编译方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术公开了一种编译方法、装置、电子设备和存储介质。该编译方法可应用于纵向联邦学习的多个参与方中的任一方，该方法包括：获取纵向联邦学习的源代码；所述源代码中包括用于实现纵向联邦学习的多个代码段和每个所述代码段对应的执行方标识，所述执行方标识用于指示执行所述代码段的至少一个参与方；针对每一个代码段，根据所述代码段对应的执行方标识，生成对应的判断语句，所述判断语句用于判断所述第一参与方是否属于所述代码段的执行方，以在执行所述判断语句时，根据所述判断语句的判断结果确定是否执行所述代码段；根据各个代码段和每个代码段对应的判断语句，生成编译后的代码。利用本方法可以降低源代码开发的复杂度和后期维护难度。和后期维护难度。和后期维护难度。

【技术实现步骤摘要】
编译方法、装置、电子设备和存储介质


[0001]本专利技术涉及数据处理领域，尤其涉及一种编译方法、装置、电子设备和存储介质。

技术介绍

[0002]科技不断发展，人工智能技术已被广泛应用，数据的价值也愈发凸显。但随着近年来人们对数据隐私的重视以及相应政策法规的发布，传统的获取原始数据并进行机器学习建模的做法已不再方便可行。人们开始转而采用联邦机器学习或多方安全计算等方式进行建模。
[0003]联邦机器学习或多方安全计算会涉及到多个参与方之间的信息传输、调度等，一般需要在代码开发中显式地对加密信息传输。这就需要为每一不同角色的参与方进行不同的代码逻辑实现，导致代码复杂，较难开发和维护。也会使得相应的机器学习开发和学习成本较高，体验较差。

技术实现思路

[0004]本专利技术的主要目的在于提供一种编译方法、装置、电子设备及存储介质，旨在通过对编译过程进行改进，以支持源代码开发的简化，进而提高源代码开发和维护的效率。
[0005]为实现上述目的，本专利技术提供一种编译方法，应用于纵向联邦学习的多个参与方中的第一参与方，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种编译方法，其特征在于，应用于纵向联邦学习的多个参与方中的第一参与方，所述方法包括：获取纵向联邦学习的源代码；所述源代码中包括用于实现纵向联邦学习的多个代码段和每个所述代码段对应的执行方标识，所述执行方标识用于指示执行所述代码段的至少一个参与方；针对每一个代码段，根据所述代码段对应的执行方标识，生成对应的判断语句，所述判断语句用于判断所述第一参与方是否属于所述代码段的执行方，以在执行所述判断语句时，根据所述判断语句的判断结果确定是否执行所述代码段；根据各个代码段和每个代码段对应的判断语句，生成编译后的代码。2.根据权利要求1所述的方法，其特征在于，在生成对应的判断语句之前，所述方法还包括：确定所述源代码中的数据合并函数；所述数据合并函数用于指示纵向联邦学习的各参与方提供的单方数据的合并方式；根据所述数据合并函数，对所述源代码进行解析，生成计算图；所述计算图用于表征各参与方提供的单方数据的数据处理逻辑；所述根据所述代码段对应的执行方标识，生成对应的判断语句，包括：根据所述代码段对应的执行方标识、所述计算图表征的数据处理逻辑，生成对应的判断语句。3.根据权利要求2所述的方法，其特征在于，还包括：根据所述计算图，确定各参与方提供的单方数据所在节点；在各参与方提供的单方数据所在节点之后增加加密节点；针对所述加密节点，生成对所述单方数据进行加密的加密语句；所述根据各个代码段和每个代码段对应的判断语句，生成编译后的代码，包括：根据各个代码段和每个代码段对应的判断语句、所述加密语句，生成编译后的代码。4.根据权利要求2所述的方法，其特征在于，还包括：确定所述源代码中的数据传输函数；所述数据传输函数用于指示模型训练数据的传输方向，所述模型训练数据是基于所述单方数据计算得到的；在所述数据传输函数所在节点之前增加加密节点；针对所述加密节点，生成对所述模型训练数据进行加密的加密语句。5.根据权利要求4所述的方法，其特征在于，所述生...

【专利技术属性】
技术研发人员：李冕和，陈瑞钦，黄启军，
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：