数据合作的方法、装置、电子设备及存储介质与流程

技术特征：
1.一种数据合作的方法，其特征在于，包括以下步骤：基于预设的加密用户样本对齐方式确认双方的共有用户群体；根据所述共有用户群体获取训练数据；以及根据所述训练数据训练机器学习模型，生成最终模型。2.根据权利要求1所述的方法，其特征在于，所述根据所述共有用户群体的数据训练机器学习模型，生成合作训练模型，包括：基于对方的公钥加密交换数据；根据双方的交换数据控制所述双方进行本地训练，生成所述双方的中间结果；基于所述双方的中间结果获取加密的梯度值，计算最新梯度；利用所述最新梯度更新所述双方的模型参数，直至达到预设收敛条件，得到所述双方各自的最终模型。3.根据权利要求2所述的方法，其特征在于，所述计算最新梯度，包括：在所述双方中的一方计算最新梯度时，根据所述一方的标签数据计算当前损失；根据所述当前损失计算总梯度。4.根据权利要求1所述的方法，其特征在于，在确认所述双方的共有用户群体之前，还包括：检测所述双方的用户群体是否满足预设非完全重合条件；如果所述双方的用户群体满足所述预设非完全重合条件，则从所述双方的业务系统中提取各自用户的相关数据。5.根据权利要求1-4任一项所述的方法，其特征在于，所述预设的加密用户样本对齐方式为rsa。6.一种数据合作的装置，其特征在于，包括：确认模块，用于基于预设的加密用户样本对齐方式确认双方的共有用户群体；获取模块，用于根据所述共有用户群体获取训练数据；以及生成模块，用于根据所述训练数据训练机器学习模型，生成最终模型。7.根据权利要求6所述的装置，其特征在于，所述生成模块，包括：交换单元，用于基于对方的公钥加密交换数据；控制单元，用于根据双方的交换数据控制所述双方进行本地训练，生成所述双方的中间结果；计算单元，用于基于所述双方的中间结果获取加密的梯度值，计算最新梯度；更新单元，用于利用所述最新梯度更新所述双方的模型参数，直至达到预设收敛条件，得到所述双方各自的最终模型。8.根据权利要求7所述的装置，其特征在于，所述计算单元，包括：损失计算单元，用于在所述双方中的一方计算最新梯度时，根据所述一方的标签数据计算当前损失；总体度计算单元，用于根据所述当前损失计算总梯度。9.根据权利要求6所述的装置，其特征在于，还包括：检测模块，用于检测所述双方的用户群体是否满足预设非完全重合条件；提取模块，用于当所述双方的用户群体满足所述预设非完全重合条件时，从所述双方
的业务系统中提取各自用户的相关数据。10.根据权利要求6-9任一项所述的装置，其特征在于，所述预设的加密用户样本对齐方式为rsa。11.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-5任一项所述的数据合作的方法。12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-5任一项所述的数据合作的方法。

技术总结
本申请涉及联邦学习技术领域，特别涉及一种数据合作的方法、装置、电子设备及存储介质，其中，方法包括：基于预设的加密用户样本对齐方式确认双方的共有用户群体；根据共有用户群体获取训练数据；以及根据训练数据训练机器学习模型，生成最终模型，从而使模型具备互联互通能力，支持分布式计算，保护了数据的安全，改善了计算性能，极大的促进了数据合作，对挖掘数据潜在价值具有重要意义。由此，解决了相关技术采用开源底层架构、计算性能弱，不支持互联互通能力，且支持的算法类型少，不支持分布式计算，难以有效挖掘数据潜在价值等问题。难以有效挖掘数据潜在价值等问题。难以有效挖掘数据潜在价值等问题。


技术研发人员：王樱蒿
受保护的技术使用者：雄狮汽车科技（南京）有限公司 奇瑞汽车股份有限公司
技术研发日：2022.08.02
技术公布日：2022/11/11