【技术实现步骤摘要】
本专利技术涉及隐私计算领域，具体而言，涉及一种基于联邦学习的业务处理方法及电子设备。
技术介绍
1、逻辑回归是金融行业进行业务处理过程中使用最多的机器学习算法之一，由于逻辑回归本质上是一种线性模型，无法学习到特征的非线性规律，因此常进行特征组合提高非线性能力，提升模型的表达能力。当特征都处于同一方时，组合特征可以通过明文计算得到并当作新的常规特征，但是相关技术中在进行业务处理时，当组合特征的子特征属于不同机构时，仍然采用相关技术中的明文方式进行业务计算或存储，但是该方式容易造成数据泄漏，安全性较低。
2、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本专利技术实施例提供了一种基于联邦学习的业务处理方法及电子设备，以至少解决相关技术中基于多方数据合作进行业务预测，造成的业务预测准确性低且安全性差的技术问题。
2、根据本专利技术实施例的一个方面，提供了一种基于联邦学习的业务处理方法，包括：基于第一特征数据，第一特征数据对应的第一权重，第一分片特征，第一分片特征对应的第一分片权重，得到第一线性组合结果，其中，第一特征数据是基于发起端持有的业务数据得到，第一分片特征用于指示隐私组合特征在发起端的分片，隐私组合特征是基于第一特征数据和第二特征数据组合得到，第二特征数据是基于与发起端合作的合作端持有的业务数据得到；对第一分片权重进行加密得到第一加密分片权重，并将第一加密分片权重发送至合作端；接收合作端发送的加密线性组合结果，其中，加密线性组合结果是合作
3、根据本专利技术实施例的另一个方面，还提供了另一种基于联邦学习的业务处理方法，包括：接收发起端发送的第一加密分片权重，其中，第一加密分片权重是发起端对第一分片特征对应的第一分片权重进行加密得到，第一分片特征用于指示隐私组合特征在发起端的分片，隐私组合特征是基于第一特征数据和第二特征数据组合得到，第一特征数据是基于发起端持有的业务数据得到，第二特征数据是基于合作端持有的业务数据得到；基于第二特征数据，第二特征数据对应的第二权重，第二分片特征，第一加密分片权重，以及第二分片特征对应的第二分片权重，生成加密线性组合结果，其中，第二分片特征用于指示隐私组合特征在合作端的分片；将加密线性组合结果发送至发起端，用于发起端基于第一线性组合结果，以及解密加密线性组合结果得到的第二线性组合结果，得到目标业务预测结果，其中，第一线性组合结果是发起端基于第一特征数据，第一特征数据对应的第一权重，第一分片特征，第一分片权重得到。
4、根据本专利技术实施例的另一个方面，还提供了另一种基于联邦学习的业务处理方法，包括：发起端基于第一特征数据，第一特征数据对应的第一权重，第一分片特征，第一分片特征对应的第一分片权重，得到第一线性组合结果，其中，第一特征数据是基于发起端持有的业务数据得到，第一分片特征用于指示隐私组合特征在发起端的分片，隐私组合特征是基于第一特征数据和第二特征数据组合得到，第二特征数据是基于与发起端合作的合作端持有的业务数据得到；发起端对第一分片权重进行加密得到第一加密分片权重，并将第一加密分片权重发送至合作端；合作端基于第二特征数据，第二特征数据对应的第二权重，第二分片特征，第一加密分片权重，以及第二分片特征对应的第二分片权重，生成加密线性组合结果，其中，第二分片特征用于指示隐私组合特征在合作端的分片；发起端对加密线性组合结果进行解密处理，得到第二线性组合结果；发起端基于第一线性组合结果和第二线性组合结果，得到目标业务预测结果。
5、根据本专利技术实施例的另一方面，还提供了一种电子设备，包括一个或多个处理器和存储器，存储器用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现任意一项的基于联邦学习的业务处理方法。
6、在本专利技术实施例中，通过基于第一特征数据，第一特征数据对应的第一权重，第一分片特征，第一分片特征对应的第一分片权重，得到第一线性组合结果，其中，第一特征数据是基于发起端持有的业务数据得到，第一分片特征用于指示隐私组合特征在发起端的分片，隐私组合特征是基于第一特征数据和第二特征数据组合得到，第二特征数据是基于与发起端合作的合作端持有的业务数据得到；对第一分片权重进行加密得到第一加密分片权重，并将第一加密分片权重发送至合作端；接收合作端发送的加密线性组合结果，其中，加密线性组合结果是合作端基于第二特征数据，第二特征数据对应的第二权重，第二分片特征，第一加密分片权重，以及第二分片特征对应的第二分片权重生成，第二分片特征用于指示隐私组合特征在合作端的分片；对加密线性组合结果进行解密处理，得到第二线性组合结果；基于第一线性组合结果和第二线性组合结果，得到目标业务预测结果，达到了在联邦学习框架下，利用加密和分片技术，使发起端和合作端能够在不暴露原始数据隐私的前提下，进行业务预测的目的，从而实现了有效提升业务预测准确性和安全性的技术效果，进而解决了相关技术中基于多方数据合作进行业务预测，造成的业务预测准确性低且安全性差的技术问题。
本文档来自技高网...【技术保护点】
1.一种基于联邦学习的业务处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在所述基于第一特征数据，所述第一特征数据对应的第一权重，第一分片特征，所述第一分片特征对应的第一分片权重，得到第一线性组合结果之前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，在所述基于第一特征数据，所述第一特征数据对应的第一权重，第一分片特征，所述第一分片特征对应的第一分片权重，得到第一线性组合结果之前，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述在联邦学习的过程中，对第一初始权重和第一初始分片权重进行迭代更新，得到所述第一权重和所述第一分片权重，包括：
5.一种基于联邦学习的业务处理方法，其特征在于，包括：
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
7.根据权利要求5所述的方法，其特征在于，在所述基于所述第二特征数据，所述第二特征数据对应的第二权重，第二分片特征，所述第一加密分片权重，以及所述第二分片特征对应的第二分片权重，生成加密线性组合结果之前，所述方
8.根据权利要求7所述的方法，其特征在于，所述在联邦学习的过程中，对第二初始权重和第二初始分片权重进行迭代更新，得到所述第二权重和所述第二分片权重，包括：
9.一种基于联邦学习的业务处理方法，其特征在于，包括：
10.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至9中任意一项所述的基于联邦学习的业务处理方法。
...【技术特征摘要】
1.一种基于联邦学习的业务处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在所述基于第一特征数据，所述第一特征数据对应的第一权重，第一分片特征，所述第一分片特征对应的第一分片权重，得到第一线性组合结果之前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，在所述基于第一特征数据，所述第一特征数据对应的第一权重，第一分片特征，所述第一分片特征对应的第一分片权重，得到第一线性组合结果之前，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述在联邦学习的过程中，对第一初始权重和第一初始分片权重进行迭代更新，得到所述第一权重和所述第一分片权重，包括：
5.一种基于联邦学习的业务处理方法，其特征在于，包括：
6.根据权利要求5所述的方法，其特...
【专利技术属性】
技术研发人员：杨桂林，
申请(专利权)人：天翼电子商务有限公司，
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。