(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111680336.3 (22)申请日 2021.12.3 0 (71)申请人 广东优算科技有限公司 地址 528314 广东省佛山市顺德区陈村镇 赤花社区广隆工业园兴业四路18号顺 联机械城22座四层42 2-19 申请人 广东创亿 源智能科技有限公司 (72)发明人 冼允廷　赵搏文　毛茹　曾策冲　 沈强　解先旭　 (74)专利代理 机构 广州圣理华知识产权代理有 限公司 4 4302 代理人 李唐明 (51)Int.Cl. H04L 9/00(2022.01) H04L 9/30(2006.01)G06N 20/00(2019.01) G06K 9/62(2022.01) (54)发明名称 一种采用联邦学习的隐私保护船名识别模 型训练方法 (57)摘要 本发明公开了一种采用联邦学习的隐私保 护船名识别模型训练方法， 该方法包括步骤： S1. 发起联合训练船名识别模型任务； S2.参与者训 练本地模型并进行加密； S3.聚合参与者的加密 模型并执行联邦平均算法； S4.聚合服务器部分 解密聚合模型和S5.参与者部分解密聚合模型； 其通过参与者本地训练模型并加密训练模型， 将 本地训练好的加密模型上传至聚合服务器， 聚合 服务器在加密的模型上执行联邦平均算法； 采用 加密的方法以防止攻击者根据模型参数获得训 练数据。 另外， 还采用 将私钥分割成部分私钥的 方式， 由服务器执行一次部分解密， 参与者执行 一次部分解密， 可以在不泄露参与者训练数据的 情况下， 使得多个参与者能够 有效的共同训练一 个船名识别模型。 权利要求书2页 说明书5页 附图1页 CN 114337987 A 2022.04.12 CN 114337987 A 1.一种采用联邦学习的隐私保护船名识别模型训练方法， 其特征在于， 包括发起者、 聚 合服务器和n个参与者； 所述的方法包括下列步骤： 步骤S1.发起联合训练船名识别 模型任务： 发起者初始化船名识别 模型 并招募n个 参与者， 将模型聚合任务发送至聚合 服务器； 步骤S2.参与者训练本地模型并进行加密： 参与者利用本地的船名数据集以及初始模 型或解密后的聚合模型训练一个新的本地模型； 其训练过程在形式上表示 为： 其中， f表示本地训练函数， d表示 参与者的本地船名数据集， t 表示聚合的次数； 完成训练后， 参与者调用Paillier密码系统的加密算法Enc加密模型参数， 其加密过程 在形式上表示 为： 随后， 参与者将加密的训 练模型 以及参与者的本地数据量|d|发送至聚合服务 器； 步骤S3.聚合参与者的加密模型并执行联邦平均算法： 聚合服务器在收到n个参与者的 加密模型 后， 聚合服务器利用Pailli er密码系统的标量乘法 同态和标量加法同态， 执 行以下计算： 步骤S4.聚合服务器部分解密聚合模型： 聚合服务器判断是否达到终止条件， 判断方式 如下： 若未达到设定的终止条件， 则聚合服务器对加密的聚合模型执行部分解密操作， 聚合 服务器在形式上的计算方式为： 其中， N是公钥参数； 此外， 在步骤S4中， 所述聚合服务器还计算所有参与者本地数据量 之和 并将D发送给参与者， 聚合 服务器将 发送给参与者； 若已达到设定的终止条件， 则聚合服务器将 和D作为输出发送至发起者， 其中， T表 示最大的聚合次数； 步骤S5.参与者部分解密聚合模型： 参与者在收到聚合服务器的聚合模型信息后， 参与 者执行部分解密操作获得解密后的聚合模型， 参与者在形式上 执行如下计算： 其中， N是公钥参数； 获得解密的模 型后， 参与者继续计算 获得聚合的平均 模型 2.根据权利要求1所述的隐私保护船名识别模型训练方法， 其特征在于， 在步骤S1中， 为了保护 参与者的数据隐私， 还包括： 发起者初始化Paillier密码系统公私钥对(pk， sk)， 其中， 发起者将私钥sk分割为两个部分私钥sk1和sk2； 发起者将(pk， sk1)发送至聚合服务 器， 并将 发给n个参与者。 3.根据权利要求1所述的隐私保护船名识别模型训练方法， 其特征在于， 在所述步骤S5权　利　要　求　书 1/2 页 2 CN 114337987 A 2中， 所述聚合模型信息包括 和D。 4.根据权利要求2所述的隐私保护船名识别模型训练方法， 其特征在于， 在所述步骤S1 中， 初始化的船名识别模型 采用循环神经网络CRNN， 其中， 包括模型结构和模型参 数； 所述公钥p k＝(N+1， N)， 其中， N＝pq， p和q为强素数； 私钥sk＝( λ， μ )， 其中， λ＝pq ‑p‑q+ 1， μ＝λ‑1mod N， 即μ是λ模N的逆元； 部分私钥sk2为80比特的随机数， 部分私钥sk1＝λ μ‑ sk2modλN； 当 sk2被选用一个 较小的数时， 参与者的解密开销会显著减少。 5.根据权利要求1所述的隐私保护船名识别模型训练方法， 其特征在于， 在所述步骤S2 中， 所述Enc加密模型为 其中， r为小于N的随机 正整数。 6.根据权利要求1所述的隐私保护船名识别模型训练方法， 其特征在于， 在所述步骤S3 中 ， 所 述 标 量 乘 法 同 态 为 所 述 标 量 加 法 同 态 为 其中Dec是Paillier密码系统的解密算法， 形式上， 解密算法表示 为 7.根据权利要求1所述的隐私保护船名识别模型训练方法， 其特征在于， 在所述步骤S4 中， 聚合服务器仅在达到最大的聚合次数T 前执行部 分解密操作， 当达到最大聚合次数T时， 聚合服务器将聚合模型发送给发起者； 当聚合服务器进行一次部分解密后， 参与者执行一 次部分解密操作获得解密的模型。 8.一种存储装置， 该存储装置中存储有多条指令， 其特征在于， 所述指令适用于由处理 器加载并执 行如权利要求1 ‑7任一所述的步骤操作。 9.一种智能终端， 包括用于执行各指令的处理器和用于存储多条指令的存储装置， 其 特征在于， 所述指令适用于由所述处 理器加载并执 行如权利要求1 ‑7任一所述的步骤操作。权　利　要　求　书 2/2 页 3 CN 114337987 A 3