CN115883053B 基于联邦机器学习的模型训练方法和装置 （支付宝(杭州)信息技术有限公司）

本说明书实施例提供了基于联邦机器学习少一个云服务器参与基于联邦机器学习的模型度发送给云服务器；第一客户端执行下一轮训2于联邦机器学习的模型训练，该方法应用于所述至少两个客户端中的任意一个第一客户第一客户端将本轮训练得到的梯度与该第一客户端对应的掩第一客户端得到由该第一客户端生成的、对应所述所有j表征参与所述模型训练的所有客户端中除了第一客户端之外的第j个客户端；该方法进一步包括：第一客户端生成该第一客户端对应的同态加密密收转发服务器发来的所述所有客户端中其他每一个客户端对应的公相应地，在所述第一客户端得到由该第一客户端生成的、相应地，所述第一客户端得到由所述其他每一个客户端生成所述第一客户端接收转发服务器发来的其他每一个客户端生成的、3第一客户端利用该第一客户端对应的同态加密密钥对中的6.基于联邦机器学习的模型训练方法，至少两个客户在每一轮训练中，云服务器将最新得到的全局模型下发给参与基云服务器接收每一个客户端发来的加密后的全局模型的发来的加密后的全局模型的梯度是利用权利要求1至57.基于联邦机器学习的模型训练装置，至少两于联邦机器学习的模型训练，该装置应用于所述至少两个客户端中的任意一个第一客户梯度获取模块，配置为在每一轮训练中，利用本地的私有数据训练出进一步包括：掩码获取模块；掩码获取模块被配置为得到该装置所在所述加密模块在进行加密时被配置为执行：将本轮训练得到的梯度与得到由所在的第一客户端生成的、对应所述所有客户端中其他每一表征参与所述模型训练的所有客户端中除了第一客户端之外的第8.基于联邦机器学习的模型训练装置，至少两个客全局模型下发模块，配置为在每一轮训练中，将最新得到的全局模4梯度接收模块，配置为在每一轮训练中，接收每一个客户端发来的梯度聚合模块，配置为在每一轮训练中，将接收到的各个加密后的全局模56j征第一客户端，vj表征参与所述模型训练的所有客户端中除了第一客户端之外的第j个客端接收转发服务器发来的所述所有客户端中其他每一个客户端对应的公7[0049]本说明书各个实施例提供的方法及装置，能够单独或者组合后实现如下有益效8端对应的掩码，从而可以保证计算出的掩码的数值范围不会超过协议所能承载的最大数[0056]图2是本说明书一个实施例中由客户端执行的基于联邦机器学习的模型训练方法[0057]图3是本说明书一个实施例中第一客户端得到该第一客户端对应的掩码的方法流[0058]图4是本说明书一个实施例中由云服务器执行的基于联邦机器学习的模型训练方[0059]图5是本说明书一个实施例中由客户端及云服务器配合实现的基于联邦机器学习[0060]图6是本说明书一个实施例中应用于客户端中的基于联邦机器学习的模型训练装[0061]图7是本说明书一个实施例中应用于客户端中的基于联邦机器学习的模型训练装[0062]图8是本说明书一个实施例中应用于云服务器中的基于联邦机器学习的模型训练9[0069]图2是本说明书一个实施例中客户端执行的基于联邦机器学习的模型训练方法的[0075]本说明书实施例的方法可以应用于基于联邦机器学习进行模型训练的各种业务[0083]为了满足该安全性，客户端不能将自己训练出的梯度的原文直接发送给云服务j表征参与所述模型训练的所有客户端中除了第一客户端之外的[0093]参与基于联邦机器学习的模型训练方法的所有客户端都会执行上述步骤301的处[0096]为了让参与模型训练的每一个客户端都得到其他各个客户端生成的对应于该每客户端中其他每一个客户端对应的公钥；与s(v1[0116]图4是本说明书一个实施例中云服务器执行的基于联邦机器学习的模型训练方法器学习的模型训练方法。图5是本说明书一个实施例中由客户端及云服务器配合实现的基[0125]步骤503：每一个客户端将该客户端对应的同态加密密钥对中的公钥发送给云服使得每一个客户端都得到了参与模型训练的所有客户端对应的公[0127]步骤507：第一客户端生成对应所有客户端中其他每一个客户端的各个子掩码s执行的处理就是参与模型训练的每一个客户[0130]步骤511：云服务器将所有客户端发来的对应于第i个客[0137]步骤523：第一客户端计算加密后的梯度y(u)=x(u)+洋1p(u,v),然后将y(u)模型训练的所有客户端对应的所有掩码的和小[0150]加密模块603在进行加密时被配置为执行：将本轮训练得到的梯度与该第一客户j表征参与所述模型训练的所有客户端中除了第一客户端之外的第j个客户端；[0159]在图7所示的本说明书装置的实施例中，掩码获取模块[0163]利用该第一客户端对应的同态加密密钥对中的私钥，对各个加密后的子掩码s[0169]全局模型更新模块804，配置为在每一轮训练中，利用聚合后的梯度更新全局模[0171]本说明书一个实施例提供了一种计算机可读存储介质，