CN112633409B 纵向联邦学习和横向联邦学习的模型训练方法 （深圳前海微众银行股份有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN112633409B(45)授权公告日2025.01.10

(21)申请号202011644819.3

(22)申请日2020.12.31

(65)同一申请的已公布的文献号申请公布号CN112633409A

(43)申请公布日2021.04.09

(73)专利权人深圳前海微众银行股份有限公司地址518000广东省深圳市前海深港合作

区前湾一路1号A栋201室(入驻深圳市前海商务秘书有限公司)

(72)发明人谭明超马国强范涛吴玙

魏文斌陈天健杨强

(74)专利代理机构深圳市世纪恒程知识产权代理事务所44287

专利代理师张志江

(51)Int.CI.

GO6F18/214(2023.01)

GO6F18/2415(2023.01)

GO6F18/213(2023.01)

GO6F21/60(2013.01)

GO6N3/0464(2023.01)

GO6N3/048(2023.01)

GO6N3/098(2023.01)

(56)对比文件

AU2020102543A4,2020.11.19CN110245510A,2019.09.17

审查员刘玉莹

权利要求书6页说明书22页附图8页

(54)发明名称

纵向联邦学习和横向联邦学习的模型训练

方法

(57)摘要

CN112633409B本发明涉及金融科技技术领域，公开了一种样本的预测方法、纵向联邦学习和横向联邦学习的模型训练方法。预测方法包括：获取用户的样本对应的目标特征向量，并将所述目标特征向量输入预测模型，其中，所述预测模型是采用多个Guest端的第一样本以及多个Host端的第二样本经纵向联邦学习方法以及横向联邦学习方法训练得到；获取所述预测模型输出的数值，并根据

CN112633409B

获取用户的样本对应的目标特征向量，并将所述目

标特征向量输入预测模型，其中，所述预测模型是

采用多个Guest端的第一样本以及多个Host端的第

二样本经纵向联邦学习方法以及横向联邦学习方法

训练得到

获取所述预测模型输出的数值，并根据所述数值确定所述用户的预测结果

101

102

CN112633409B权利要求书1/6页

2

1.一种纵向联邦学习和横向联邦学习的模型训练方法，应用于Guest端，其特征在于，所述纵向联邦学习和横向联邦学习的模型训练方法包括：

Guest端接收Host端发送的各个第一参数以及所述第一参数对应的标识，并根据所述标识对应的第二样本的第二特征向量以及所述第二特征向量的对应的权重确定第二参数，其中，所述第一参数根据所述Host端内的第一样本的第一特征向量以及所述第一特征向量对应的权重确定，所述标识为所述第一参数对应的第一样本的标识；其中，Guest端是具有样本以及样本对应的标签的银行的终端，Host端是仅具有样本但不具有样本的标签的互联网公司的终端，其中，样本对应多个特征，每个特征采用特征向量进行表征；

基于相同所述标识的所述第一参数以及所述第二参数确定第三参数，并根据各个所述第三参数、所述第三参数对应的所述第二特征向量以及所述第三参数对应的标签值确定第一梯度，以完成纵向联邦学习；

根据所述第一梯度确定中间参数，并将所述中间参数发送至所述Host端，以使所述Host端根据所述中间参数以及各个所述第一特征向量确定所述Host端的第二梯度；

根据所述第一梯度以及所述第二样本的第一数量确定第一发送信息，并将所述第一发送信息发送至第三方终端，其中，所述三方终端根据各个所述Guest端发送的所述第一梯度、所述第一数量、各个所述Host发送的第二梯度以及所述第一样本的第二数量，确定所述Guest端对应的第一模型参数，以完成横向联邦学习；其中，Guest端基于各个第一梯度确定第一组合特征向量，并采用第一加密算法对第一组合特征向量进行加密，基于加密的第一组合特征向量以及第二样本的第一数量生成第一发送信息，Host端基于各个第二梯度确定第二组合特征向量，并采用第二加密算法对第二组合特征向量进行加密，基于加密的第二组合特征向量以及第一样本的第二数量生成第二发送信息，并将第二发送信息发送至第三方终端，其中，第一加密算法和第二加密算法是同态加密算法；

接收所述第三方终端反馈