用于联邦决策树的模型推理方法及装置

本发明涉及人工智能，更具体地，涉及一种用于联邦决策树的模型推理方法及装置。

背景技术：

1、联邦机器学习(federated machine learning/federated learning)，又名联邦学习，是一种机器学习框架，能有效帮助多个机构在满足用户隐私保护、数据安全等要求下，进行数据使用和机器学习建模。联邦学习作为分布式的机器学习范式，可以有效解决数据孤岛问题，让参与方在不共享数据的基础上联合建模，能从技术上打破数据孤岛，实现ai协作。

2、决策树（decision tree，dt）是一种简单的机器学习方法，其本质是一堆决策结构以树形组合起来，叶子节点代表最终的预测值或类别。决策树本质上是在做若干个决策，以判定输入的数据对应的类别或数值。

3、在相关技术中，联邦学习场景下的决策树模型的构建需要多个数据参与方共同训练完成，相应的，该决策树模型的模型参数也分别由多个数据参与方各自持有。在应用该决策树模型进行模型推理时，需要主动方与各个参与方之间进行数据交互，而其他未参与此次数据划分过程的被动方可以通过获取主动方与参与方之间的通信次数的方式，推导出数据的分类结果，会导致分类结果这一敏感信息的泄露，使得联邦学习场景下的决策树模型的模型推理过程存在安全隐患。

技术实现思路

1、有鉴于此，本发明提供了一种用于联邦决策树的模型推理方法及装置。

2、本发明的一个方面提供了一种用于联邦决策树的模型推理方法，包括：响应于分类请求，基于联邦决策树的树结构，从上述分类请求包括的待分类对象的对象数据中确定主动方的第一特征集合和至少一个参与方各自的第二特征集合，其中，上述第一特征集合包括与上述主动方关联的多个第一节点各自的特征值，每个第二特征集合包括与对应的参与方关联的多个第二节点各自的特征值；基于上述第一特征集合和上述多个第一节点各自的特征阈值，确定第一节点列表；向每个参与方发送每个参与方的第二特征集合，其中，每个参与方被配置为基于每个参与方的第二特征集合和与每个参与方关联的多个第二节点各自的特征阈值，确定第二节点列表，并向上述主动方发送上述第二节点列表；以及基于上述第一节点列表和上述至少一个参与方各自的第二节点列表，确定上述待分类对象的分类推理结果。

3、本发明的另一个方面提供了一种用于联邦决策树的模型推理装置，包括：第一确定模块，用于响应于分类请求，基于联邦决策树的树结构，从上述分类请求包括的待分类对象的对象数据中确定主动方的第一特征集合和至少一个参与方各自的第二特征集合，其中，上述第一特征集合包括与上述主动方关联的多个第一节点各自的特征值，每个第二特征集合包括与对应的参与方关联的多个第二节点各自的特征值；第二确定模块，用于基于上述第一特征集合和上述多个第一节点各自的特征阈值，确定第一节点列表；发送模块，用于向每个参与方发送每个参与方的第二特征集合，其中，每个参与方被配置为基于每个参与方的第二特征集合和与每个参与方关联的多个第二节点各自的特征阈值，确定第二节点列表，并向上述主动方发送上述第二节点列表；以及推理模块，用于基于上述第一节点列表和上述至少一个参与方各自的第二节点列表，确定上述待分类对象的分类推理结果。

4、本发明的另一个方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上所述的方法。

5、本发明的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。

6、本发明的另一方面提供了一种计算机程序产品，所述计算机程序产品包括计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。

7、根据本发明的实施例，响应于针对待分类对象的分类请求，可以确定参与样本划分过程的至少一个参与方，并在样本划分过程中，将待分类对象的对象数据划分为主动方的第一特征集合和每个参与方的第二特征集合，对于主动方或每个参与方，其各自可以基于得到的第一特征集合或第二特征集合，以及联邦决策树的模型参数，确定各自的节点列表，即得到了第一节点列表和至少一个第二节点列表，基于该第一节点列表和至少一个第二节点列表可以确定待分类对象的分类推理结果。在模型推理过程中，主动方与每个参与方之间仅需要进行一次通信，各个参与方无法基于获取的对象数据或通信次数来确定待分类对象的分类推理结果，从而能够避免相关技术中存在的安全隐患，有效保障了数据安全。

技术特征：

1.一种用于联邦决策树的模型推理方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述第一特征集合和所述多个第一节点各自的特征阈值，确定第一节点列表，包括：

3.根据权利要求2所述的方法，其特征在于，所述基于每个第一节点的特征值和每个第一节点的特征阈值对所述当前的节点列表进行节点剔除处理，得到新的节点列表，包括：

4.根据权利要求1所述的方法，其特征在于，所述基于所述第一节点列表和所述至少一个参与方各自的第二节点列表，确定所述待分类对象的分类推理结果，包括：

5.根据权利要求4所述的方法，其特征在于，所述基于所述第一节点列表和所述至少一个参与方各自的第二节点列表，确定目标节点列表，包括：

6.根据权利要求4所述的方法，其特征在于，所述基于所述第一节点列表和所述至少一个参与方各自的第二节点列表，确定目标节点列表，包括：

7.根据权利要求1所述的方法，其特征在于，所述基于联邦决策树的树结构，从所述分类请求包括的待分类对象的对象数据中确定主动方的第一特征集合和至少一个参与方各自的第二特征集合，包括：

8.一种用于联邦决策树的模型推理装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，其上存储有可执行指令，该指令被处理器执行时使处理器实现权利要求1至7中任一项所述的方法。

技术总结
本发明提供了一种用于联邦决策树的模型推理方法及装置，该方法包括：响应于分类请求，基于联邦决策树的树结构，从分类请求包括的待分类对象的对象数据中确定主动方的第一特征集合和至少一个参与方各自的第二特征集合；基于第一特征集合和多个第一节点各自的特征阈值，确定第一节点列表；向每个参与方发送每个参与方的第二特征集合，其中，每个参与方被配置为基于每个参与方的第二特征集合和与每个参与方关联的多个第二节点各自的特征阈值，确定第二节点列表，并向主动方发送第二节点列表；以及基于第一节点列表和至少一个参与方各自的第二节点列表，确定待分类对象的分类推理结果。

技术研发人员：郑春东,王睿,石琦
受保护的技术使用者：天津大学
技术研发日：
技术公布日：2024/7/4