一种基于目的隐藏的联邦学习方法及其系统技术方案

本发明专利技术属于联邦学习领域，具体涉及一种基于目的隐藏的联邦学习方法及其系统，该方法包括：第一联邦机构和第二联邦机构构建联邦学习系统；第一联邦机构和第二联邦机构基于构建的联邦学习系统对各自的数据执行改进的样本对齐协议，得到对齐的数据碎片；第一联邦机构采用安全比较大小协议对对齐的数据碎片进行筛选，得到筛选后的数据对齐碎片；第一联邦机构和第二联邦机构基于筛选后的数据对齐碎片构建共享联合模型；第一联邦机构和第二联邦机构共享模型参数，完成数据共享；本发明专利技术借助特征数据和样本数据的不可区分性，能够解决联邦学习业务建模中目的隐私泄露问题，特别的是面向医疗数据共享情况下，多需求、高隐私的联合建模困难问题。模困难问题。模困难问题。

【技术实现步骤摘要】
一种基于目的隐藏的联邦学习方法及其系统


[0001]本专利技术属于联邦学习领域，具体涉及一种基于目的隐藏的联邦学习方法及 其系统。

技术介绍

[0002]近年来，数据安全问题越来越受到人们的重视，一方面数字经济时代，社 会各行各业都有着数据共享的合作需求，以充分挖掘数据潜力，释放数据价值； 但另一方面各数据主体又因数据安全、商业利益、政府监管等种种问题而不愿 意承担风险直接共享数据。由此在诸多行业产生了诸多“数据孤岛”现象。
[0003]在医疗场景里，数据同样面临着共享需求，一方面大量的医疗数据都存储 在医疗机构里，而相关科研机构又需要医疗数据做科研支撑，同时医疗机构之 间也有着合作需求，比如远程诊断、辅助治疗等场景。
[0004]联邦学习(Federated Learning，FL)作为隐私计算技术之一，通过“数据不 动模型动”的方式实现多方共同训练机器学习模型，达到数据共享目的的，且整 个过程确保原始数据不出库，保证了数据隐私，减少安全隐患。
[0005]样本对齐通常以隐私集合求交(Private Set Inter本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于目的隐藏的联邦学习方法，其特征在于，包括：第一联邦机构和第二联邦机构构建联邦学习系统；第一联邦机构和第二联邦机构基于构建的联邦学习系统对各自的数据执行安全的样本对齐协议，得到对齐的数据碎片；第一联邦机构采用安全比较大小协议对对齐的数据碎片进行筛选，得到筛选后的对齐数据碎片；第一联邦机构和第二联邦机构基于筛选后的对齐数据碎片构建共享联合模型；第一联邦机构和第二联邦机构共享模型参数，完成数据的共享。2.根据权利要求1所述的一种基于目的隐藏的联邦学习方法，其特征在于，构建联邦学习系统包括：第一联邦机构发起数据共享请求，第二联邦机构接收到数据共享请求后对该请求进行响应，得到联邦学习系统。3.根据权利要求1所述的一种基于目的隐藏的联邦学习方法，其特征在于，联邦机构对数据执行安全的样本对齐协议的过程包括：第一联邦机构的数据和第二联邦机构的数据采用基于秘密共享将各自的数据拆分成秘密碎片，第一联邦机构和第二联邦机构对各自秘密碎片进行随机打乱，并将打乱后的秘密碎片进行共享；通过标识符哈希映射对共享的秘密碎片进行对齐，得到对齐的数据碎片。4.根据权利要求1所述的一种基于目的隐藏的联邦学习方法，其特征在于，第一联邦机构采用安全比较大小协议对对齐的数据碎片进行筛选的过程包括：步骤1：第一联邦机构的对齐数据碎片为d1＝(x1，y1)，第二联邦机构的对齐数据碎片为d2＝(x2，y2)；步骤2：对第一联邦机构的对齐数据碎片和第二联邦机构的对齐数据碎片进行秘密共享，使得数据碎片满足d1+d2＝u1*u2；其中，u1表示第一联邦机构获得的满足条件的数据碎片，u2表示第二联邦机构获得的满足条件的数据碎片；步骤3：第一联邦机构计算u1*u2的数据大小，设置数据保留条件，根据设置的数据保留条件对第一联邦机构计算d1+d2的数据进行保留，得到筛选后的对齐数据碎片。5.根据权利要求4所述的一种基于目的隐藏的联...

【专利技术属性】
技术研发人员：唐飞，梁世凯，凌国玮，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：