公开(公告)号：CN112052480A

公开(公告)日：2020-12-08

申请号：CN202010953756.3

申请日：2020-09-11

Applicant: 哈尔滨工业大学(深圳)

Inventor： 刘洋 ,  李泽睿 ,  张伟哲 ,  徐睿峰 ,  王轩 ,  蒋琳 ,  廖清

IPC: G06F21/62

Abstract: 本发明实施例提供了一种模型训练过程中的隐私保护方法、系统及相关设备，用于实现模型训练过程中的隐私保护。本发明实施例方法包括：接收服务端发送的目标模型，并接收服务端发送的选择指令，选择指令用于指示随机选中的部分客户端；被选中的客户端以概率P参与目标模型训练，未被选中的客户端以概率(1‑P)参与目标模型训练；所有确定参与目标模型训练的客户端作为目标客户端，分别采用本地数据对目标模型进行训练，并计算每个训练之后的目标模型的模型参数更新值；按照预设差分隐私算法对每组模型参数更新值进行处理生成更新数据，并将更新数据返回给服务端，以使得服务端根据所有的更新数据生成本轮训练的全局模型。

公开(公告)号：CN112052480B

公开(公告)日：2024-07-23

申请号：CN202010953756.3

申请日：2020-09-11

Applicant: 哈尔滨工业大学(深圳)

Inventor： 刘洋 ,  李泽睿 ,  张伟哲 ,  徐睿峰 ,  王轩 ,  蒋琳 ,  廖清

IPC: G06F21/62

Abstract: 本发明实施例提供了一种模型训练过程中的隐私保护方法、系统及相关设备，用于实现模型训练过程中的隐私保护。本发明实施例方法包括：接收服务端发送的目标模型，并接收服务端发送的选择指令，选择指令用于指示随机选中的部分客户端；被选中的客户端以概率P参与目标模型训练，未被选中的客户端以概率(1‑P)参与目标模型训练；所有确定参与目标模型训练的客户端作为目标客户端，分别采用本地数据对目标模型进行训练，并计算每个训练之后的目标模型的模型参数更新值；按照预设差分隐私算法对每组模型参数更新值进行处理生成更新数据，并将更新数据返回给服务端，以使得服务端根据所有的更新数据生成本轮训练的全局模型。

公开(公告)号：CN110321479A

公开(公告)日：2019-10-11

申请号：CN201910447142.5

申请日：2019-05-27

Applicant: 哈尔滨工业大学(深圳)

Inventor： 刘洋 ,  徐睿峰 ,  王轩 ,  张伟哲 ,  廖清 ,  蒋琳 ,  李泽睿 ,  胡甄博 ,  石路

IPC: G06F16/9535 ,  G06F21/62

Abstract: 一种隐私保护移动服务推荐方法及客户端、推荐系统，其中隐私保护移动服务推荐方法包括以下步骤：获取用户的样本数据，样本数据为用户的个人信息的省却信息、虚假信息、粗粒度信息或细粒度信息；根据样本数据从一网络服务提供商接收第一服务推荐列表；根据用户的细粒度信息从第一服务推荐列表中筛选且生成第二服务推荐列表；将第二服务推荐列表展示给用户。由于将第一服务推荐列表下载到本地客户端来辅助生成符合用户需求的第二服务推荐列表，使得在保证用户个人信息不受网络服务提供商侵犯的前提下，实现了为用户提供准确推荐服务的功能，能够维持移动服务推荐精度与保护用户隐私之间的平衡，利于用户更好地管理好个人信息。

公开(公告)号：CN110321479B

公开(公告)日：2021-07-20

申请号：CN201910447142.5

申请日：2019-05-27

Applicant: 哈尔滨工业大学(深圳)

Inventor： 刘洋 ,  徐睿峰 ,  王轩 ,  张伟哲 ,  廖清 ,  蒋琳 ,  李泽睿 ,  胡甄博 ,  石路

IPC: G06F16/9535 ,  G06F21/62

Abstract: 一种隐私保护移动服务推荐方法及客户端、推荐系统，其中隐私保护移动服务推荐方法包括以下步骤：获取用户的样本数据，样本数据为用户的个人信息的省却信息、虚假信息、粗粒度信息或细粒度信息；根据样本数据从一网络服务提供商接收第一服务推荐列表；根据用户的细粒度信息从第一服务推荐列表中筛选且生成第二服务推荐列表；将第二服务推荐列表展示给用户。由于将第一服务推荐列表下载到本地客户端来辅助生成符合用户需求的第二服务推荐列表，使得在保证用户个人信息不受网络服务提供商侵犯的前提下，实现了为用户提供准确推荐服务的功能，能够维持移动服务推荐精度与保护用户隐私之间的平衡，利于用户更好地管理好个人信息。