[发明专利]联邦学习模型的训练方法、装置、电子设备、介质及产品

说明书

本申请提供了一种联邦学习模型的训练方法、装置、电子设备、计算机可读存储介质及计算机程序产品；应用于具有标签的主动方设备，方法包括：获取用于训练联邦学习模型的样本的样本标识，以及本地存储的样本的第一样本特征；发送携带样本标识的样本确定请求至至少一个被动方设备；其中，样本确定请求，用于被动方设备从本地样本特征库中，筛选得到对应样本标识的第二样本特征；接收被动方设备发送的对应样本确定请求的响应信息；当响应信息指示对应样本标识的第二样本特征筛选完成时，结合样本的第一样本特征及第二样本特征，训练联邦学习模型。通过本申请，能够提高筛选训练样本的准确性，有效提高联邦学习系统的建模效率。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种联邦学习模型的训练方法、装置、电子设备、计算机可读存储介质以及计算机程序产品。

背景技术

联邦学习技术是新兴的一种隐私保护技术，能够保证数据在不出本地的前提下，有效联合各方数据进行模型训练。

相关联邦学习模型的训练过程中，需要建模人工配置大量信息，如撞库得到的表名、命名空间等。这样，将大量与模型训练无关的系统技术细节暴露给了用户，普通的建模用户需要仔细阅读文档并接受专业人员的指导才能开展联邦建模工作，由于联邦建模的撞库和建模耗时较长，一旦人工配置出错，会浪费大量的时间，导致建模效率低。

发明内容

本申请实施例提供一种联邦学习模型的训练方法、装置、电子设备、计算机可读存储介质及计算机程序产品，能够提高筛选训练样本的准确性，有效提高联邦学习系统的建模效率。

本申请实施例的技术方案是这样实现的：

本申请实施例提供一种联邦学习模型的训练方法，应用于具有标签的主动方设备，包括：

获取用于训练所述联邦学习模型的样本的样本标识，以及本地存储的所述样本的第一样本特征；

发送携带所述样本标识的样本确定请求至至少一个被动方设备；

其中，所述样本确定请求，用于所述被动方设备从本地样本特征库中，筛选得到对应所述样本标识的第二样本特征；

接收所述被动方设备发送的对应所述样本确定请求的响应信息；

当所述响应信息指示对应所述样本标识的第二样本特征筛选完成时，结合所述样本的第一样本特征及所述第二样本特征，训练所述联邦学习模型。

本申请实施例提供一种联邦学习模型的训练装置，包括：

获取模块，用于获取用于训练所述联邦学习模型的样本的样本标识，以及本地存储的所述样本的第一样本特征；

发送模块，用于发送携带所述样本标识的样本确定请求至至少一个被动方设备；其中，所述样本确定请求，用于所述被动方设备从本地样本特征库中，筛选得到对应所述样本标识的第二样本特征；

接收模块，用于接收所述被动方设备发送的对应所述样本确定请求的响应信息；

训练模块，用于当所述响应信息指示对应所述样本标识的第二样本特征筛选完成时，结合所述样本的第一样本特征及所述第二样本特征，训练所述联邦学习模型。

上述方案中，所述获取模块，还用于获取样本配置信息，所述样本配置信息包括样本特征范围以及样本标识，所述样本特征范围用于指示训练所述联邦学习模型的样本的样本特征所归属的范围；

根据所述样本标识，确定本地样本特征库与所述样本标识对应的本地样本特征；

根据所述样本特征范围，筛选所述本地样本特征落入所述样本特征范围的样本特征，作为第一样本特征。

上述方案中，所述获取模块，还用于获取样本配置信息，所述样本配置信息包括样本特征范围；