(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111304096.7 (22)申请日 2021.11.05 (65)同一申请的已公布的文献号 申请公布号 CN 113887741 A (43)申请公布日 2022.01.04 (73)专利权人 深圳市电子商务 安全证书管理有 限公司 地址 518000 广东省深圳市南 山区高新中 二路深圳软件园8栋 301号厂房 (72)发明人 周才军　王志辉　杨振燕　曾依峰　 雷庆璋　罗燕武　宁海亮　樊鹏辉　 (74)专利代理 机构 北京市京大律师事务所 11321 专利代理师 胡安 (51)Int.Cl. G06N 20/00(2019.01)(56)对比文件 CN 111046857 A,2020.04.21 CN 110572253 A,2019.12.13 CN 110969861 A,2020.04.07 CN 108846491 A,2018.1 1.20 CN 111598664 A,2020.08.28 CN 110059952 A,2019.07.26 CN 111010367 A,2020.04.14 US 20190 05586 A1,2019.01.0 3 CN 112256874 A,2021.01.2 2 CN 111143308 A,2020.0 5.12 CA 3069920 A1,2020.07.28 李鉴等.联邦学习及其在电信行业的应用. 《信息通信技 术与政策》 .2020,(第09期), 审查员 夏玫 (54)发明名称 基于联邦学习的数据生成方法、 装置、 设备 及存储介质 (57)摘要 本发明涉及人工智能领域， 公开了基于联邦 学习的数据生 成方法、 装置、 设备及存储介质， 用 于提高各个机构车辆业务数据的安全性。 基于联 邦学习的数据生成方法包括： 获取多个机构业务 基础数据和对应的多个机构业务利率数据； 获取 模型训练指令， 根据模型训练指令、 多个机构业 务基础数据和多个机构业务利率数据进行同态 加密和计算， 生成多个目标同态加密业务数据； 结合模型训练指令、 进行模型训练与模型收敛， 生成目标车辆业务联邦学习模型； 获取待识别车 辆基础数据， 将待识别车辆基础数据输入目标车 辆业务联邦学习模型中进行计算， 生成目标车辆 业务数据。 此外， 本发明还涉及区块链技术， 多个 机构业务基础数据可存 储于区块链中。 权利要求书3页 说明书12页 附图3页 CN 113887741 B 2022.09.30 CN 113887741 B 1.一种基于联邦学习的数据生成方法， 其特征在于， 所述基于联邦学习的数据生成方 法包括： 获取多个机构业务基础数据和对应的多个机构业务利率数据， 机构业务基础数据与机 构业务利率数据一一对应； 其中， 所述机构业务基础数据为机构车辆保单数据， 所述机构业 务利率数据为机构车辆保单费率数据； 获取模型训练指令， 根据所述模型训练指令、 所述多个机构业务基础数据和所述多个 机构业务利率数据进行同态加密和计算， 生成多个目标同态加密业 务数据； 结合所述模型训练指令调用多个机构业务基础加密数据、 多个机构业务利率加密数据 和所述多个目标同态加密业务数据进 行模型训练与模型收敛， 生成目标车辆业务联邦学习 模型； 获取待识别车辆基础数据， 将所述待识别车辆基础数据输入所述目标车辆业务联邦学 习模型中进行计算， 生成目标 车辆业务数据； 所述获取模型训练指令， 根据所述模型训练指令、 所述多个机构业务基础数据和所述 多个机构业务利率数据进行同态加密和计算， 生成多个目标同态加密业务数据包括： 根据 所述模型训练指令在所述多个机构业务基础数据和与所述多个机构业务基础数据对应的 多个机构业务利率数据中确定与所述模型训练指令相匹配的多个机构业务基础数据和相 匹配的所述多个机构业务利率数据， 对所述机构业务利率数据进 行同态加密以及在同态加 密的基础上进行业 务数据的计算， 生成所述多个目标同态加密业 务数据。 2.根据权利要求1所述的基于联邦学习的数据生成方法， 其特征在于， 所述获取多个机 构业务基础数据和对应的多个机构业务利率数据， 机构业务基础数据与机构业务利率数据 一一对应包括： 获取多个用户业务基础数据和对应的多个用户业务利率数据， 用户业务基础数据和用 户业务利率数据一 一对应； 从每个用户业务基础数据中读取对应的机构标识， 并按照每个机构标识将对应的用户 业务基础数据和对应的用户业务利率数据传输至对应的业务机构， 生成与每个业务机构对 应的机构业务基础数据和对应的机构业务利率数据， 得到多个机构业务基础数据和对应的 多个机构业 务利率数据。 3.根据权利要求1所述的基于联邦学习的数据生成方法， 其特征在于， 所述获取模型训 练指令， 根据所述模型训练指令、 所述多个机构业务基础数据和所述多个机构业务利率数 据进行同态加密和计算， 生成多个目标同态加密业 务数据包括： 获取模型训练指令， 并解析 所述模型训练指令， 生成目标机构标识； 根据所述目标机构标识对所述多个机构业务基础数据以及所述多个机构业务利率数 据进行认证， 生成多个待加密机构业务基础数据和多个待加密机构业务利率数据， 待加密 机构业务基础数据与待加密机构业 务利率数据一 一对应； 调用同态加密算法对每个待加密机构业务基础数据和对应的待加密机构业务利率数 据进行同态加密， 生成与每个初始机构业务基础数据对应的目标同态加密业务数据， 得到 多个目标同态加密业 务数据。 4.根据权利要求3所述的基于联邦学习的数据生成方法， 其特征在于， 所述根据 所述目 标机构标识对所述多个机构业务基础数据以及所述多个机构业务利率数据进 行认证， 生成权　利　要　求　书 1/3 页 2 CN 113887741 B 2多个待加密机构业务基础数据和多个待加密机构业务利率数据， 待加密机构业务基础数据 与待加密机构业 务利率数据一 一对应包括： 基于目标机构标识和每个机构业务基础数据获取对应的数字签名， 得到多个机构业务 数字签名； 判断每个机构业 务数字签名是否为空值； 若目标机构业务数字签名不为空值， 则将所述目标机构业务数字签名对应的机构业务 基础数据和对应的机构业务利率数据分别确定为待加密构业务基础数据和待加密机构业 务利率数据。 5.根据权利要求4所述的基于联邦学习的数据生成方法， 其特征在于， 所述调用同态加 密算法对每个待加密机构业务基础数据和对应的待加密机构业务利率数据进 行同态加密， 生成与每个初始机构业务基础数据对应的目标同态加密业务数据， 得到多个目标同态加密 业务数据包括： 调用预置的同态加密算法和数据公钥对每个待加密机构业务基础数据和对应的待加 密机构业务利率数据进行同态加密， 生成与每个待加密机构业务基础数据对应的机构业务 基础加密数据和对应的机构业务利率加密数据， 得到多个机构业务基础加密数据和对应的 多个机构业 务利率加密数据； 调用预置的计算函数对每个机构业务基础加密数据和对应的机构业务利率加密数据 进行业务数据计算， 生成与每个机构业务基础加密数据对应的目标同态加密业务数据， 得 到多个目标同态加密业 务数据。 6.根据权利要求1所述的基于联邦学习的数据生成方法， 其特征在于， 所述结合所述模 型训练指 令调用所述多个机构业务基础加密数据、 所述多个机构业务利率加密数据和所述 多个目标同态加密业务数据进 行模型训练与模型收敛， 生成目标车辆业务联邦学习模型包 括： 结合所述模型训练指令对所述多个机构业务基础加密数据、 所述多个机构业务利率加 密数据和所述多个目标同态加密业务数据进行模型训练， 生成初始车辆业务联邦学习模 型； 获取同态加密业务测试数据集， 将所述同态加密业务测试数据集输入所述初始车辆业 务联邦学习模型中， 生成同态加密业 务测试概 率集； 基于预置的约束函数和所述同态加密业务测试概率集对所述初始车辆业务联邦学习 模型进行模型收敛， 生成目标 车辆业务联邦学习模型。 7.根据权利要求1 ‑6中任意一项所述的基于联邦学习的数据生成方法， 其特征在于， 在 所述获取待识别车辆基础数据， 将所述待识别车辆基础数据输入所述目标车辆业务联邦学 习模型中进行计算， 生成目标 车辆业务数据之后， 所述基于联邦学习的数据生成方法包括： 将所述目标车辆业务数据进行同态加密， 得到目标车辆同态加密业务数据， 并将所述 目标车辆同态加密业 务数据传输 至第三方终端。 8.一种基于联邦学习的数据生成装置， 其特征在于， 所述基于联邦学习的数据生成装 置包括： 数据获取模块， 用于获取多个机构业务基础数据和对应的多个机构业务利率数据， 机 构业务基础数据与机构业务利率数据一一对应； 其中， 所述机构业务基础数据为机构车辆权　利　要　求　书 2/3 页 3 CN 113887741 B 3