基于多方安全计算的业务模型训练系统以及方法技术方案

本说明书实施例提供基于多方安全计算的业务模型训练系统及方法，其中所述基于多方安全计算的业务模型训练系统包括：特征提供端，被配置为基于本地密文模型对本地业务特征进行处理，获得密文预测结果，并发送至标签提供端；所述标签提供端，被配置为接收所述密文预测结果，根据所述密文预测结果确定中间特征，基于所述中间特征和本地关联特征构建样本特征，并根据所述样本特征和本地样本标签组成业务样本集，利用所述业务样本集对业务模型进行训练，直至获得满足训练停止条件的目标业务模型。型。型。

【技术实现步骤摘要】
基于多方安全计算的业务模型训练系统以及方法


[0001]本说明书实施例涉及人工智能
，特别涉及基于多方安全计算的业务模型训练系统以及方法。

技术介绍

[0002]随着互联网技术的发展，数据已经逐渐成为各个业务方的核心资产。尤其是在线上业务发展迅速的当下，无论是授信、风控，还是推荐、营销，都离不开数据。而数据的质量和数量是影响机器学习模型效果最重要的两个因素，通常情况下，一个机器学习系统包括离线训练和在线预测两个子系统，无论是离线训练还是在线预测阶段，都需要大量的算术运算。因此，在业务方持有的数据单一、质量或者数量存在缺陷时，为了能够提高机器学习模型的预测精度，通常会采用多方安全计算的方法实现。但是，参与运算的多方需要始终在线同步运算，通信量巨大，同时数据加密的安全性也存在被破解的风险，因此亟需一种有效的方案以解决上述问题。

技术实现思路

[0003]有鉴于此，本说明书实施例提供了一种基于多方安全计算的业务模型训练系统。本说明书一个或者多个实施例同时涉及一种基于多方安全计算的业务处理系统，一种基于多方安全计算的业务模型训练方法，一种基于多方安全计算的业务处理方法，一种计算设备，一种计算机可读存储介质以及一种计算机程序，以解决现有技术中存在的技术缺陷。
[0004]根据本说明书实施例的第一方面，提供了一种基于多方安全计算的业务模型训练系统，包括：
[0005]特征提供端，被配置为基于本地密文模型对本地业务特征进行处理，获得密文预测结果，并发送至标签提供端；
[0006]所述标签提供端，被配置为接收所述密文预测结果，根据所述密文预测结果确定中间特征，基于所述中间特征和本地关联特征构建样本特征，并根据所述样本特征和本地样本标签组成业务样本集，利用所述业务样本集对业务模型进行训练，直至获得满足训练停止条件的目标业务模型。
[0007]根据本说明书实施例的第二方面，提供了一种基于多方安全计算的业务处理系统，包括：
[0008]标签提供端，被配置为获取业务预测信息，根据所述业务预测信息创建业务预测请求，并发送至特征提供端；
[0009]所述特征提供端，被配置为响应于所述业务预测请求读取目标业务特征，利用本地密文模型对所述目标业务特征进行处理，获得目标密文预测结果，并发送至所述标签提供端；
[0010]所述标签提供端，还被配置为接收所述目标密文预测结果，根据所述目标密文预测结果确定目标中间特征，基于所述目标中间特征和目标本地关联特征构建目标特征，将
所述目标特征输入至上述系统中的目标业务模型进行处理，获得业务预测结果。
[0011]根据本说明书实施例的第三方面，提供了一种基于多方安全计算的业务模型训练方法，包括：
[0012]基于本地密文模型对本地业务特征进行处理，获得密文预测结果；
[0013]根据所述密文预测结果确定中间特征，基于所述中间特征和本地关联特征构建样本特征，并根据所述样本特征和本地样本标签组成业务样本集，利用所述业务样本集对业务模型进行训练，直至获得满足训练停止条件的目标业务模型。
[0014]根据本说明书实施例的第四方面，提供了一种基于多方安全计算的业务处理方法，包括：
[0015]获取业务预测信息，根据所述业务预测信息创建业务预测请求；
[0016]响应于所述业务预测请求读取目标业务特征，利用本地密文模型对所述目标业务特征进行处理，获得目标密文预测结果；
[0017]根据所述目标密文预测结果确定目标中间特征，基于所述目标中间特征和目标本地关联特征构建目标特征，将所述目标特征输入至上述方法中的目标业务模型进行处理，获得业务预测结果。
[0018]根据本说明书实施例的第五方面，提供了一种计算设备，包括：
[0019]存储器和处理器；
[0020]所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令时实现任上述基于多方安全计算的业务模型训练方法或者基于多方安全计算的业务处理方法的步骤。
[0021]根据本说明书实施例的第六方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现上述基于多方安全计算的业务模型训练方法或者基于多方安全计算的业务处理方法的步骤。
[0022]根据本说明书实施例的第七方面，提供了一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行上述基于多方安全计算的业务模型训练方法或者基于多方安全计算的业务处理方法的步骤。
[0023]本说明书提供的基于多方安全计算的业务模型训练系统，为了在减少通信量的前提下完成模型训练，特征提供端可以基于本地密文模型对本地业务特征进行处理，获得密文预测结果后发送到标签提供端，标签提供端可以根据密文预测结果确定中间特征，实现在不向标签提供端公开数据的前提下，供标签提供端可以利用中间特征进行模型训练。进一步的，标签提供端可以根据中间特征和其关联的本地关联特征构建样本特征，之后再利用本地样本标签结合样本特征组成业务样本集，使用业务样本集对业务模型进行训练，即可获得满足业务场景的目标业务模型。实现此过程中，由特征提供端使用本地密文模型，标签提供端结合其他端的密文预测结果构建样本集的方式，仅通过少量的通信完成对业务模型训练，有效的减少了通信量，同时保证各端的数据安全性，使得训练出的目标业务模型可以满足业务场景的使用。
附图说明
[0024]图1是本说明书一个实施例提供的一种基于多方安全计算的业务模型训练系统的
结构示意图；
[0025]图2是本说明书一个实施例提供的一种基于多方安全计算的业务模型训练系统中模型训练和模型预测的示意图；
[0026]图3是本说明书一个实施例提供的一种基于多方安全计算的业务处理系统的结构示意图；
[0027]图4是本说明书一个实施例提供的一种基于多方安全计算的业务处理系统的示意图；
[0028]图5是本说明书一个实施例提供的一种基于多方安全计算的业务模型训练方法的流程图；
[0029]图6是本说明书一个实施例提供的一种基于多方安全计算的业务处理方法的流程图；
[0030]图7是本说明书一个实施例提供的一种计算设备的结构框图。
具体实施方式
[0031]在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本说明书内涵的情况下做类似推广，因此本说明书不受下面公开的具体实施的限制。
[0032]在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多方安全计算的业务模型训练系统，包括：特征提供端，被配置为基于本地密文模型对本地业务特征进行处理，获得密文预测结果，并发送至标签提供端；所述标签提供端，被配置为接收所述密文预测结果，根据所述密文预测结果确定中间特征，基于所述中间特征和本地关联特征构建样本特征，并根据所述样本特征和本地样本标签组成业务样本集，利用所述业务样本集对业务模型进行训练，直至获得满足训练停止条件的目标业务模型。2.根据权利要求1所述的系统，所述标签提供端，还被配置为通过对初始业务特征进行同态加密处理，获得加密业务特征，并发送至所述特征提供端；所述特征提供端，还被配置为接收所述加密业务特征，根据所述加密业务特征和本地样本特征构建密文样本集，利用所述密文样本集对初始本地密文模型进行训练，获得所述本地密文模型；其中，所述本地密文模型的模型参数为加密状态。3.根据权利要求1所述的系统，所述标签提供端，进一步被配置为接收所述密文预测结果，对所述密文预测结果进行解密处理，获得所述中间特征，读取所述本地关联特征，将所述中间特征和所述本地关联特征进行整合，获得所述样本特征。4.根据权利要求3所述的系统，所述标签提供端，进一步被配置为确定所述中间特征对应的特征标识信息，以及所述本地关联特征对应的关联特征标识信息，根据所述特征标识信息和所述关联特征标识信息，建立特征关联关系，按照所述特征关联关系对所述中间特征和所述本地关联特征进行整合，获得所述样本特征。5.根据权利要求1所述的系统，所述标签提供端，进一步被配置为将所述业务样本集中的所述样本特征输入至所述业务模型进行处理，获得样本预测信息，根据所述样本预测信息和所述业务样本集中的所述本地样本标签，对所述业务模型进行调参，直至调参结果满足所述训练停止条件，获得所述目标业务模型。6.根据权利要求1
‑
5任一项所述的系统，所述标签提供端，还被配置为向所述特征提供端广播所述目标业务模型；或者，利用本地标签密钥对所述目标业务模型的模型参数进行同态加密处理，获得目标业务密文模型，将所述目标业务密文模型存储至目标位置，并向所述特征提供端广播所述目标位置。7.根据权利要求1所述的系统，所述特征提供端，还被配置为通过执行与所述标签提供端关联的建模协议创建所述本地密文模型；所述标签提供端，还被配置为通过执行与所述特征提供端关联的建模协议创建所述业务模型。8.根据权利要求7所述的系统，所述特征提供端...

【专利技术属性】
技术研发人员：张祺智，李漓春，殷山，
申请(专利权)人：蚂蚁区块链科技上海有限公司，
类型：发明
国别省市：