数据处理方法、存储介质和电子设备技术

本申请公开了一种数据处理方法、存储介质和电子设备。其中，该方法包括：获取虚拟数据，其中，第一客户端的角色为联邦学习训练过程中的攻击者，第二客户端的角色为联邦学习训练过程中的被攻击者，第一客户端与第二客户端共享邻居生成器；利用虚拟数据进行图联邦攻击，重构第二客户端的私有节点属性以及第一客户端与第二客户端之间的连接关系；基于私有节点属性和连接关系，确定第二客户端发生隐私数据泄露。本申请解决了相关技术中缺乏对联邦学习中图相关信息及邻居生成器共享所引发的隐私泄露的检测手段的技术问题。露的检测手段的技术问题。露的检测手段的技术问题。

【技术实现步骤摘要】
数据处理方法、存储介质和电子设备


[0001]本申请涉及计算机
，具体而言，涉及一种数据处理方法、存储介质和电子设备。

技术介绍

[0002]目前，考虑联邦学习（Federated Learning，FL）中隐私泄露的问题，相关
的技术人员将经典的联邦学习推广到基于图数据的联邦图学习（Federated Graph Learning，FGL）。尽管FGL在隐私保护上取得一定的成功，但是，现有FGL大多关注联邦图学习算法的设计，在联邦学习中图相关信息（如节点嵌入信息（Node Embedding）和邻居生成器（Neighbor Generator）等）的共享可能会导致隐私泄露问题。然而，相关技术中却缺乏对隐私泄露问题的检测手段。
[0003]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0004]本专利技术实施例提供了一种数据处理方法、存储介质和电子设备，以至少解决相关技术中缺乏对联邦学习中图相关信息及邻居生成器共享所引发的隐私泄露的检测手段的技术问题。
[0005]根据本专利技术实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：获取虚拟数据，其中，所述虚拟数据由第一客户端通过对第二客户端的反馈信息进行匹配后得到，所述虚拟数据用于重构所述第二客户端的私有节点属性，所述反馈信息为所述第二客户端在联邦学习训练过程中返回的邻居生成器的更新信息，所述第一客户端的角色为联邦学习训练过程中的攻击者，所述第二客户端的角色为联邦学习训练过程中的被攻击者，所述第一客户端与所述第二客户端共享所述邻居生成器；利用所述虚拟数据进行图联邦攻击，重构所述第二客户端的私有节点属性以及所述第一客户端与所述第二客户端之间的连接关系；基于所述私有节点属性和所述连接关系，确定所述第二客户端发生隐私数据泄露。2.根据权利要求1所述的数据处理方法，其特征在于，获取所述虚拟数据包括：获取所述反馈信息；对所述反馈信息进行梯度匹配，得到所述虚拟数据。3.根据权利要求2所述的数据处理方法，其特征在于，对所述反馈信息进行梯度匹配，得到所述虚拟数据包括：基于所述反馈信息确定第一参数、第二参数和第三参数，其中，所述第一参数用于表示所述邻居生成器的合成节点特征向量，所述第二参数用于表示所述邻居生成器的关联参数，所述第三参数用于表示参与联邦学习训练过程的不同客户端之间传输的所述关联参数对应的梯度；利用所述第一参数、所述第二参数和所述第三参数确定目标函数；通过对所述目标函数进行优化，获取所述虚拟数据。4.根据权利要求1所述的数据处理方法，其特征在于，利用所述虚拟数据进行图联邦攻击，重构所述第二客户端的所述私有节点属性以及所述第一客户端与所述第二客户端之间的所述连接关系包括：基于所述虚拟数据进行图联邦攻击，重构所述第二客户端的私有节点属性；获取待应用的映射函数，其中，所述映射函数用于确定所述私有节点属性与所述第二客户端的节点特征表示之间的对应关系；利用所述私有节点属性和所述映射函数，重构所述第一客户端与所述第二客户端之间的连接关系。5.根据权利要求4所述的数据处理方法，其特征在于，利用所述私有节点属性和所述映射函数，重构所述第一客户端与所述第二客户端之间的所述连接关系包括：基于所述映射函数获取所述私有节点属性对应的节点特征表示；利用所述私有节点属性对应的节点特征表示，重构所述第一客户端与所述第二客户端之间的所述连接关系。6.根据权利要求5所述的数据处理方法，其特征在于，利用所述私有节点属性对应的节点特征表示，重构所述第一客户端与所述第二客户端之间的所述连接关系包括：对所述私有节点属性对应的节点特征表示进行采样，得到第一样本和第二样本，其中，所述第一样本是用于训练图训练链接预测模型的正样本，所述第二样本是用于训练所述图训练链接预测模型的负样本；利用所述第一样本和所述第二样本构建边特征；
基于所述边特征训练目标分类器，其中，所述目标分类器用于预测所述第一客户端与所述第二客户端之间存在边链接的概率；按照所述目标分类器的预测结果，重构所述第一客户端与所述第二客户端之间的所述连接关系。7.根据权利要求6所述的数据处理方法，其特征在于，获取所述映射函数包括：在所述第一客户端对应的子图上，对所述图训练链接预测模型进行训练，获取所述映射函数。8.根据权利要求7所述的数据处理方法，其特征在于，所述数据处理方法还包括：对初始预测模型进行随机初始化，得到初始化结果；基于所述初始化结果，采用所述第一样本和所述第二样本对所述初始预测模型进行迭代训练，得到所述图训练链接预测模型。9.根据权利要求1所述的数据处理方法，其特征在于，通过终端设备提供一图形用户界面，所述图形用户...

【专利技术属性】
技术研发人员：姚柳佚，王桢，谢悦湘，李雅亮，陈道源，邝炜瑞，丁博麟，
申请(专利权)人：阿里巴巴中国有限公司，
类型：发明
国别省市：