分布式预测方法及其系统技术方案

本说明书中的实施例提供了分布式预测方法及其系统。两个以上用户节点保存有各自的用户模型，各用户模型对应预测模型的一部分。一个或多个用户节点至少基于用户模型和本地特征数据获得本地预测结果，预测节点基于一个或多个用户节点的本地预测结果得到针对待预测对象的标识信息的预测结果。如此，可以有效保护各方的数据隐私。护各方的数据隐私。护各方的数据隐私。

【技术实现步骤摘要】
分布式预测方法及其系统
分案说明
[0001]本申请是2019年12月11日提交的名为“模型训练方法、分布式预测方法及其系统”的中国专利技术专利201911272294.2的分案申请。


[0002]本说明书实施例涉及信息
，特别涉及分布式预测方法及其系统。

技术介绍

[0003]随着人工智能技术的发展，机器学习模型已逐渐应用于风险评估、语音识别、自然语言处理等领域。在医疗、金融等领域，不同的企业或机构拥有不同的样本数据，若将这些样本数据进行联合训练，可以有效提升模型精度，给企业带来巨大的经济效益。然而，不同的企业或机构各自拥有的样本数据包含大量的用户隐私甚至商业机密，一旦样本数据泄露，将导致一系列负面影响。
[0004]因此，目前希望提供一种能够有效保护用户数据隐私的联合训练及预测方案。

技术实现思路

[0005]本说明书实施例之一提供一种模型训练方法，其中，由中心节点执行，所述方法包括：获取来自两个以上用户节点的加密样本数据；在可信执行环境中对所述加密样本数据进行解密；在可信执行环境中利用解密出的样本数据进行模型训练，得到训练好的模型；拆分所述训练好的模型，得到所述两个以上用户节点的用户模型；将所述两个以上用户节点的用户模型分别发送给各用户节点。
[0006]本说明书实施例之一提供一种模型训练系统，其中，对应于中心节点，所述系统包括：数据获取模块，用于获取来自两个以上用户节点的加密样本数据；解密模块，用于在可信执行环境中对所述加密样本数据进行解密；训练模块，用于在可信执行环境中利用解密出的样本数据进行模型训练，得到训练好的模型；模型拆分模块，用于拆分所述训练好的模型，得到所述两个以上用户节点的用户模型；模型分发模块，用于将所述两个以上用户节点的用户模型分别发送给各用户节点。
[0007]本说明书实施例之一提供一种模型训练装置，其中，包括至少一个处理器和至少一个存储设备，所述存储设备用于存储指令，当至少一个处理器执行指令时，实现如本说明书任一实施例所示的模型训练方法。
[0008]本说明书实施例之一提供一种分布式预测方法，其中，由预测节点执行，所述预测节点为两个以上用户节点之一，或是所述两个以上用户节点以外的节点且与所述两个以上用户节点通信连接，所述两个以上用户节点分别保存有各自的用户模型，各用户模型均对应于预测模型的一部分；所述方法包括：向一个或多个用户节点发送针对待预测对象的标识信息的预测请求；接收一个或多个用户节点的本地预测结果，所述本地预测结果至少基于对应用户节点的用户模型和针对待预测对象的标识信息的特征数据得到；基于一个或多
个用户节点的本地预测结果，得到针对待预测对象的标识信息的预测结果。
[0009]本说明书实施例之一提供一种分布式预测系统，其中，所述系统对应于预测节点，所述预测节点为两个以上用户节点之一，或是所述两个以上用户节点以外的节点且与所述两个以上用户节点通信连接，所述两个以上用户节点分别保存有各自的用户模型，各用户模型均对应于预测模型的一部分；所述系统包括：预测请求发送模块，用于向一个或多个用户节点发送针对待预测对象的标识信息的预测请求；本地预测结果接收模块，用于接收一个或多个用户节点的本地预测结果，所述本地预测结果至少基于对应用户节点的用户模型和针对待预测对象的标识信息的特征数据得到；预测模块，用于基于一个或多个用户节点的本地预测结果，得到针对待预测对象的标识信息的预测结果。
[0010]本说明书实施例之一提供一种分布式预测装置，其中，包括至少一个处理器和至少一个存储设备，所述存储设备用于存储指令，当至少一个处理器执行指令时，实现如本说明书任一实施例所示的由预测节点执行的分布式预测方法。
[0011]本说明书实施例之一提供一种分布式预测方法，其中，由两个以上用户节点中的某一用户节点执行，所述两个以上用户节点保存有各自的用户模型，各用户模型对应预测模型的一部分；所述方法包括：接收预测节点发送的针对待预测对象的标识信息的预测请求，所述预测节点包括两个以上用户节点之一或两个以上用户节点之外的节点；基于待预测对象标识信息从本地获取特征数据；至少基于用户模型和所述特征数据，得到本地预测结果；将所述本地预测结果返回给所述预测节点。
[0012]本说明书实施例之一提供一种分布式预测系统，其中，所述方法对应于两个以上用户节点中的某一用户节点，所述两个以上用户节点保存有各自的用户模型，各用户模型对应预测模型的一部分；所述系统包括：预测请求接收模块，用于接收预测节点发送的针对待预测对象的标识信息的预测请求，所述预测节点包括两个以上用户节点之一或两个以上用户节点之外的节点；本地预测模块，用于基于待预测对象标识信息从本地获取特征数据，至少基于用户模型和所述特征数据，得到本地预测结果；本地预测结果返回模块，用于将所述本地预测结果返回给所述预测节点。
[0013]本说明书实施例之一提供一种分布式预测装置，其中，包括至少一个处理器和至少一个存储设备，所述存储设备用于存储指令，当至少一个处理器执行指令时，实现如本说明书任一实施例所示的由用户节点执行的分布式预测方法。
附图说明
[0014]本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
[0015]图1为根据本说明书一些实施例所示的机器学习系统的应用场景示意图；
[0016]图2为根据本说明书一些实施例所示的模型训练方法的交互示意图；
[0017]图3为根据本说明书一些实施例所示的分布式预测方法的交互示意图；
[0018]图4为根据本说明书一些实施例所示的用户节点A的用户模型示意图；
[0019]图5为根据本说明书一些实施例所示的用户节点B的用户模型示意图；
[0020]图6为根据本说明书一些实施例所示的模型训练系统的示例性框图；
[0021]图7为根据本说明书一些实施例所示的分布式预测系统的示例性框图；
[0022]图8为根据本说明书一些实施例所示的分布式预测系统的示例性框图。
具体实施方式
[0023]为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
[0024]应当理解，本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
[0025]如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分布式预测方法，其中，由预测节点执行，所述预测节点为两个以上用户节点之一，或是所述两个以上用户节点以外的节点且与所述两个以上用户节点通信连接，所述两个以上用户节点分别保存有各自的用户模型，各用户模型均对应于预测模型的一部分；所述方法包括：向一个或多个用户节点发送针对待预测对象的标识信息的预测请求；接收一个或多个用户节点的本地预测结果，所述本地预测结果至少基于对应用户节点的用户模型和针对待预测对象的标识信息的特征数据得到；基于一个或多个用户节点的本地预测结果，得到针对待预测对象的标识信息的预测结果。2.根据权利要求1所述的方法，其中，所述基于所述至少一个用户节点的本地预测结果，得到针对待预测对象的标识信息的预测结果，包括：基于两个以上用户节点的本地预测结果，得到所述预测结果。3.根据权利要求1所述的方法，其中，所述模型包括以下中的至少一种：线性回归模型、决策树以及神经网络。4.一种分布式预测系统，其中，所述系统对应于预测节点，所述预测节点为两个以上用户节点之一，或是所述两个以上用户节点以外的节点且与所述两个以上用户节点通信连接，所述两个以上用户节点分别保存有各自的用户模型，各用户模型均对应于预测模型的一部分；所述系统包括：预测请求发送模块，用于向一个或多个用户节点发送针对待预测对象的标识信息的预测请求；本地预测结果接收模块，用于接收一个或多个用户节点的本地预测结果，所述本地预测结果至少基于对应用户节点的用户模型和针对待预测对象的标识信息的特征数据得到；预测模块，用于基于一个或多个用户节点的本地预测结果，得到针对待预测对象的标识信息的预测结果。5.根据权利要求4所述的分布式预测系统，其中，所述预测模块进一步用于：基于两个以上用户节点的本地预测结果，得到所述预测结果。6.根据权利要求4所述的分布式预测系统，其中，所述模型包括以下中的至少一种：线性回归模型、决策树以及神经网络。7.一种分布式预测装置，其中，包括至少一个处理器和至少一个存储设备，所述存储设备用于存储指令，当...

【专利技术属性】
技术研发人员：谭晋，王磊，王力，
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：