(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 202210499538.6 (22)申请日 2022.05.09 (65)同一申请的已公布的文献号 申请公布号 CN 114611008 A (43)申请公布日 2022.06.10 (73)专利权人 北京淇瑀信息科技有限公司 地址 100012 北京市朝阳区双营路1 1号院3 号楼2层4单元207 (72)发明人 王垚炜　沈赟　 (74)专利代理 机构 北京清诚知识产权代理有限 公司 11691 专利代理师 何怀燕 (51)Int.Cl. G06F 16/9535(2019.01) H04L 67/55(2022.01)H04L 41/5041(2022.01) G06N 20/00(2019.01) G06N 20/20(2019.01) G06N 5/00(2006.01) G06N 3/08(2006.01) G06F 21/62(2013.01) G06F 21/60(2013.01) (56)对比文件 CN 114372871 A,202 2.04.19 CN 114139450 A,2022.03.04 CN 111563267 A,2020.08.21 WO 2021114927 A1,2021.0 6.17 CN 114401079 A,202 2.04.26 WO 2022016964 A1,202 2.01.27 CN 112396189 A,2021.02.23 审查员 宋朝 (54)发明名称 基于联邦学习的用户服务策略确定方法、 装 置及电子设备 (57)摘要 本申请涉及一种基于联邦学习的用户服务 策略确定方法、 装置、 电子设备及计算机可读介 质。 该方法包括： 模型训练的标签方对多个用户 的用户标签进行加密生成加密信息； 模型训练的 至少一个特征方根据所述加密信息生成其对应 的用户特征的特征信息量； 所述至少一个特征方 根据特征信息量依次和标签方基于联邦学习进 行模型训练以生成用户评分模型； 根据当前用户 的用户数据生成用户特征； 将所述用户特征输入 经过多方联邦学习生成的用户评分模 型中， 得到 用户评分； 将所述用户评分和预设区间进行比 对， 以确定所述用户的服务策略并进行推送。 本 申请涉及的方法， 能够在保障用户数据安全下快 速准确的为用户提供最恰当的服 务策略。 权利要求书2页 说明书12页 附图7页 CN 114611008 B 2022.07.22 CN 114611008 B 1.一种基于联邦学习的用户服 务确定方法， 其特 征在于， 包括： 模型训练的标签方对多个用户的用户标签进行加密生成加密信息； 模型训练的至少一个特 征方根据所述加密信息生成其对应的用户特 征的特征信息量； 根据特征方对应的特 征信息量将所述至少一个特 征方进行排序； 根据所述 排序由所述至少一个特 征方提取初始特 征方； 初始特征方通过其对应的用户特征、 加密信息和标签方进行联邦学习， 生成多个第一 评分； 根据所述 排序提取 所述初始特 征方的下一 位特征方作为当前 特征方； 当前特征方根据其对应的用户特征、 加密标签、 所述多个第一评分和标签方进行联邦 学习， 生成多个第二评分； 根据所述排序依次提取当前特征方的下一位特征方和标签方基于联邦学习进行模型 训练， 直至所有特 征方训练完毕生成用户评分模型; 根据当前用户的用户数据生成用户特 征； 将所述用户特 征输入经 过多方联邦学习生成的用户评分模型中， 得到用户评分； 将所述用户评分和预设区间进行比对， 以确定所述当前用户的服 务策略并进行推送。 2.如权利要求1所述的方法， 其特征在于， 模型训练 的标签方对多个用户的用户标签进 行加密生成加密信息， 包括： 模型训练的标签方通过加法同态加密方式生成加密秘钥； 通过所述加密秘钥对所述多个用户的用户标签进行加密生成加密标签； 模型训练 的标签方将所述加密秘钥、 所述加密标签作为加密信 息发送给所述至少一个 特征方。 3.如权利要求1所述的方法， 其特征在于， 模型训练 的至少一个特征方根据所述加密信 息生成其对应的用户特 征的特征信息量， 包括： 模型训练的每 个特征方将其对应的用户特 征进行分箱处 理生成多个分箱特 征集合； 根据所述加密信息生成多个分箱特 征集合的多个分箱信息量； 模型训练的每 个特征方根据其对应的多个分箱信息量 生成特征信息量。 4.如权利要求3所述的方法， 其特征在于， 模型训练 的每个特征方将其对应的用户特征 进行分箱处 理生成多个分箱特 征集合， 包括： 模型训练 的每个特征方根据决策树分箱方式将其对应的用户特征进行切分， 生成多个 切分点； 根据多个切分点对用户特 征进行分箱处 理以生成多个分箱特 征集合。 5.如权利要求3所述的方法， 其特征在于， 根据所述加密信 息生成多个分箱特征集合的 多个分箱信息量， 包括： 根据所述加密信息中的加密秘钥对所述多个分箱特征集合中的特征值进行加密计算 生成加密值； 通过加密计算之后的多个分箱特 征集合中的加密值 生成所述多个分箱信息量。 6.如权利要求1所述的方法， 其特征在于， 初始特征方通过其对应的用户特征、 加密信 息和标签方进行 联邦学习， 生成多个第一评分， 包括： 初始特征方根据所述加密信息中加密秘钥对用户特 征进行加密， 生成加密特 征；权　利　要　求　书 1/2 页 2 CN 114611008 B 2初始特征方和标签方通过加密特 征和所述加密信息中的加密标签进行 联邦学习； 在训练完毕时， 生成初始模型； 根据所述初始模型计算标签方的多个用户的多个第一评分。 7.如权利要求1所述的方法， 其特征在于， 当前特征方根据其对应的用户特征、 加密标 签、 所述多个第一评分和标签方进行 联邦学习， 生成多个第二评分， 包括： 当前特征方根据所述加密信息中加密秘钥对用户特 征进行加密， 生成加密特 征； 当前特征方和标签方通过加密特征、 所述加密信息中的加密标签、 所述多个第一评分 进行联邦学习； 在训练完毕时， 生成当前模型； 根据所述当前模型计算标签方的多个用户的多个第二评分。 8.一种基于联邦学习的用户服 务策略确定装置， 其特 征在于， 包括： 加密模块， 用于控制模型训练的标签方对多个用户的用户标签进行加密生成加密信 息； 特征模块， 用于控制模型训练 的至少一个特征方根据所述加密信 息生成其对应的用户 特征的特征信息量； 训练模块， 用于根据特征方对应的特征信息量将所述至少一个特征方进行排序； 根据 所述排序由所述至少一个特征方提取初始特征方； 初始特征方通过其对应的用户特征、 加 密信息和标签方进行联邦学习， 生成多个第一评分； 根据所述排序提取所述初始特征方 的 下一位特征方作为当前特征方； 当前特征方根据其对应的用户特征、 加密标签、 所述多个第 一评分和标签方进行联邦学习， 生成多个第二评分； 根据所述排序依 次提取当前特征方 的 下一位特征方和标签方基于联邦学习进行模型训练， 直至所有特征方训练完毕生成用户评 分模型； 特征模块， 用于根据当前用户的用户数据生成用户特 征； 评分模块， 用于将所述用户特征输入经过多方联邦学习生成的用户评分模型中， 得到 用户评分； 策略模块， 用于将所述用户评分和预设区间进行比对， 以确定所述当前用户的服务策 略并进行推送。 9.一种电子设备， 其特 征在于， 包括： 一个或多个处 理器； 存储装置， 用于存 储一个或多个程序； 当所述一个或多个程序被所述一个或多个处理器执行， 使得所述一个或多个处理器实 现如权利要求1 ‑7中任一所述的方法。 10.一种计算机可读介质， 其上存储有计算机程序， 其特征在于， 所述程序被处理器执 行时实现如权利要求1 ‑7中任一所述的方法。权　利　要　求　书 2/2 页 3 CN 114611008 B 3