申请/专利权人:矩阵元技术(深圳)有限公司
申请日:2020-03-20
公开(公告)日:2024-03-22
公开(公告)号:CN111415013B
主分类号:G06N20/00
分类号:G06N20/00;G06F21/60;G06F21/62
优先权:
专利状态码:有效-授权
法律状态:2024.03.22#授权;2020.08.07#实质审查的生效;2020.07.14#公开
摘要:本说明书的实施方案提供了一种隐私机器学习模型生成、训练方法、装置及电子设备,该模型生成方法包括:获取明文机器学习模型中的静态优化器;执行所述静态优化器,以将所述明文机器学习模型中的原生明文算子替换为密码算子,从而生成隐私机器学习模型;其中,所述静态优化器根据密码算子优化器类创建,所述密码算子优化器类派生于所述明文机器学习框架的原生优化器类,所述明文机器学习模型基于明文机器学习框架生成。本说明书的实施方案可以降低隐私机器学习模型的实现成本。
主权项:1.一种隐私机器学习模型生成方法,其特征在于,包括:获取明文机器学习模型中的静态优化器;执行所述静态优化器,以将所述明文机器学习模型中的原生明文算子替换为密码算子,从而生成隐私机器学习模型;其中,所述静态优化器根据密码算子优化器类创建,所述密码算子优化器类派生于明文机器学习框架的原生优化器类,所述明文机器学习模型基于明文机器学习框架生成;所述将所述明文机器学习模型中的原生明文算子替换为密码算子,包括:将明文机器学习模型中的原生静态图替换为密码静态图:从明文机器学习模型的变量集合中获取损失函数返回的变量名称;确认所述损失函数返回的变量名称是否位于目标模型的变量集合中;当所述损失函数返回的变量名称位于目标模型的变量集合中时,在所述目标模型的静态图中根据所述损失函数返回的变量名称获取张量并返回。
全文数据:
权利要求:
百度查询: 矩阵元技术(深圳)有限公司 隐私机器学习模型生成、训练方法、装置及电子设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。