【技术实现步骤摘要】
模型训练方法、推理方法、装置、系统、设备及存储介质
[0001]本申请涉及但不限于深度学习
,尤其涉及一种模型训练方法、推理方法、装置、系统、设备及存储介质。
技术介绍
[0002]深度学习是当前比较流行的机器学习范式。深度学习模型已应用于大量生产性机器学习系统中。
[0003]深度学习模型的训练与部署通常有如下过程:数据采集;数据存储与预处理;模型训练;模型优化与部署准备;针对部署平台的模型部署。深度学习的模型训练和推理过程中会面临数据被盗取的风险。另外,训练得到的模型参数数据在部署平台上也会面临模型盗取的风险。因此目前的深度学习数据平台面临较多数据风险。
[0004]传统对称加密技术只能对训练推理数据以及模型参数数据进行加密,由于通过对通信过程和存储系统进行加密,不能保证模型训练、模型推理、模型优化等涉及到数据计算的过程中数据的安全性。
技术实现思路
[0005]有鉴于此,本申请实施例至少提供一种模型训练方法、推理方法、装置、系统、设备及存储介质。
[0006]本申请实施例的技术方案是这样实现的:第一方面,本申请实施例提供一种模型训练方法,所述方法包括:获取密文训练数据;其中,所述密文训练数据是对采集的明文数据进行同态加密处理后得到的;利用所述密文训练数据进行模型训练,以得到目标学习模型的第一组模型参数;基于所述第一组模型参数将所述目标学习模型部署到模型部署平台。
[0007]第二方面,本申请实施例提供一种模型推理方法,所述方法包括:接收用户的推理请求;其中, ...
【技术保护点】
【技术特征摘要】
1.一种模型训练方法,其特征在于,所述方法包括:获取密文训练数据;其中,所述密文训练数据是对采集的明文数据进行同态加密处理后得到的;利用所述密文训练数据进行模型训练,以得到目标学习模型的第一组模型参数;基于所述第一组模型参数将所述目标学习模型部署到模型部署平台。2.根据权利要求1所述的方法,其特征在于,所述密文训练数据是利用生成的第一公钥对所述采集的明文数据加密得到的;所述利用所述密文训练数据进行模型训练,以得到目标学习模型的第一组模型参数,包括:通过第一神经网络对所述密文训练数据进行逐层处理,得到对所述密文训练数据的预测结果;其中,所述第一神经网络中至少一层的模型参数为利用所述第一公钥进行加密的密文参数;根据所述密文训练数据的预测结果和所述密文训练数据的初始标签,确定学习损失;利用所述学习损失更新所述第一神经网络中每一层的模型参数;在满足预设训练停止条件的情况下,得到所述目标学习模型的第一组模型参数。3.根据权利要求2所述的方法,其特征在于,所述第一神经网络包括N层网络;所述N层网络中第i层的输入数据为对第i
‑
1层输出的中间结果加密得到的;其中,i为2至N中任一自然数;所述根据所述密文训练数据的预测结果和所述密文训练数据的初始标签,确定学习损失,包括:利用所述第一公钥对所述密文训练数据的初始标签进行N次加密,得到目标标签;根据所述密文训练数据的预测结果和所述目标标签,确定所述学习损失。4.根据权利要求3所述的方法,其特征在于,所述通过第一神经网络对所述密文训练数据进行逐层处理,得到对所述密文训练数据的预测结果,包括:在所述N层网络中第1层对所述密文训练数据进行处理,得到所述第1层输出的中间结果;利用所述第一公钥对所述N层网络中第i层的模型参数进行i次加密,得到第i密文参数;利用所述第一公钥对所述N层网络中第i
‑
1层输出的中间结果进行加密,得到所述第i
‑
1层的密文结果;根据所述第i密文参数和所述第i
‑
1层的密文结果,确定所述第i层输出的中间结果;在逐层迭代至i为N的情况下,将第N层的中间结果作为所述密文训练数据的预测结果。5.根据权利要求4所述的方法,其特征在于,所述利用所述学习损失更新所述第一神经网络中每一层的模型参数,包括:确定所述学习损失对于所述第一神经网络中每一层的模型参数的梯度值;根据所述每一层的模型参数的梯度值对同一层的模型参数进行参数更新。6.根据权利要求5所述的方法,其特征在于,所述确定所述学习损失对于所述第一神经网络中每一层的模型参数的梯度值,包括:根据所述第i层的输出数据的偏导和所述第i密文参数,确定所述第i层的输入偏导结果;其中,所述第N层的输出数据的偏导为所述学习损失的导数;
利用所述第一公钥对对应的第一私钥进行加密,得到私钥密文;利用所述私钥密文对所述第i层的输入偏导结果进行解密,得到第i
‑
1层的输出数据的偏导;根据所述第i
‑
1层的输出数据的偏导和第i
‑
2层的密文结果,确定所述第i
‑
1层的模型参数的梯度值。7.根据权利要求2至6任一项所述的方法,其特征在于,所述利...
【专利技术属性】
技术研发人员:请求不公布姓名,
申请(专利权)人:摩尔线程智能科技北京有限责任公司,
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。