【技术实现步骤摘要】
本专利技术涉及机器学习领域，特别涉及应用于智慧医疗的联邦机器学习方法，装置、设备及介质。
技术介绍
1、联邦机器学习是一个机器学习框架，能有效帮助多个机构在满足用户隐私保护、数据安全和政府法规的要求下，进行数据使用和机器学习建模。受限于法律法规、政策监管、商业机密、个人隐私等数据隐私安全上的约束，多个数据来源方无法直接交换数据，形成“数据孤岛”现象，制约着人工智能模型能力的进一步提高。联邦学习的诞生即是为了解决这一问题。但是多方联合训练模型不可避免地导致计算效率的弱化，因此对其进行优化从而提升效率非常有必要。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种应用于智慧医疗的联邦机器学习方法，装置、设备及介质，能够对两方联邦学习中所用到的leakyrelu算子进行优化，使得训练效率大大提升。其具体方案如下：
2、第一方面，本申请公开了一种应用于智慧医疗的联邦机器学习方法，包括：
3、获取第一参与方对应的第一医疗相关输入数据分解后的第一医疗相关分解数据以及第二参与方对应的第二医疗相关输入数据分解后的第二医疗相关分解数据；所述第一参与方和所述第二参与方均为联邦机器学习的参与方；
4、调用优化后的百万富翁协议基于第一目标医疗相关输入数据以及第二目标医疗相关输入数据获取相应的第一医疗相关输出数据和第二医疗相关输出数据，以便于所述第一参与方与所述第二参与方基于自身的医疗相关分解数据以及相应的医疗相关输出数据分别获取第一计算结果以及第二计算结果；>
5、调用目标乘法协议基于所述第一计算结果、所述第二计算结果、所述第一医疗相关输入数据以及所述第二医疗相关输入数据获取目标计算结果；
6、基于所述目标计算结果分别确定所述第一参与方对应的第一算子函数值的加法分片以及所述第二参与方对应的第二算子函数值的加法分片，以基于所述第一算子函数值的加法分片和所述第二算子函数值的加法分片进行联邦学习。
7、可选的，所述优化后的百万富翁协议为在对函数进行大小对比时，对前预设目标位对应的数值进行对比，并基于相应的对比结果确定最终计算结果的协议。
8、可选的，所述第一计算结果和所述第二计算结果之间的关系为：所述第一计算结果异或所述第二计算结果＝1{所述第一目标医疗相关输入数据<所述第二目标医疗相关输入数据}，其中，1{所述第一目标医疗相关输入数据<所述第二目标医疗相关输入数据}表征为若所述第一目标医疗相关输入数据小于所述第二目标医疗相关输入数据，则1{所述第一目标医疗相关输入数据<所述第二目标医疗相关输入数据}＝1，若所述第一目标医疗相关输入数据大于或等于所述第二目标医疗相关输入数据，则1{所述第一目标医疗相关输入数据<所述第二目标医疗相关输入数据}＝0。
9、可选的，所述调用目标乘法协议基于所述第一计算结果、所述第二计算结果、所述第一医疗相关输入数据以及所述第二医疗相关输入数据获取目标计算结果之前，还包括：
10、基于第一目标转换协议将所述第一医疗相关输入数据以及所述第二医疗相关输入数据转换为布尔分片格式的医疗相关输入数据。
11、可选的，所述调用目标乘法协议基于所述第一计算结果、所述第二计算结果、所述第一医疗相关输入数据以及所述第二医疗相关输入数据获取目标计算结果，包括：
12、调用所述目标乘法协议基于所述第一计算结果、所述第二计算结果以及所述布尔分片格式的医疗相关输入数据获取目标计算结果。
13、可选的，所述基于所述目标计算结果分别确定所述第一参与方对应的第一算子函数值的加法分片以及所述第二参与方对应的第二算子函数值的加法分片之前，还包括：
14、基于第二目标转换协议将所述目标计算结果转换为算术电路中的加法分片格式对应的计算结果。
15、可选的，所述基于所述目标计算结果分别确定所述第一参与方对应的第一算子函数值的加法分片以及所述第二参与方对应的第二算子函数值的加法分片，包括：
16、基于所述算术电路中的加法分片格式对应的计算结果以及所述第一医疗相关输入数据确定所述第一参与方对应的第一算子函数值的加法分片；
17、基于所述算术电路中的加法分片格式对应的计算结果以及所述第二医疗相关输入数据确定所述第二参与方对应的第二算子函数值的加法分片。
18、第二方面，本申请公开了一种应用于智慧医疗的联邦机器学习装置，包括：
19、分解数据获取模块，用于获取第一参与方对应的第一医疗相关输入数据分解后的第一医疗相关分解数据以及第二参与方对应的第二医疗相关输入数据分解后的第二医疗相关分解数据；所述第一参与方和所述第二参与方均为联邦机器学习的参与方；
20、计算结果获取模块，用于调用优化后的百万富翁协议基于第一目标医疗相关输入数据以及第二目标医疗相关输入数据获取相应的第一医疗相关输出数据和第二医疗相关输出数据，以便于所述第一参与方与所述第二参与方基于自身的医疗相关分解数据以及相应的医疗相关输出数据分别获取第一计算结果以及第二计算结果；
21、目标计算结果获取模块，用于调用目标乘法协议基于所述第一计算结果、所述第二计算结果、所述第一医疗相关输入数据以及所述第二医疗相关输入数据获取目标计算结果；
22、加法分片获取模块，用于基于所述目标计算结果分别确定所述第一参与方对应的第一算子函数值的加法分片以及所述第二参与方对应的第二算子函数值的加法分片，以基于所述第一算子函数值的加法分片和所述第二算子函数值的加法分片进行联邦学习。
23、第三方面，本申请公开了一种电子设备，包括：
24、存储器，用于保存计算机程序；
25、处理器，用于执行所述计算机程序以实现前述的应用于智慧医疗的联邦机器学习方法。
26、第四方面，本申请公开了一种计算机可读存储介质，用于保存计算机程序，所述计算机程序被处理器执行时实现前述的应用于智慧医疗的联邦机器学习方法。
27、可见，本申请在进行联邦机器学习时，首先获取第一参与方对应的第一医疗相关输入数据分解后的第一医疗相关分解数据以及第二参与方对应的第二医疗相关输入数据分解后的第二医疗相关分解数据；所述第一参与方和所述第二参与方均为联邦机器学习的参与方；调用优化后的百万富翁协议基于第一目标医疗相关输入数据以及第二目标医疗相关输入数据获取相应的第一医疗相关输出数据和第二医疗相关输出数据，以便于所述第一参与方与所述第二参与方基于自身的医疗相关分解数据以及相应的医疗相关输出数据分别获取第一计算结果以及第二计算结果；调用目标乘法协议基于所述第一计算结果、所述第二计算结果、所述第一医疗相关输入数据以及所述第二医疗相关输入数据获取目标计算结果；基于所述目标计算结果分别确定所述第一参与方对应的第一算子函数值的加法分片以及所述第二参与方对应的第二算子函数值的加法分片，以基于所述第一算子函数值的加法分片和所述第二算子函数值的加法分片进行联邦学习。这样本文档来自技高网...
【技术保护点】
1.一种应用于智慧医疗的联邦机器学习方法，其特征在于，包括：
2.根据权利要求1所述的应用于智慧医疗的联邦机器学习方法，其特征在于，所述优化后的百万富翁协议为在对函数进行大小对比时，对前预设目标位对应的数值进行对比，并基于相应的对比结果确定最终计算结果的协议。
3.根据权利要求1所述的应用于智慧医疗的联邦机器学习方法，其特征在于，所述第一计算结果和所述第二计算结果之间的关系为：所述第一计算结果异或所述第二计算结果＝1{所述第一目标医疗相关输入数据<所述第二目标医疗相关输入数据}，其中，1{所述第一目标医疗相关输入数据<所述第二目标医疗相关输入数据}表征为若所述第一目标医疗相关输入数据小于所述第二目标医疗相关输入数据，则1{所述第一目标医疗相关输入数据<所述第二目标医疗相关输入数据}＝1，若所述第一目标医疗相关输入数据大于或等于所述第二目标医疗相关输入数据，则1{所述第一目标医疗相关输入数据<所述第二目标医疗相关输入数据}＝0。
4.根据权利要求1所述的应用于智慧医疗的联邦机器学习方法，其特征在于，所述调用目标乘法协议基于
5.根据权利要求4所述的应用于智慧医疗的联邦机器学习方法，其特征在于，所述调用目标乘法协议基于所述第一计算结果、所述第二计算结果、所述第一医疗相关输入数据以及所述第二医疗相关输入数据获取目标计算结果，包括：
6.根据权利要求1至5任一项所述的应用于智慧医疗的联邦机器学习方法，其特征在于，所述基于所述目标计算结果分别确定所述第一参与方对应的第一算子函数值的加法分片以及所述第二参与方对应的第二算子函数值的加法分片之前，还包括：
7.根据权利要求6所述的应用于智慧医疗的联邦机器学习方法，其特征在于，所述基于所述目标计算结果分别确定所述第一参与方对应的第一算子函数值的加法分片以及所述第二参与方对应的第二算子函数值的加法分片，包括：
8.一种应用于智慧医疗的联邦机器学习装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的应用于智慧医疗的联邦机器学习方法的步骤。
...【技术特征摘要】
1.一种应用于智慧医疗的联邦机器学习方法，其特征在于，包括：
2.根据权利要求1所述的应用于智慧医疗的联邦机器学习方法，其特征在于，所述优化后的百万富翁协议为在对函数进行大小对比时，对前预设目标位对应的数值进行对比，并基于相应的对比结果确定最终计算结果的协议。
3.根据权利要求1所述的应用于智慧医疗的联邦机器学习方法，其特征在于，所述第一计算结果和所述第二计算结果之间的关系为：所述第一计算结果异或所述第二计算结果＝1{所述第一目标医疗相关输入数据<所述第二目标医疗相关输入数据}，其中，1{所述第一目标医疗相关输入数据<所述第二目标医疗相关输入数据}表征为若所述第一目标医疗相关输入数据小于所述第二目标医疗相关输入数据，则1{所述第一目标医疗相关输入数据<所述第二目标医疗相关输入数据}＝1，若所述第一目标医疗相关输入数据大于或等于所述第二目标医疗相关输入数据，则1{所述第一目标医疗相关输入数据<所述第二目标医疗相关输入数据}＝0。
4.根据权利要求1所述的应用于智慧医疗的联邦机器学习方法，其特征在于，所述调用目标乘法协议基于所述第一计算结果、所述第二计算结果、所述第一医疗相...
【专利技术属性】
技术研发人员：程一帆，裴阳，于昇，陈邦道，
申请(专利权)人：云海链控股股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。