【技术实现步骤摘要】
一种基于联邦学习的模型训练方法
本说明书实施例涉及信息
,尤其涉及一种基于联邦学习的模型训练方法。
技术介绍
联邦学习(Federatedmachinelearning/FederatedLearning),是指一种机器学习框架,能有效帮助多个节点(可以代表个人或机构)在满足数据隐私保护的要求下,联合训练模型。在联邦学习框架下,服务端下发模型参数给多个节点,每个节点将本地的训练样本输入模型进行一次训练,本次训练结束后,每个节点会基于本次训练结果计算得到的梯度。随后,服务端基于安全聚合(SA,SecureAggregation)协议,可以计算得到各节点的梯度之和。值得强调的是,服务端收到SA协议的限制,并不能获得单个节点上传的梯度。如此,既可以使得服务端根据各节点上传的梯度之和调整模型参数,又可以实现节点的数据隐私保护。然而,在有些场景下,模型参数也不适合暴露给节点。
技术实现思路
为了解决联邦学习框架下存在的模型参数难以保护的问题,本说明书实施例提供一种基于联邦学习的模型训练方法,技术方案如下:根据本说明书实施例的第1方面,提供一种基于联邦学习的模型训练方法,应用于包括服务端与N个节点的联邦学习系统,N>1,所述方法包括:在模型训练的第i次迭代中,执行:所述服务端基于同态加密算法E对模型参数集合θ进行加密,得到E(θ),并将E(θ)下发给Mi个节点;其中,Mi≤N,所述Mi个节点中存在Qi个目标类型节点;第j个目标类型节点根据E(θ)与 ...
【技术保护点】
1.一种基于联邦学习的模型训练方法,应用于包括服务端与N个节点的联邦学习系统,N>1,所述方法包括:/n在模型训练的第i次迭代中,执行:/n所述服务端基于同态加密算法E对模型参数集合θ进行加密,得到E(θ),并将E(θ)下发给M
【技术特征摘要】
1.一种基于联邦学习的模型训练方法,应用于包括服务端与N个节点的联邦学习系统,N>1,所述方法包括:
在模型训练的第i次迭代中,执行:
所述服务端基于同态加密算法E对模型参数集合θ进行加密,得到E(θ),并将E(θ)下发给Mi个节点;其中,Mi≤N,所述Mi个节点中存在Qi个目标类型节点;
第j个目标类型节点根据E(θ)与本地训练样本,进行加密状态下的模型计算,得到加密梯度E(wij);其中,j=(1,2,…,Qi);
第j个目标类型节点确定随机数rj,并计算E(wij)-E(rij),得到E(sij),以及,向所述服务端上传E(sij);
所述服务端根据E(sij)计算并基于安全聚合SA协议,计算
所述服务端计算得到并基于更新θ。
2.如权利要求1所述的方法,针对所述Mi个节点中的任一节点,若该节点在接收到E(θ)之后,继续处于在线状态直至第i次迭代结束,则该节点属于目标类型节点。
3.如权利要求2所述的方法,所述服务端根据E(sij)计算具体包括:
所述服务端若确定Qi≥Ti,则根据E(sij)计算其中,Ti为:第i次迭代中,SA协议指定的Mi个节点中处于在线状态的节点的数量的下限值;
所述方法还包括:
所述服务端若确定Qi<Ti,则停止本次迭代,并进入下一次迭代。
4.如权利要求1所述的方法,所述服务端根据E(sij)计算具体包括:
所述服务端对E(sij)进行解密,得到sij,进而得到
或者,所述服务端计算进而解密得到
5.如权利要求1所述的方法,用于训练线性回归模型。
6.如权利要求1~5任一项所述的方法,所述模型对应的输入数据包括:图像或文本或语音。
7.如权利要求6所述的方法,所述文本包含实体对象信息。
8.一种联邦学习系统,包括服务端与N个节点,N>1;
所述服务端,在模型训练的第i次迭代中,基于同态加密算法E对模型参数集合θ进行加密,得到E(θ),并将E(θ)下发给Mi个节点,其中,Mi≤N,所述Mi个节点中存在Qi个目标类型节点;
第j个目标类型节点,根据E(θ)与本地训练样本,进行加密状态下的模型计算,得到加密梯度E(wij),其中,j=(1,2,…,Qi);确定随机数rij,并计算E(wij)-E(rij),得到E(sij),以及,向所述服务端上传E(sij);
所述服务端,还根据E(sij)计算并基于安全聚合SA协议,计算计算得到并基于更新θ。
9.一种基于联邦学习的模型训练方法,应用于联邦学习系统中的服务端,所述联邦学习系统还包括N个节点,N>1,所述方法包括:
在模型训练的第i次迭代中,执行:
基于同态加密算法E对模型参数集合θ进行加密,得到E(θ),并将E(θ)下发给Mi个节点,其中,Mi≤N,所述Mi个节点中存在Qi个目标类型节点,以使第j个目标类型节点根据E(θ)与本地训练样...
【专利技术属性】
技术研发人员:王力,陈超超,周俊,
申请(专利权)人:支付宝杭州信息技术有限公司,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。