[发明专利]一种联邦学习的方法、装置、存储介质及电子设备

权利要求书

1.一种联邦学习的方法，所述方法应用于第一参与方，包括：

所述第一参与方从自身存储的图数据中，确定与第二参与方共有的用户节点，作为目标节点，以及根据所述目标节点对应的历史业务执行结果，确定所述目标节点的标注；

将所述目标节点对应的数据输入待训练图网络模型的特征提取层，得到所述特征提取层输出的第一特征；

通过同态加密算法，根据所述第二参与方的公钥对所述第一特征加密，确定第一加密特征，以及接收所述第二参与方发送的第二加密特征，其中，所述第二加密特征是所述第二参与方采用所述公钥对第二特征加密得到的，所述第二特征是所述第二参与方根据自身存储的图数据中的目标节点确定的；

根据所述第一加密特征和所述第二加密特征，确定融合特征；

将所述融合特征输入所述待训练图网络模型的后续处理层，得到所述待训练图网络模型输出的加密输出结果；

将所述加密输出结果发送给所述第二参与方，使所述第二参与方采用所述公钥对应的私钥对所述加密输出结果进行解密；

接收所述第二参与方返回的解密结果，根据所述解密结果以及所述标注对所述待训练图网络模型进行训练。

2.如权利要求1所述的方法，在将所述加密输出结果发送给所述第二参与方之前，所述方法还包括：

采用所述公钥对预设的扰动特征进行加密，得到加密扰动特征；

采用所述加密扰动特征对所述加密输出结果进行加扰；

根据所述解密结果以及所述标注对所述待训练图网络模型进行训练，具体包括：

根据所述扰动特征，消除所述解密结果中添加的干扰；

采用消除干扰后的解密结果以及所述标注，对所述待训练图网络模型进行训练。

3.如权利要求1所述的方法，所述第二特征是所述第二参与方采用第二参数将第二中间特征的维度调整为指定维度得到的，所述第二中间特征是所述第二参与方根据自身存储的图数据中的目标节点确定的；

在根据所述第二参与方的公钥对所述第一特征加密之前，所述方法还包括：

采用第一参数将所述第一特征的维度调整为指定维度。

4.如权利要求3所述的方法，根据所述解密结果以及所述标注对所述待训练图网络模型进行训练，具体包括：

以所述解密结果与所述标注之间的差异最小为优化目标，对所述待训练的参数以及所述第一参数进行调整。

5.一种联邦学习的方法，所述方法应用于第二参与方，包括：

所述第二参与方从自身存储的图数据中，确定与第一参与方共有的用户节点，作为目标节点；

提取所述目标节点对应的数据的第二特征；

通过同态加密算法，根据所述第二参与方的公钥对所述第二特征加密，确定第二加密特征；

将所述第二加密特征发送给所述第一参与方，使根据第一加密特征和所述第二加密特征，确定融合特征，其中，所述第一加密特征是所述第一参与方采用所述公钥对第一特征加密得到的，所述第一特征是所述第一参与方将自身存储的图数据中的目标节点对应的数据输入待训练图网络模型的特征提取层确定的；

接收所述第一参与方发送的加密输出结果，所述加密输出结果是所述第一参与方将所述融合特征输入所述待训练图网络模型的后续处理层确定的；

采用所述第二参与方的私钥对所述加密输出结果进行解密；

将解密结果返回给所述第一参与方，使所述第一参与方根据所述解密结果以及标注对所述待训练图网络模型进行训练，所述标注是所述第一参与方根据所述目标节点对应的自身的历史业务执行结果确定的。

6.如权利要求5所述的方法，所述加密输出结果是所述第一参与方采用加密扰动特征对所述第一参与方的待训练图网络模型输出的中间结果加扰得到的，所述中间结果是所述第一参与方将所述融合特征输入所述待训练图网络模型的后续处理层确定的。