本技術(shù)涉及通信，尤其涉及一種數(shù)據(jù)傳輸方法、裝置、設(shè)備、存儲介質(zhì)及程序產(chǎn)品。

背景技術(shù)：

1、隨著算力網(wǎng)絡(luò)的發(fā)展，存在各個區(qū)域的算力分散不均、不流通等諸多問題，如何高效聚合多方算力，提高算力利用，促進(jìn)降本使用、低碳發(fā)展，帶來了巨大挑戰(zhàn)。當(dāng)前可以通過聯(lián)邦學(xué)習(xí)的方法訓(xùn)練模型，以聚合多方算力。具體的，各個客戶端(也可以稱為算力網(wǎng)絡(luò)資源供應(yīng)商、邊緣客戶端等)使用各自的算力資源數(shù)據(jù)在本地訓(xùn)練一個局部模型(也可以稱為機(jī)器學(xué)習(xí)模型)，然后上傳各自的局部模型的模型參數(shù)到中心服務(wù)器(也可以稱為云服務(wù)器、服務(wù)器或server等)。中心服務(wù)器通過聚合各個客戶端上傳的模型參數(shù)，來更新全局模型(也可以稱為共享模型)，然后將更新后的全局模型的模型參數(shù)分發(fā)給各個客戶端，以更新各個客戶端的局部模型的模型參數(shù)，這樣持續(xù)循環(huán)，直到各個模型均達(dá)到預(yù)置訓(xùn)練目標(biāo)為止。這樣，無需各個客戶端共享各自的算力資源數(shù)據(jù)，可以有效防止攻擊者直接訪問客戶端的算力資源數(shù)據(jù)。

2、但是，通過聯(lián)邦學(xué)習(xí)的方法訓(xùn)練模型時，仍然存在一些可以提取客戶端的算力資源數(shù)據(jù)的方法，例如模型反轉(zhuǎn)攻擊、成員攻擊和模型提取攻擊等，導(dǎo)致隱私泄露問題較為嚴(yán)重，無法保障數(shù)據(jù)安全。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)提供一種數(shù)據(jù)傳輸方法、裝置、設(shè)備、存儲介質(zhì)及程序產(chǎn)品，用于解決通過聯(lián)邦學(xué)習(xí)的方法訓(xùn)練模型時，仍然存在一些可以提取客戶端的算力資源數(shù)據(jù)的方法，導(dǎo)致隱私泄露問題較為嚴(yán)重，無法保障數(shù)據(jù)安全的技術(shù)問題。

2、為達(dá)到上述目的，本技術(shù)采用如下技術(shù)方案：

3、第一方面，提供了一種數(shù)據(jù)傳輸方法，應(yīng)用于目標(biāo)客戶端，方法包括：獲取來自服務(wù)器的第一私鑰和目標(biāo)客戶端生成的第二私鑰；根據(jù)第一私鑰和第二私鑰，生成目標(biāo)客戶端的公鑰；根據(jù)目標(biāo)客戶端的公鑰對目標(biāo)客戶端訓(xùn)練的本地模型的模型參數(shù)進(jìn)行加密，并向服務(wù)器發(fā)送加密后的模型參數(shù)，以使得服務(wù)器根據(jù)模型參數(shù)訓(xùn)練得到本地模型對應(yīng)的全局模型。

4、在一種可能的實(shí)現(xiàn)方式中，向服務(wù)器發(fā)送加密后的模型參數(shù)，以使得服務(wù)器根據(jù)模型參數(shù)訓(xùn)練得到本地模型對應(yīng)的全局模型之后，方法還包括：接收服務(wù)器發(fā)送的聚合模型參數(shù)；聚合模型參數(shù)為服務(wù)器對多個客戶端中每個客戶端發(fā)送的模型參數(shù)聚合得到的；多個客戶端包括目標(biāo)客戶端；基于第二私鑰對聚合模型參數(shù)解密；基于解密后的聚合模型參數(shù)，更新目標(biāo)客戶端的模型參數(shù)，直至本地模型訓(xùn)練完成。

5、在一種可能的實(shí)現(xiàn)方式中，方法還包括：向服務(wù)器發(fā)送第二私鑰；第二私鑰用于服務(wù)器對目標(biāo)客戶端發(fā)送的模型參數(shù)解密。

6、在一種可能的實(shí)現(xiàn)方式中，根據(jù)目標(biāo)客戶端的公鑰對目標(biāo)客戶端訓(xùn)練的本地模型的模型參數(shù)進(jìn)行加密之前，方法還包括：對本地模型進(jìn)行a次訓(xùn)練更新，得到模型參數(shù)；a為大于1的整數(shù)。

7、在一種可能的實(shí)現(xiàn)方式中，根據(jù)目標(biāo)客戶端的公鑰對目標(biāo)客戶端訓(xùn)練的本地模型的模型參數(shù)進(jìn)行加密之前，方法還包括：將目標(biāo)客戶端的全部模型參數(shù)中的b個模型參數(shù)，確定為目標(biāo)客戶端的模型參數(shù)；b為大于1的整數(shù)。

8、在一種可能的實(shí)現(xiàn)方式中，基于解密后的聚合模型參數(shù)，更新目標(biāo)客戶端的模型參數(shù)，直至本地模型訓(xùn)練完成之后，方法還包括：向服務(wù)器發(fā)送目標(biāo)客戶端的投標(biāo)信息；投標(biāo)信息包括：相似度度量emd和報價；投標(biāo)信息用于服務(wù)器從多個客戶端中確定多個待選客戶端。

9、第二方面，提供了一種數(shù)據(jù)傳輸方法，應(yīng)用于服務(wù)器，方法包括：接收多個客戶端中每個客戶端發(fā)送的各自訓(xùn)練的本地模型的模型參數(shù)；每個客戶端的模型參數(shù)為每個客戶端基于每個客戶端的公鑰，對每個客戶端的模型參數(shù)加密得到的；每個客戶端的公鑰為基于服務(wù)器的第一私鑰和每個客戶端的第二私鑰生成的。

10、在一種可能的實(shí)現(xiàn)方式中，接收多個客戶端中每個客戶端發(fā)送的各自訓(xùn)練的本地模型的模型參數(shù)之后，方法還包括：對每個客戶端的模型參數(shù)聚合，得到聚合模型參數(shù)；基于第一私鑰，對聚合模型參數(shù)加密，并向每個客戶端發(fā)送加密后的聚合模型參數(shù)。

11、在一種可能的實(shí)現(xiàn)方式中，方法還包括：接收每個客戶端發(fā)送的第二私鑰；根據(jù)第一私鑰和每個客戶端的第二私鑰，對聚合模型參數(shù)解密；基于解密后的聚合模型參數(shù)更新服務(wù)器訓(xùn)練的全局模型的模型參數(shù)，直至全局模型訓(xùn)練完成。

12、在一種可能的實(shí)現(xiàn)方式中，基于解密后的聚合模型參數(shù)更新服務(wù)器訓(xùn)練的全局模型的模型參數(shù)，直至全局模型訓(xùn)練完成之后，方法還包括：接收需求方發(fā)送的招標(biāo)信息、以及每個客戶端發(fā)送的投標(biāo)信息；招標(biāo)信息包括：相似度度量emd范圍；投標(biāo)信息包括：emd和報價；基于招標(biāo)信息、以及每個客戶端的投標(biāo)信息，通過訓(xùn)練完成的全局模型從多個客戶端中確定多個待選客戶端；待選客戶端的emd位于emd范圍內(nèi)；待選客戶端的報價低于多個客戶端中除多個待選客戶端以外的客戶端；向需求方發(fā)送選擇多個待選客戶端的消息。

13、在一種可能的實(shí)現(xiàn)方式中，需求方用于基于需求方的預(yù)算，以及每個待選客戶端的報價，從多個待選客戶端中確定中標(biāo)的客戶端。

14、在一種可能的實(shí)現(xiàn)方式中，多個客戶端提供的資源類型與需求方請求的資源類型相同。

15、第三方面，提供了一種數(shù)據(jù)傳輸裝置，應(yīng)用于目標(biāo)客戶端，數(shù)據(jù)傳輸裝置包括：傳輸單元和處理單元；傳輸單元，用于獲取來自服務(wù)器的第一私鑰和目標(biāo)客戶端生成的第二私鑰；處理單元，用于根據(jù)第一私鑰和第二私鑰，生成目標(biāo)客戶端的公鑰；處理單元，還用于根據(jù)目標(biāo)客戶端的公鑰對目標(biāo)客戶端訓(xùn)練的本地模型的模型參數(shù)進(jìn)行加密，并向服務(wù)器發(fā)送加密后的模型參數(shù)，以使得服務(wù)器根據(jù)模型參數(shù)訓(xùn)練得到本地模型對應(yīng)的全局模型。

16、在一種可能的實(shí)現(xiàn)方式中，傳輸單元，還用于接收服務(wù)器發(fā)送的聚合模型參數(shù)；聚合模型參數(shù)為服務(wù)器對多個客戶端中每個客戶端發(fā)送的模型參數(shù)聚合得到的；多個客戶端包括目標(biāo)客戶端；處理單元，還用于基于第二私鑰對聚合模型參數(shù)解密；處理單元，還用于基于解密后的聚合模型參數(shù)，更新目標(biāo)客戶端的模型參數(shù)，直至本地模型訓(xùn)練完成。

17、在一種可能的實(shí)現(xiàn)方式中，傳輸單元，還用于向服務(wù)器發(fā)送第二私鑰；第二私鑰用于服務(wù)器對目標(biāo)客戶端發(fā)送的模型參數(shù)解密。

18、在一種可能的實(shí)現(xiàn)方式中，處理單元，還用于對本地模型進(jìn)行a次訓(xùn)練更新，得到模型參數(shù)；a為大于1的整數(shù)。

19、在一種可能的實(shí)現(xiàn)方式中，處理單元，還用于將目標(biāo)客戶端的全部模型參數(shù)中的b個模型參數(shù)，確定為目標(biāo)客戶端的模型參數(shù)；b為大于1的整數(shù)。

20、在一種可能的實(shí)現(xiàn)方式中，傳輸單元，還用于向服務(wù)器發(fā)送目標(biāo)客戶端的投標(biāo)信息；投標(biāo)信息包括：相似度度量emd和報價；投標(biāo)信息用于服務(wù)器從多個客戶端中確定多個待選客戶端。

21、第四方面，提供了一種數(shù)據(jù)傳輸裝置，應(yīng)用于服務(wù)器，數(shù)據(jù)傳輸裝置包括：傳輸單元；傳輸單元，用于接收多個客戶端中每個客戶端發(fā)送的各自訓(xùn)練的本地模型的模型參數(shù)；每個客戶端的模型參數(shù)為每個客戶端基于每個客戶端的公鑰，對每個客戶端的模型參數(shù)加密得到的；每個客戶端的公鑰為基于服務(wù)器的第一私鑰和每個客戶端的第二私鑰生成的。

22、在一種可能的實(shí)現(xiàn)方式中，數(shù)據(jù)傳輸裝置還包括：處理單元；處理單元，用于對每個客戶端的模型參數(shù)聚合，得到聚合模型參數(shù)；處理單元，還用于基于第一私鑰，對聚合模型參數(shù)加密；傳輸單元，還用于向每個客戶端發(fā)送加密后的聚合模型參數(shù)。

23、在一種可能的實(shí)現(xiàn)方式中，傳輸單元，還用于接收每個客戶端發(fā)送的第二私鑰；處理單元，還用于根據(jù)第一私鑰和每個客戶端的第二私鑰，對聚合模型參數(shù)解密；處理單元，還用于基于解密后的聚合模型參數(shù)更新服務(wù)器訓(xùn)練的全局模型的模型參數(shù)，直至全局模型訓(xùn)練完成。

24、在一種可能的實(shí)現(xiàn)方式中，傳輸單元，還用于接收需求方發(fā)送的招標(biāo)信息、以及每個客戶端發(fā)送的投標(biāo)信息；招標(biāo)信息包括：相似度度量emd范圍；投標(biāo)信息包括：emd和報價；處理單元，還用于基于招標(biāo)信息、以及每個客戶端的投標(biāo)信息，通過訓(xùn)練完成的全局模型從多個客戶端中確定多個待選客戶端；待選客戶端的emd位于emd范圍內(nèi)；待選客戶端的報價低于多個客戶端中除多個待選客戶端以外的客戶端；傳輸單元，還用于向需求方發(fā)送選擇多個待選客戶端的消息。

25、在一種可能的實(shí)現(xiàn)方式中，需求方用于基于需求方的預(yù)算，以及每個待選客戶端的報價，從多個待選客戶端中確定中標(biāo)的客戶端。

26、在一種可能的實(shí)現(xiàn)方式中，多個客戶端提供的資源類型與需求方請求的資源類型相同。

27、第五方面，一種電子設(shè)備，包括：處理器以及存儲器；其中，存儲器用于存儲一個或多個程序，一個或多個程序包括計算機(jī)執(zhí)行指令，當(dāng)電子設(shè)備運(yùn)行時，處理器執(zhí)行存儲器存儲的計算機(jī)執(zhí)行指令，以使電子設(shè)備執(zhí)行如第一方面和第二方面的一種數(shù)據(jù)傳輸方法。

28、第六方面，提供了一種存儲一個或多個程序的計算機(jī)可讀存儲介質(zhì)，該一個或多個程序包括指令，上述指令當(dāng)被計算機(jī)執(zhí)行時使計算機(jī)執(zhí)行如第一方面和第二方面的一種數(shù)據(jù)傳輸方法。

29、第七方面，提供了一種計算機(jī)程序產(chǎn)品，當(dāng)計算機(jī)指令在電子設(shè)備上運(yùn)行時，電子設(shè)備執(zhí)行如第一方面和第二方面的一種數(shù)據(jù)傳輸方法。

30、本技術(shù)提供了一種數(shù)據(jù)傳輸方法、裝置、設(shè)備、存儲介質(zhì)及程序產(chǎn)品，應(yīng)用于數(shù)據(jù)傳輸?shù)膱鼍爸?。在客戶端需要向服?wù)器傳輸模型參數(shù)時，可以獲取來自服務(wù)器的第一私鑰和目標(biāo)客戶端生成的第二私鑰，并根據(jù)第一私鑰和第二私鑰，生成目標(biāo)客戶端的公鑰。進(jìn)一步的，根據(jù)目標(biāo)客戶端的公鑰對目標(biāo)客戶端訓(xùn)練的本地模型的模型參數(shù)進(jìn)行加密，并向服務(wù)器發(fā)送加密后的模型參數(shù)，以使得服務(wù)器根據(jù)模型參數(shù)訓(xùn)練得到本地模型對應(yīng)的全局模型。即根據(jù)服務(wù)器的私鑰這一密鑰和客戶端的私鑰這一密鑰，得到的公鑰對模型參數(shù)進(jìn)行加密，可以達(dá)到雙密鑰加密的效果，這樣，可以確保模型參數(shù)傳輸時的安全性，避免通過獲取模型參數(shù)提取客戶端的算力資源數(shù)據(jù)。

31、通過上述方法，可以根據(jù)服務(wù)器的私鑰和客戶端的私鑰生成的公鑰，對客戶端向服務(wù)器發(fā)送的模型參數(shù)進(jìn)行加密。從而，解決了通過聯(lián)邦學(xué)習(xí)的方法訓(xùn)練模型時，仍然存在一些可以提取客戶端的算力資源數(shù)據(jù)的方法，導(dǎo)致隱私泄露問題較為嚴(yán)重，無法保障數(shù)據(jù)安全的技術(shù)問題，提升了數(shù)據(jù)傳輸?shù)陌踩浴?/p>