【技术实现步骤摘要】
因子分解机分类模型构建方法、设备及可读存储介质
本申请涉及金融科技(Fintech)的人工智能领域，尤其涉及一种因子分解机分类模型构建方法、设备及可读存储介质。
技术介绍
随着金融科技，尤其是互联网科技金融的不断发展，越来越多的技术(如分布式、区块链Blockchain、人工智能等)应用在金融领域，但金融业也对技术提出了更高的要求，如对金融业对应待办事项的分发也有更高的要求。随着计算机软件和人工智能的不断发展，联邦学习的应用领域也越来越广泛，目前，基于联邦学习训练分类模型时的训练数据通常为稠密矩阵，且在训练过程中通常通过同态加密的方法，对稠密矩阵进行加密，以实现在不泄露数据隐私的前提下进行联邦学习的目的，但是，当训练数据为稀疏矩阵数据时，例如用户画像数据等，由于在存储相同的信息时，稀疏矩阵远比稠密矩阵大，进而在基于同态加密的方法，通过联邦学习训练分类模型时的计算量非常大，且计算复杂度非常高，进而导致基于联邦学习训练分类模型时的计算效率极低。
技术实现思路
本申请的主要目的在于提供一种因子分解机分类...
【技术保护点】
1.一种因子分解机分类模型构建方法，其特征在于，所述因子分解机分类模型构建方法应用于第一设备，所述因子分解机分类模型构建方法包括：/n获取待训练分类模型对应的待训练模型参数和第一稀疏数据，并基于所述待训练模型参数，与第二设备进行秘密共享，获得秘密共享初始模型参数；/n基于所述第一稀疏数据中的第一非零部分、所述秘密共享初始模型参数和预设权重信息，与所述第二设备进行联邦交互，计算秘密共享分类模型误差；/n基于所述秘密共享分类模型误差，对所述待训练分类模型进行更新，获得纵向联邦因子分解机分类模型。/n
【技术特征摘要】
1.一种因子分解机分类模型构建方法，其特征在于，所述因子分解机分类模型构建方法应用于第一设备，所述因子分解机分类模型构建方法包括：
获取待训练分类模型对应的待训练模型参数和第一稀疏数据，并基于所述待训练模型参数，与第二设备进行秘密共享，获得秘密共享初始模型参数；
基于所述第一稀疏数据中的第一非零部分、所述秘密共享初始模型参数和预设权重信息，与所述第二设备进行联邦交互，计算秘密共享分类模型误差；
基于所述秘密共享分类模型误差，对所述待训练分类模型进行更新，获得纵向联邦因子分解机分类模型。
2.如权利要求1所述因子分解机分类模型构建方法，其特征在于，所述秘密共享初始模型参数包括第一类型共享模型参数和第二类型共享模型参数，所述第二设备包括第二方秘密共享初始模型参数和第二稀疏矩阵，其中，所述第二方秘密共享初始模型参数包括第二方第一类型共享模型参数和第二方第二类型共享模型参数，
所述基于所述第一稀疏数据中的第一非零部分、所述秘密共享初始模型参数和预设权重信息，与所述第二设备进行联邦交互，计算秘密共享分类模型误差的步骤包括：
基于所述第一类型共享模型参数和所述第一非零部分，与所述第二设备进行联邦交互，以联合所述第二方第一类型共享模型参数和所述第二稀疏矩阵的第二非零部分，计算所述第一类型稀疏矩阵安全内积；
基于所述第二类型共享模型参数和所述第一非零部分，与所述第二设备进行联邦交互，以联合所述第二方第二类型共享模型参数和所述第二非零部分，计算所述第二类型稀疏矩阵安全内积；
基于所述第二类型共享模型参数、所述第一非零部分和所述预设秘密共享乘法三元组，与所述第二设备进行联邦交互，以联合所述第二方第二类型共享模型参数和所述第二非零部分，计算所述秘密共享中间参数；
基于所述第一类型稀疏矩阵安全内积、所述第二稀疏矩阵安全内积、所述秘密共享中间参数和所述预设权重信息，通过预设秘密共享分类模型误差计算公式，计算所述秘密共享分类模型误差。
3.如权利要求2所述因子分解机分类模型构建方法，其特征在于，所述第二类型稀疏矩阵安全内积包括第一非零特征项交叉内积和第二非零特征项交叉内积，
所述基于所述第二类型共享模型参数和所述第一非零部分，与所述第二设备进行联邦交互，以联合所述第二方第二类型共享模型参数和所述第二非零部分，计算第二类型稀疏矩阵安全内积的步骤包括：
基于所述第二类型共享模型参数，与所述第二设备进行联邦交互，以计算所述第二类型共享模型参数和所述第二非零部分之间的交叉内积，获得所述第一非零特征项交叉内积；
基于所述第一非零部分，与所述第二设备进行联邦交互，以计算所述第一非零部分和所述第二方第二类型共享模型参数之间的交叉内积，获得所述第二非零特征项交叉内积。
4.如权利要求3所述因子分解机分类模型构建方法，其特征在于，所述第二类型共享模型参数包括第一共享参数，所述第二方第二类型共享模型参数包括第二共享参数，
所述基于所述第二类型共享模型参数，与所述第二设备进行联邦交互，以计算所述第二类型共享模型参数和所述第二非零部分之间的交叉内积，获得所述第一非零特征项交叉内积的步骤包括：
生成第一公钥，并基于所述第一公钥，对所述第一共享参数进行加密，获得加密第一共享参数；
将所述第一公钥和所述加密第一共享参数发送至第二设备，以供所述第二设备基于所述第一公钥、所述加密第一共享参数、第二共享参数和所述第二非零部分，确定第二方第一非零特征项交叉内积和加密第一非零特征项交叉内积；
接收所述第二设备发送的所述加密第一非零特征项交叉内积，并基于所述第一公钥对应的第一私钥，对所述加密第一非零特征项交叉内积进行解密，获得所述第一非零特征项交叉内积。
5.如权利要求3所述因子分解机分类模型构建方法，其特征在于，所述第二类型共享模型参数包括第三共享参数，所述第二方第二类型共享模型参数包括第四共享参数，
所述基于所述第一非零部分，与所述第二设备进行联邦交互，以计算所述第一非零部分和所述第二方第二类型共享模型参数之间的交叉内积，获得所述第二非零特征项交叉内积的步骤包括：
接收所述第二设备发送的第二公钥和发送的加密第四共享参数，其中，所述加密第四共享参数为所述第二设备基于所述第二公钥加密的所述第四共享参数；
基于所述第二公钥、所述加密第四共享参数、所述第一非零部分和所述第三共享参数，计算第二非零特征项交叉内积和加密第二方第二非零特征项交叉内积；
将所述加密第二方第二非零特征项交叉内积发送至所述第二设备，以供所述第二设备基于所述第二公钥对应的第二私钥，对所述加密第二方第二非零特征项交叉内积进行解密，获得第二方第二非零特征项交叉内积。
6.如权利要求5所述因子分解机分类模型构建方法，其特征在于，所述基于所述第二公钥、所述加密第四共享参数、所述第一非零部分和所述第三共享参数，计算第二非零特征项交叉内积和加密第二方第二非零特征项交叉内积的步骤包括：
基于所述第二公钥，对所述第三共享参数进行加密，获得加密第三共享参数，并计算所述加密第三共享参数和所述加密第四共享参数共同对应的加密模型参数；
计算所述加密模型参数中各列向量和所述第一非零部分中各列向量两两之间的交叉内积，获得所述第一加密内积；
基于所述加密模型参数的特征维度，构建所述第二非零特征项交叉内积，并计算所述第二非零特征项交叉内积和所述第一加密内积共同对应的所述加密第二方第二非零特征项交叉内积。
7.如权利要求2所述因子分解机分类模型构建方法，其特征在于，所述第二类型共享模型参数包括第二类型秘密共享参数矩阵和所述第二类型秘密共享参数矩阵对应的秘密共享转置参数矩阵，所述第二方第二类型共享模型参数包括第二方第二类型秘密共享参数矩阵和所述第二方第二类型共享参数矩阵对应的第二方秘密共享转置参数矩阵，
所述基于所述第二类型共享模型参数、所述第一非零部分和所述预设秘密共享乘法三元组，与所述第二设备进行联邦交互，以联合所述第二方第二类型共享模型参数和所述第二非零部分，计算所述秘...
【专利技术属性】
技术研发人员：高大山，谭奔，杨柳，鞠策，杨强，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：广东;44
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。