一种基于联邦学习的数据分析方法及系统
基本信息
| 申请号 | CN202111562448.9 | 申请日 | - |
| 公开（公告）号 | CN114372287A | 公开（公告）日 | 2022-04-19 |
| 申请公布号 | CN114372287A | 申请公布日 | 2022-04-19 |
| 分类号 | G06F21/62（2013.01）I;G06N20/00（2019.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 杨远;刘昊;李云鹏;杨凡;麦泽庆;郭常占;史俊才;燕青 | 申请（专利权）人 | 健康数据（北京）科技有限公司 |
| 代理机构 | 广东高端专利代理事务所（特殊普通合伙） | 代理人 | 李彩凤 |
| 地址 | 100000北京市朝阳区望京园401号楼14层1701 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于联邦学习的数据分析方法及系统，方法包括：确定数据需求集合与训练模型；将数据需求集合传输至每一数据节点提取训练样本；基于训练样本训练得到每一数据节点的梯度数据，聚合分析得到训练结果，并提取数据特征；将数据特征传输至每一数据节点进行特征匹配，匹配得到每一数据节点中适配于数据特征的近似样本；若存在任一数据节点的训练样本与近似样本一致，对训练结果进行脱敏处理。本发明实施例中，通过对训练结果提取数据特征，并根据数据特征于训练样本进行匹配，若匹配成功，则证明训练结果存在隐私泄露风险，据此对训练结果进行脱敏，避免诸如推导公开数据溯源原始数据的情况发生，确保数据安全。 |
