联邦学习回归模型损失函数评估方法、装置及电子设备
摘要文本
本发明公开了一种联邦学习回归模型损失函数评估方法、装置及电子设备，涉及模型训练技术领域，包括：获取第一原始数据；利用第一子模型对第一原始数据进行处理得到第一预测值，采用第一预测值确定第一中间数据，根据第一中间数据确定第一预测值秘密分享数据；根据从第二参与方获取的第二中间数据确定第二预测值秘密分享数据，根据从第三参与方获取的第三中间数据确定第三预测值秘密分享数据；根据第一、二、三预测值秘密分享数据，确定第一盲化数据；根据第一盲化数据、获取的第二盲化数据和获取的第三盲化数据，确定目标用户的联邦预测值；根据标签值和联邦预测值判断是否终止预设模型训练。提高了数据隐私安全性和模型训练效率。
申请人信息
- 申请人:上海零数众合信息科技有限公司
- 申请人地址:200135 上海市浦东新区中国(上海)自由贸易试验区峨山路101号C3幢
- 发明人: 上海零数众合信息科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 联邦学习回归模型损失函数评估方法、装置及电子设备 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410122725.1 |
| 申请日 | 2024/1/30 |
| 公告号 | CN117648999A |
| 公开日 | 2024/3/5 |
| IPC主分类号 | G06N20/00 |
| 权利人 | 上海零数众合信息科技有限公司 |
| 发明人 | 马平; 兰春嘉 |
| 地址 | 上海市浦东新区中国(上海)自由贸易试验区峨山路101号C3幢 |
专利主权项内容
1.一种联邦学习回归模型损失函数评估方法，其特征在于，应用于第一参与方，所述方法包括：获取测试数据集；其中，所述测试数据集中包括目标用户的第一原始数据；利用预设回归模型的第一子模型对第一原始数据进行处理得到第一预测值，并采用第一预测值确定第一中间数据，并根据第一中间数据确定第一预测值秘密分享数据；根据从第二参与方获取的第二中间数据确定第二预测值秘密分享数据，并根据从第三参与方获取的第三中间数据确定第三预测值秘密分享数据；其中，所述第二中间数据根据第二预测值确定，所述第二预测值利用第二参与方中预设回归模型的第二子模型对第二原始数据处理得到；所述第三中间数据根据第三预测值确定，所述第三预测值利用第三参与方中预设回归模型的第三子模型对第三原始数据处理得到；根据第一预测值秘密分享数据、第二预测值秘密分享数据以及第三预测值秘密分享数据，确定第一盲化数据；根据第一盲化数据、从第二参与方获取的第二盲化数据和从第三参与方获取的第三盲化数据，确定目标用户的联邦预测值；根据目标用户的标签值和联邦预测值评估联邦损失值，当所述联邦损失值达到收敛条件时终止预设回归模型的训练，得到目标回归模型。 （更多数据，详见）