机器学习模型进行训练、预测的方法、装置、设备及介质制造方法及图纸

本说明书实施例公开了一种对机器学习模型进行训练、预测的方法、装置、设备及介质。方案包括：获取多个机构的加密后的用户特征数据；将所述加密后的用户特征数据输入可信执行环境；在所述可信执行环境中对所述加密后的用户特征数据进行解密，得到解密后的用户特征数据；在所述可信执行环境中对针对同一用户的用户特征数据进行对齐处理，得到对齐处理后的训练用特征数据；在所述可信执行环境中采用所述训练用特征数据对机器学习模型进行训练。训练用特征数据对机器学习模型进行训练。训练用特征数据对机器学习模型进行训练。

【技术实现步骤摘要】
机器学习模型进行训练、预测的方法、装置、设备及介质


[0001]本申请涉及计算机
，尤其涉及一种对机器学习模型进行训练、预测的方法、装置、设备及介质。

技术介绍

[0002]对于公司、企业或者机构而言，数据时非常重要的资源，例如，用户数据、业务数据等，而这些数据通常具有一定的使用价值。
[0003]但实际应用中，在对用户数据进行使用时，会存在用户数据泄露的风险，为此，通常本机构的数据不会提供给其他机构，同样本机构也不能获得其他机构的数据，这样以来就无法对数据进行进一步的分析利用。
[0004]因此，需要一种方法可以在保证用户数据不被泄露的同时也可被使用的方法。

技术实现思路

[0005]本说明书实施例提供一种对机器学习模型进行训练、预测的方法、装置、设备及介质，使用户数据可被使用的同时也可避免泄露。
[0006]为解决上述技术问题，本说明书实施例是这样实现的：
[0007]本说明书实施例提供的一种对机器学习模型进行训练的方法，包括：
[0008]获取多个机构的加密后的用户特征数据；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对机器学习模型进行训练的方法，包括：获取多个机构的加密后的用户特征数据；将所述加密后的用户特征数据输入可信执行环境；在所述可信执行环境中对所述加密后的用户特征数据进行解密，得到解密后的用户特征数据；在所述可信执行环境中对针对同一用户的用户特征数据进行对齐处理，得到对齐处理后的训练用特征数据；在所述可信执行环境中采用所述训练用特征数据对机器学习模型进行训练。2.根据权利要求1所述的方法，所述在所述可信执行环境中对针对同一用户的用户特征数据进行对齐处理，具体包括：确定所述针对同一用户的用户特征数据中各个子特征的特征标识；按照预设的特征标识的排列顺序，对所述各个子特征进行排列组合。3.根据权利要求2所述的方法，还包括：对于处于数据缺失状态的特征标识，采用预设的标准数据进行填充。4.根据权利要求1所述的方法，所述获取多个机构的加密后的用户特征数据，具体包括：获取各个机构发送的加密后的用户特征数据集；一个所述用户特征数据集中包含多个用户条目；每个所述用户条目包含用户标识以及与所述用户标识对应的用户特征数据；所述加密后的用户特征数据集中的多个用户条目作为一个整体被加密处理过；所述在所述可信执行环境中对针对同一用户的用户特征数据进行对齐处理之前，还包括：在所述可信执行环境中从解密后得到的各个用户特征数据集中查找同一个用户标识对应的用户特征数据。5.根据权利要求4所述的方法，所述用户标识是各个机构基于用户的身份信息采用统一的算法生成的。6.根据权利要求5所述的方法，所述身份信息具体包括：姓名、身份证号码和银行卡号。7.根据权利要求1至6任一项所述的方法，对用户特征数据的加密方式为非对称加密方式，在所述可信执行环境中生成所述非对称加密方式中的公钥和私钥；采用所述公钥对所述用户特征数据进行加密，采用所述私钥对所述用户特征数据进行解密。8.一种使用机器学习模型进行预测的方法，包括：获取多个机构针对同一用户的加密后的用户特征数据；将所述加密后的用户特征数据输入可信执行环境；在所述可信执行环境中对所述加密后的用户特征数据进行解密，得到解密后的用户特征数据；在所述可信执行环境中对所述用户特征数据进行对齐处理，得到对齐处理后的预测用特征数据；在所述可信执行环境中采用训练完毕的机器学习模型对所述预测用特征数据进行预测。9.根据权利要求8所述的方法，所述在所述可信执行环境中对所述用户特征数据进行
对齐处理，具体包括：确定所述用户特征数据中各个子特征的特征标识；按照预设的特征标识的排列顺序，对所述各个子特征进行排列组合。10.根据权利要求9所述的方法，还包括：对于处于数据缺失状态的特征标识，采用预设的标准数据进行填充。11.根据权利要求8所述的方法，所述获取多个机构针对同一用户的加密后的用户特征数据，具体包括：获取各个机构发送的用户特征数据信息；所述用户特征数据信息包括用户标识以及与所述用户标识对应的加密后的用户特征数据。12.根据权利要求11所述的方法，所述用户标识是各个机构基于用户的身份信息采用统一的算法生成的。13.根据权利要求12所述的方法，所述身份信息具体包括：姓名、身份证号码和银行卡号。14.根据权利要求8至13任意一项所述的方法，所述对用户特征数据的加密方式为非对称加密方式，在所述可信执行环境中生成所述非对称加密方式中的公钥和私钥；采用所述公钥对所述用户特征数据进行加密，采用所述私钥对所述用户特征数据进行解密。15.根据权利要求12所述的方法，所述获取多个机构针对同一用户的加密后的用户特征数据之前，还包括：获取对于所述用户的信息预测请求；所述信息预测请求中包含所述用户的身份信息；...

【专利技术属性】
技术研发人员：杨文玉，陈远，史诚，姚经纬，李书博，吴冕，杨仁慧，
申请(专利权)人：蚂蚁区块链科技上海有限公司，
类型：发明
国别省市：