移动预测方法、装置、终端及存储介质制造方法及图纸

本发明专利技术提供一种移动预测方法、装置、终端及存储介质，涉及数据处理技术领域。本发明专利技术的方法包括获取多个第一训练样本，第一训练样本基于本地存储的用户的历史移动数据生成；根据第二训练样本对第一移动预测模型进行训练，得到第二移动预测模型；第二训练样本为第一训练样本经噪声加扰后的训练样本；第一移动预测模型由服务器基于来自多个终端的、经噪声加扰后的本地模型梯度生成，服务器和多个终端为参与联邦学习的各个参与者；获取待预测的目标时间之前的第一移动数据；将第一移动数据输入至第二移动预测模型，得到预测的目标移动数据。本发明专利技术在移动预测场景下，能够进一步加强对用户隐私数据的保护，防止敏感的位置的信息泄露。防止敏感的位置的信息泄露。防止敏感的位置的信息泄露。

【技术实现步骤摘要】
移动预测方法、装置、终端及存储介质


[0001]本专利技术涉及数据处理
，尤其是涉及一种移动预测方法、装置、终端及存储介质。

技术介绍

[0002]移动预测(Mobility Predicting)准确预测用户未来的移动对于移动通信网络中的许多不同的应用是非常重要的，例如在网络优化的应用中或者设备优化的应用中都至关重要。然而，训练一个准确的移动预测模型需要大量的用户移动轨迹，这些轨迹包含用户的敏感信息，包括他们去过哪些地方和遇到过哪些人。正因如此，如何在实践中应用移动预测模型时保护用户的隐私问题也是一个非常重要的问题。
[0003]现有的移动预测方案主要包括两类，第一类无隐私保护的移动预测方法中，移动预测模型完全没有提供对隐私的任何保护机制，用户的隐私非常容易泄露，存在极大的隐私完全问题。而第二类基于联邦学习的预测方法中，在移动预测模型中简单使用了联邦学习来保护隐私，但模型还存在被隐私威胁攻击成功的风险。

技术实现思路

[0004]本专利技术的目的在于提供一种移动预测方法、装置、终端及存储介质，用以解决现有移动预测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种移动预测方法，其特征在于，包括：获取多个第一训练样本，所述第一训练样本基于本地存储的用户的历史移动数据生成；根据第二训练样本对第一移动预测模型进行训练，得到第二移动预测模型；其中，所述第二训练样本为所述第一训练样本经噪声加扰后的训练样本；所述第一移动预测模型由服务器基于来自多个终端的、经噪声加扰后的本地模型梯度生成，所述服务器和所述多个终端为参与联邦学习的各个参与者；获取待预测的目标时间之前的第一移动数据；将所述第一移动数据输入至所述第二移动预测模型，得到预测的目标移动数据，所述目标移动数据为所述用户在所述目标时间对应的移动数据。2.根据权利要求1所述的方法，其特征在于，所述根据第二训练样本，对第一移动预测模型进行训练，得到第二移动预测模型，包括：获取第一噪声和第二噪声；根据所述第一训练样本和所述第一噪声，获取所述第一移动预测模型；根据所述第一训练样本和所述第二噪声，获取所述第二训练样本；根据第二训练样本对第一移动预测模型进行训练，得到第二移动预测模型。3.根据权利要求2所述的方法，其特征在于，所述获取第一噪声和第二噪声，包括：基于第一预设参数值，确定目标噪声，其中，所述第一预设参数值满足隐私保护要求对应的衡量标准，所述目标噪声为所述第一噪声或所述第二噪声；若所述目标噪声为所述第一噪声，则根据所述第一噪声，确定所述第二噪声，所述第一噪声大于所述第二噪声；若所述目标噪声为所述第二噪声，则根据所述第二噪声，确定所述第一噪声，所述第二噪声大于所述第一噪声。4.根据权利要求2所述的方法，其特征在于，所述获取第一噪声和第二噪声，包括：获取候选噪声集合；从所述候选噪声集合中选取用于数据加扰的第一候选噪声和用于模型加扰的第二候选噪声；将所述第一候选噪声作为所述第一噪声，所述第二候选噪声作为所述第二噪声，其中，所述第一噪声和所述第二噪声使得经训练得到的所述第二移动预测模型的预测性能参数满足预设条件。5.根据权利要求2所述的方法，其特征在于，所述根据所述第一训练样本和所述第一噪声，获取所述第一移动预测模型，包括：将所述第一训练样本输入至初始移动预测模型，得到第一预测结果，所述第一预测结果用于表征用户的未来移动；根据所述第一预测结果，计算得到本地模型梯度；将所述第一噪声叠加于所述本地模型梯度上，得到加扰后的本地模型梯度；基于所述加扰后的本地模型梯度，获取所述第一移动预测模型。6.根据权利要求5所述的方法，其特征在于，所述将所述第一噪声叠加于所述本地模型梯度上，得到加扰后的本地模型梯度，包括：
基于预设剪切阈值对所述本地模型梯度进行裁剪处理，得到裁剪后的本地模型梯度；将所述第一噪声叠加于所述裁剪后的本地模型梯度上，得到加扰后的本地模型梯度。7.根据权利要求5所述的方法，其特征在于，所述基于所述加扰后的本地模型梯度，获取所述第一移动预测模型，包括：将所述加扰后的本地模型梯度发送至所述服务器，以使所述服务器基于来自多个终端的、经噪声加扰后的本地模型梯度聚合生成所述第一移动预测模型；接收所述服务器返回的所述第一移动预测模型。8.根据权利要求1所述的方法，其特征在于，所述根据第二训练样本对第一移动预测模型进行训练，得到第二移动预测模型，包括：将所述第二训练样本输入至所述第一移动预测模型，得到第二预测结果，所述第二预测结果用于表征用户的未来移动；根据所述第二预测结果更新所述本地模型梯度，得到更新后的本地模型梯度；根据所述更新后的本地模型梯度，获取第三移动预测模型，所述第三移动预测模型由所述服务器基于来自所述多个终端的、经更新后的本地模型梯度生成；将所述第三移动预测模型更新为所述第一移动预测模型，并利用用于下一轮模型训练的所述第二训练样本对所述第一移动预测模型进行训练，得到所述第二移动预测模型。9.一种移动预测装置，其特征在于，包括：第一获取模块，用于获取多个第一训练样本，所述第一训练样本基于本地存储的用户的历史移动数据生成；模型训练模块，用于根据第二训练样本对第一移动预测模型进行训练，得到第二移动预测模型；其中，所述第二训练样本为所述第一训练样本经噪声加扰后的训练样本；所述第一移动预测模型由服务器基于来自多个终端的、经噪声加扰后的本地模型梯度生成，所述服务器...

【专利技术属性】
技术研发人员：隆青月，王寰东，王星，朱琳，李勇，冯俊兰，邓超，
申请(专利权)人：中国移动通信有限公司研究院中国移动通信集团有限公司，
类型：发明
国别省市：