一种基于树模型的联合预测方法和系统技术方案

本说明书实施例提供一种基于树模型的联合预测方法及装置，该方法包括获取待预测对象的特征信息；获取可能到达的第一叶子节点以及可能到达的第二叶子节点；基于加密算法得到第一叶子节点加密列表和第二叶子节点加密列表；然后，将第一叶子节点加密列表和第二叶子节点加密列表进行再次加密，得到至少经过两次加密的目标叶子节点的值；基于第一加密算法将至少经过两次加密的目标叶子节点的值进行解密；然后，将解密结果发送给第二参与方。该方法采用密文传输，可以保护决策树模型隐私。

A joint prediction method and system based on tree model

【技术实现步骤摘要】
一种基于树模型的联合预测方法和系统
本说明书一个或多个实施例涉及信息安全领域，特别涉及一种基于树模型的联合预测方法和系统。
技术介绍
树模型是一种基于统计的机器学习算法，该算法训练得到的模型是一种树形结构，树的内部节点定义了特征项以及其对应的划分阈值，树的叶子节点定义了最终预测的结果。安全多方计算(SecureMulti-PartyComputation)，是一种保护数据安全隐私的多方计算方法。安全多方计算允许多个持有各自私有数据的参与方，共同执行一个计算逻辑，并获得计算结果，参与过程中，每一方均不会泄漏各自的私有数据。将安全多方计算引入树模型中可以实现隐私保护下的多方联合建模，建模完成后，每方只拥有模型的一部分信息，从而需要进行联合预测。
技术实现思路
本说明书实施例之一提供一种基于决策树模型的联合预测方法。所述基于决策树模型的联合预测方法由联合预测参与方中的第一参与方执行；联合预测参与方包括第一参与方及一个或多个第二参与方，各参与方具有相同的树模型以及树模型中部分决策节点信息，仅第一参与方具有叶子节点值；所述方法包括：获取待预测对象的特征信息；基于待预测对象的特征信息以及所述树模型获取可能到达的第一叶子节点；基于第一加密算法对所述第一叶子节点的标识及值分别加密得到第一叶子节点加密列表；将第一叶子节点加密列表发送给其他参与方进行再次加密；获取至少经过两次加密的目标叶子节点的值；所述目标叶子节点为各参与方可能到达的叶子节点的交集；基于第一加密算法将至少经过两次加密的目标叶子节点的值进行解密；将解密结果发送给第二参与方；所述第一加密算法与其他各方相应的加密算法满足交换性。在本说明书实施例之一提供一种基于决策树模型的联合预测系统。该系统包括：第一获取模块，用于获取待预测对象的特征信息；第一处理模块，用于基于待预测对象的特征信息以及所述树模型获取可能到达的第一叶子节点；第一加密模块，用于基于第一加密算法对所述第一叶子节点的标识及值分别加密得到第一叶子节点加密列表；第一发送模块，用于将第一叶子节点加密列表发送给其他参与方进行再次加密；第一目标节点值获取模块，用于获取至少经过两次加密的目标叶子节点的值；所述目标叶子节点为各参与方可能到达的叶子节点的交集；第一解密模块，用于基于第一加密算法将至少经过两次加密的目标叶子节点的值进行解密；第一发送模块，用于将解密结果发送给第二参与方。在本说明书实施例之一提供一种基于决策树模型的联合预测装置，包括处理器及存储介质，所述存储介质用于存储计算机指令，所述处理器用于执行计算机指令以实现如本说明书任一实施例所述的方法。在本说明书实施例之一提供一种计算机可读存储介质，所述存储介质存储有计算机指令，当所述计算机指令被处理器执行后，能够实现如如本说明书任一实施例所述的方法。在本说明书实施例之一提供一种基于决策树模型的联合预测方法，所述方法由联合预测参与方中的任一第二参与方执行；联合预测参与方包括第一参与方及一个或多个第二参与方，各参与方具有相同的树模型以及树模型中部分决策节点信息，仅第一参与方具有叶子节点值；所述方法包括：获取待预测对象的特征信息；基于待预测对象的特征信息以及所述树模型获取可能到达的第二叶子节点；基于第二加密算法对所述第二叶子节点的标识加密得到第二叶子节点加密列表；将第二叶子节点加密列表发送给其他参与方进行再次加密；所述第二加密算法与其他参与方相应的加密算法满足交换性。在本说明书实施例之一提供一种基于决策树模型的联合预测装置，包括处理器及存储介质，所述存储介质用于存储计算机指令，所述处理器用于执行计算机指令以实现如本说明书任一实施例所述的方法。在本说明书实施例之一提供一种计算机可读存储介质，所述存储介质存储有计算机指令，当所述计算机指令被处理器执行后，能够实现如如本说明书任一实施例所述的方法。附图说明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：图1是根据一些实施例所示的联合预测系统的应用场景示意图。图2是机构A的预测流程示意图。图3是机构B的预测流程示意图。图4是根据本说明书的一些实施例所示的数据交互流程示意图。图5A是根据本说明书的一些实施例所示的基于各参与方依次加密的第一叶子节点与第二叶子节点确定目标叶子节点的流程示意图。图5B是根据本说明书的一些实施例所示的第二参与方解密目标叶子节点值的流程示意图。图6根据本说明书的一些实施例所示的第一参与方侧的示例性系统框图。图7根据本说明书的一些实施例所示的第二参与方侧的示例性系统框图。具体实施方式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。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。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。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。图1是根据一些实施例所示的联合预测系统的应用场景示意图。本说明书提供的联合预测系统可以应用于基于互联网的各种服务平台或查询机构，例如，信息查询服务、信息预测服务、保险服务、借贷服务、资金往来服务。在一些实施例中，联合预测系统可以包括多个联合预测参与方，联合预测参与方可以包括第一参与方及一个或多个第二参与方。在一些实施例中，各参与方可以拥有本地模型，所述本地模型可以对应一个完整预测模型的部分。例如，各本地模型对应线性回归模型的部分参数。又例如，各本地模型对应神经网络模型的部分层。再例如，各参与方具有相同的树模型，但是各参与方的本地模型只拥有该树模型中部分决策节点信息。在一些实施例中，决策节点信息可以包括决策节点对应的特征项以及针对该特征项的特征值的分割阈值。如图1所示，在一些实施例中，联合预测系统100可以包括参与方110、网络120，其中，参与方110的数量可以为多个。在一些实施例中，联合预测系统100还可以包括查询本文档来自技高网...

【技术保护点】
1.一种基于树模型的联合预测方法，其中，所述方法由联合预测参与方中的第一参与方执行；联合预测参与方包括第一参与方及一个或多个第二参与方，各参与方具有相同的树模型以及树模型中部分决策节点信息，仅第一参与方具有叶子节点值；所述方法包括：/n获取待预测对象的特征信息；/n基于待预测对象的特征信息以及所述树模型获取可能到达的第一叶子节点；/n基于第一加密算法对所述第一叶子节点的标识及值分别加密得到第一叶子节点加密列表；/n将第一叶子节点加密列表发送给其他参与方进行再次加密；/n获取至少经过两次加密的目标叶子节点的值；所述目标叶子节点为各参与方可能到达的叶子节点的交集；/n基于第一加密算法将至少经过两次加密的目标叶子节点的值进行解密；/n将解密结果发送给第二参与方；/n所述第一加密算法与其他各方相应的加密算法满足交换性。/n

【技术特征摘要】
1.一种基于树模型的联合预测方法，其中，所述方法由联合预测参与方中的第一参与方执行；联合预测参与方包括第一参与方及一个或多个第二参与方，各参与方具有相同的树模型以及树模型中部分决策节点信息，仅第一参与方具有叶子节点值；所述方法包括：
获取待预测对象的特征信息；
基于待预测对象的特征信息以及所述树模型获取可能到达的第一叶子节点；
基于第一加密算法对所述第一叶子节点的标识及值分别加密得到第一叶子节点加密列表；
将第一叶子节点加密列表发送给其他参与方进行再次加密；
获取至少经过两次加密的目标叶子节点的值；所述目标叶子节点为各参与方可能到达的叶子节点的交集；
基于第一加密算法将至少经过两次加密的目标叶子节点的值进行解密；
将解密结果发送给第二参与方；
所述第一加密算法与其他各方相应的加密算法满足交换性。


2.如权利要求1所述的方法，其中，所述获取至少经过两次加密的目标叶子节点的值，包括：
接收来自第二参与方的至少经过两次加密的目标叶子节点的值。


3.如权利要求1所述的方法，其中，所述获取至少经过两次加密的目标叶子节点的值，包括：
获得其他参与方返回的基于其他各方加密算法再次加密的第一叶子节点标识及值；
获取来自其他参与方的叶子节点加密列表，其中所述叶子节点加密列表包括基于其他各方加密算法对其他各方的第二叶子节点标识的加密结果；
基于第一加密算法对所述第二叶子节点标识的加密结果再次加密，得到再次加密的第二叶子节点标识；
将所述再次加密的第一叶子节点标识与所述再次加密的第二叶子节点标识求交集，得到目标叶子节点标识的再次加密结果及其对应的值。


4.如权利要求3所述的方法，其中，其他参与方返回的基于其他各方加密算法再次加密的第一叶子节点标识及值的顺序被随机打乱。


5.一种基于决策树模型的联合预测系统，包括：
第一获取模块，用于获取待预测对象的特征信息；
第一处理模块，用于基于待预测对象的特征信息以及所述树模型获取可能到达的第一叶子节点；
第一加密模块，用于基于第一加密算法对所述第一叶子节点的标识及值分别加密得到第一叶子节点加密列表；
第一发送模块，用于将第一叶子节点加密列表发送给其他参与方进行再次加密；
第一目标节点值获取模块，用于获取至少经过两次加密的目标叶子节点的值；所述目标叶子节点为各参与方可能到达的叶子节点的交集；
第一解密模块，用于基于第一加密算法将至少经过两次加密的目标叶子节点的值进行解密；
所述第一发送模块还用于将解密结果发送给第二参与方。


6.根据权利要求5所述的系统，所述第一目标节点值获取模块还用于：
接收来自第二参与方的至少经过两次加密的目标叶子节点的值。


7.根据权利要求5所述的系统，所述第一目标节点值获取模块还用于：
获得其他参与方返回的基于其他各方加密算法再次加密的第一叶子节点标识及值；
获取来自其他参与方的叶子节点加密列表，其中所述叶子节点加密列表包括基于其他各方加密算法对其他各方的第二叶子节点标识的加密结果；
基于第一加密算法对所述第二叶子节点标识的加密结果再次加密，得到再次加密的第二叶子节点标识；
将所述再次加密的第一叶子节点标识与所述再次加密的第二叶子节点标识求交集，得到目标叶子节点标识的再次加密结果及其对应的值。


8.如权利要求7所述的系统，其中，其他参与方返回的基于其他各方加密算法再次加密的第一叶子节点标识及值的顺序被随机打乱。


9.一种基于决策树模型的联合预测装置，包括处理器及存储介质，所述存储介质用于存储计算机指令，所述处理器用于执行计算机指令以实现如权利要求1～4任一项所述的基于决策树模型的联合预测方法。


10.一种计算机可读存储介质，所述存储介质存储有计算机指令，当所述计算机指令被处理器执行后，能够实现如权利要求1～4任一项所述的基于决策树模型的联合预测方法。


11.一种基于决策树模型的联合预测方法，其中，所述方法由联合预测参与方中的任一第二参与方执行；联合预测参与方包括第一参与方及一个或多个第二参与方，各参与方具有相同的树模型以及树模型中部分决策节点信息，仅第一参与方具有叶子节点值；所述方法包括：
获取待预测对象的特征信息；
基于待预测对象的特征信息以及所述树模型获取可能到达的第二叶子节点；
基于第二加密算法对所述第二叶子节点的标识加密得到第二叶子节点加密列表；
将第二叶子节点加密列表发送给其他参与方进行再次加密；
所述第二加密算法与其他参与方相应的加密算法满足交换性。


12.如权利要求11所述的方法，其中，所述方法还包括：
获取来自第一参与方或其他第二参与...

【专利技术属性】
技术研发人员：陆宇飞，王磊，
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：浙江;33