(19)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 202111670517.8 (22)申请日 2021.12.31 (71)申请人 浙江大华 技术股份有限公司 地址 310051 浙江省杭州市滨江区滨安路 1187号 (72)发明人 耿嘉诚　王康　刘德龙　陈波扬　 (74)专利代理 机构 深圳市威世博知识产权代理 事务所(普通 合伙) 44280 专利代理师 何倚雯 (51)Int.Cl. G06N 20/00(2019.01) G06N 3/08(2006.01) G06F 21/62(2013.01) G06F 17/16(2006.01) (54)发明名称 基于差分隐私保护的模 型训练方法、 终端设 备及存储介质 (57)摘要 本申请公开了一种基于差分隐私保护的模 型训练方法、 终端设备以及计算机可读存储介 质， 该基于差分隐私保护的模型训练方法包括： 获取复合凸最小化问题； 对复合凸最小化问题构 建求解函数， 其中， 求解函数包括拉普拉斯光滑 算子； 初始化求解函数中的原变量； 按照输入的 预设迭代次数对求解函数进行循环迭代， 以获取 最终的模型参数。 本申请的模型训练方法通过拉 普拉斯光滑技术来提升求解目标问题的具有差 分隐私保护的模型参数输出向模型最优解的收 敛速度。 权利要求书2页 说明书8页 附图3页 CN 114462619 A 2022.05.10 CN 114462619 A 1.一种基于 差分隐私保护的模型训练方法， 其特 征在于， 所述模型训练方法包括： 获取复合凸最小化问题； 对所述复合凸最小化问题构建求 解函数， 其中， 所述 求解函数包括拉普拉斯 光滑算子； 初始化所述 求解函数中的原变量； 按照输入的预设迭代次数对所述 求解函数进行循环迭代， 以获取最终的模型参数。 2.根据权利要求1所述的模型训练方法， 其特 征在于， 所述对所述复合凸最小化问题构建求 解函数， 包括： 基于拉格朗日乘子法， 按照预设约束条件 对所述复合凸最小化问题构建求 解函数； 其中， 所述预设条件为 一般形式的等式约束条件。 3.根据权利要求1或2所述的模型训练方法， 其特 征在于， 所述对所述复合凸最小化问题构建求 解函数， 包括： 对所述复合凸最小化问题构建增广拉格朗日函数， 并将所述拉普拉斯光滑算子引入所 述增广拉格朗日函数； 通过预设约束条件将所述增广拉格朗日函数的导数变为0， 从而获得所述原变量的更 新函数。 4.根据权利要求1所述的模型训练方法， 其特 征在于， 所述初始化所述 求解函数中的原变量以及对偶变量之前， 所述模型训练方法还 包括： 输入隐私参数和迭代次数； 初始化所述 求解函数中的原变量、 对偶变量以及步长 。 5.根据权利要求 4所述的模型训练方法， 其特 征在于， 所述模型训练方法， 还 包括： 基于所述隐私参数计算高斯噪声的方差； 将所述高斯噪声引入所述求解函数， 以在所述求解函数的循环迭代过程中产生噪声扰 动。 6.根据权利要求1所述的模型训练方法， 其特 征在于， 所述按照输入的预设迭代次数对所述求解函数进行循环迭代， 以获取最终的模型参 数， 包括： 获取所述求解函数中第一原变量的第一更新函数、 第二原变量的第二更新函数、 对偶 变量的第三更新 函数以及步长的第四更新 函数； 输入随机抽取的样本集； 利用所述样本集对所述求解函数进行循环迭代， 以更新所述第一更新函数、 所述第二 更新函数、 所述第三更新 函数以及所述第四更新 函数； 直至循环迭代次数达 到输入的预设迭代次数， 输出最终的模型参数。 7.根据权利要求6所述的模型训练方法， 其特 征在于， 所述最终的模型参数为所述预设迭代次数中每一次循环迭代输出的模型参数的平均 值。 8.根据权利要求1所述的模型训练方法， 其特 征在于， 所述拉普拉斯光滑算子由单位矩阵和离散一维拉普拉斯矩阵组成， 所述拉普拉斯光滑 算子采用快速傅里叶变换的方式对向量进行光滑处 理。权　利　要　求　书 1/2 页 2 CN 114462619 A 29.一种终端设备， 其特征在于， 所述终端设备包括处理器、 与所述处理器连接的存储 器， 其中， 所述存储器存储有程序指令； 所述处理器用于执行所述存储器存储的程序指令以实现权利要求1～8任一项所述的 基于差分隐私保护的模型训练方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有程序指 令， 所述程序指 令被执行时实现权利要求 1～8任一项 所述的基于差 分隐私保护的模型训练 方法。权　利　要　求　书 2/2 页 3 CN 114462619 A 3