方法，所述方法包括：

获取存储在所述当前移动终端的用户数据，根据所述用户数据得到本端用户特征；

从中心服务器获取携带有在先梯度和损失的在先梯度损失表；

将所述本端用户特征作为训练样本，结合所述在先梯度和损失对传染病概率预测模型进行训练，获取训练后的当前梯度和损失；

通过所述中心服务器下发的公钥对所述当前梯度和损失进行加密，得到当前移动终端的加密梯度和损失；

接收在先移动终端发送的在先梯度损失表，判断所述在先梯度损失表是否包括有掩码区域，所述在先梯度损失表记载了包括所述在先移动终端的梯度损失在内的历史用户的加密梯度损失；

当所述在先梯度损失表不包括所述掩码区域时，将所述在先梯度损失表发送至所述中心服务器，供所述中心服务器根据与各历史用户对应预设的私钥对对应掩码区域的加密梯度和损失进行解密，并对解密得到的各梯度和损失进行求和，得到所述携带有在先梯度和损失的在先梯度损失表；

当所述在先梯度损失表不包括所述掩码区域时，创建梯度损失表，将所述当前移动终端的加密梯度和损失保存在创建的梯度损失表中，对创建的梯度损失表中空白区域添加掩码，得到包括有所述掩码区域的更新的在先梯度损失表；

当所述在先梯度损失表包括有掩码区域时，将所述当前移动终端的加密梯度和损失保存在所述掩码区域，得到更新的在先梯度损失表；