(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 202211210034.4 (22)申请日 2022.09.30 (71)申请人 之江实验室 地址 310023 浙江省杭州市余杭区文一西 路1818号人工智能小镇10号楼 (72)发明人 王海军　那崇宁　 (74)专利代理 机构 杭州求是专利事务所有限公 司 33200 专利代理师 邱启旺 (51)Int.Cl. G06Q 30/06(2012.01) G06Q 40/04(2012.01) G06F 21/62(2013.01) G06F 21/60(2013.01) G06N 20/00(2019.01) (54)发明名称 一种基于主从博弈的联邦数据差分隐私交 易方法 (57)摘要 本发明公开了一种基于主从博弈的联邦数 据差分隐私交易方法， 该方法在数据资源需求方 与数据资源供应方之间运用联邦学习以及差分 隐私计算进行数据信息的传输， 在双方之间运用 主从博弈理论进行数据的意愿出价τ 以及意愿 交付数据量χo的决策交流， 进而实现数据需求 方的意愿出价τ确定以及数据资源供应方的意 愿交付数据量χo确定。 相较于传统方法， 本发明 在数据资源供需双方交互的过程中不产生实际 的数据交易行为并能够保证价格信息与数据信 息的高效流通， 有效地解决了数据资源供需双方 的意愿出价τ与意愿交付数据量χo的交互及确 定问题， 有助于构建更加健康和可持续发展的数 据交互和交易。 权利要求书1页 说明书6页 CN 115511566 A 2022.12.23 CN 115511566 A 1.一种基于主从博 弈的联邦数据差分隐私交易方法， 其特 征在于， 包括以下步骤： 步骤一： 数据资源需求方拥有第一数据集Dg及数据标签Υ， 所述第一数据集Dg及数据标 签Υ在模型M下训练， 得出所述模型M的第 一参数ωg和初始精度θ0， 数据资源需求方判断所 述初始精度 θ0产生的第一效用Ud是否达到要求， 若 达到要求， 则过程终止； 若未达到要求， 则 进入步骤二； 步骤二： 数据资源需求方向数据资源供应方发送一个差分隐私计算参数ε， 数据资源供 应方判断是否在差分隐私计算参数ε下与数据资源需求方进行交易， 若在差分隐私计算参 数 ε下进行交易， 则进入步骤三； 若不在差分隐私计算 参数 ε下进行交易， 则终止； 步骤三： 数据资源需求方将所述模型M发送给数据资源供应方， 在差分隐私计算参数ε 下采用模型M对第一数据集Dg进行训练得出新的第一参数ωg， 并反复向数据资源供应方发 送新的第一 参数ωg及购买数据的意愿出价 τ； 步骤四： 数据资源供应方根据第二效用Uo， 在数据资源需求方的意愿出价τ下确定意愿 交付数据量χo， 并将意愿交付数据量χo对应的第二数据集Do在所述模 型M及差分隐私计算参 数 ε下训练， 得到第二 参数ωo并发送给 数据资源需求方； 步骤五： 数据资源需求方将新的第一参数ωg与所述第二参数ωo再次更新第一参数 ωg， 所述第一 数据集Dg及数据标签Υ在模型M及差分隐私计 算参数 ε下获得稳定的联邦数据 精度θ， 并判断所述联邦数据精度θ与其从第一效用Ud中获得的期望精度θe是否相等， 若相 等， 则过程终止并以意愿出价τ向数据资源供应方购买意愿交付数据量χo对应的第二数据 集Do； 若不相等， 则重新向数据资源供应方发送所述 意愿出价 τ。 2.根据权利要求1所述的基于主从博弈的联邦数据差分隐私交易方法， 其特征在于， 数 据资源需求方根据第一效用Ud最大化以及预期的数据资源供应方的意愿交付数据量χo， 以 得到最优意愿 出价τ与最优意愿交付数据量χo的对应关系， 所述联邦数据精度θ 能够表示为 意愿交付数据量χo的凸函数， 即所述期 望精度 θe与意愿交付数据量χo存在对应关系， 以得到 所述期望精度θe与意愿出价τ 的对应关系， 数据资源需求方根据所述意愿出价τ得到所述期 望精度 θe。 3.根据权利要求1所述的基于主从博弈的联邦数据差分隐私交易方法， 其特征在于， 数 据资源需求方和数据资源供应方的数据信息传递方式包括： 数据资源需求方通过反 复发送 意愿出价τ 的方式来向数据资源供应方传递所期望达到的联邦数据精度信息； 数据资源供 应方通过第二数据集Do在所述模型M及差分隐私计算参数ε下训练出来的第二参数ωo向数 据资源需求方传递数据信息 。 4.根据权利要求1所述的基于主从博弈的联邦数据差分隐私交易方法， 其特征在于， 数 据资源需求方和数据资源供应方信息交互完成的标志为： 所述差分隐私下的联邦数据 精度 θ与所述期望精度 θe相等。 5.根据权利要求4所述的基于主从博弈的联邦数据差分隐私交易方法， 其特征在于， 数 据资源需求方与数据资源供应方进行多次价格信息的交互并运用施加差分隐私的联邦学 习技术进行数据信息的交 互， 在双方信息交 互完成后进行真实的数据交易。权　利　要　求　书 1/1 页 2 CN 115511566 A 2一种基于主从博弈的联邦数据差分隐私 交易方法 技术领域 [0001]本发明涉及计算机应用技术领域， 尤其涉及一种基于主从博弈的联邦数据差分隐 私交易方法。 背景技术 [0002]计算机应用技术在经济场景 中的应用已经成为趋势， 计算机应用技术中的数字化 与智能化发展更使场景中跨机构的大数据共享和分布式人工智能算法的联合建模得到了 实现。 基于联邦学习的分布式人工智能算法框架保证了不需要参与方提供数据的情况下各 参与方能够协作训练模型。 但是， 不需要参与方提供数据的联邦学习仍然会存在泄露参与 方隐私的问题， 对此同态加密、 多方安全计算等加密算法框架被用来保护参与方的隐私信 息， 然而这些加密算法框架无法有效地衡量参与方信息的加密程度， 能够衡量加密程度并 进行加密程度调整的差分隐私技术应运而生。 至此， 联邦学习与差分隐私计算为计算机应 用技术从通过技术处理经济场景中的问题拓展到运用技术搭建平台处理各参与方相互间 的经济问题提供 可能。 [0003]目前国内外学术界和工业界也在探索如何运用计算机技术搭建算法来处理数据 资源需求方与 数据资源供应方间的数据交易问题， 如FedAvg、 DP ‑SGD、 DP‑FedAvg‑GAN等框 架。 这些框架多聚焦于通过算法对各参与方的数据进 行隐私保护并最大程度的保证了模型 训练效果， 但其中各参与方需要严格提供算法框架所要求的数据量等， 未考虑各参与方对 自有数据的数据量等方面具备决策的自主性。 联邦学习的激励理论或差分隐私联邦学习的 激励理论中考虑了各参与方在自有数据上的决策自主性， 然而这些激励理论重点在于将各 参与方的决策纳 入联邦学习或差分隐私联邦学习的算法框架之中， 即引导各参与方多次做 出达到联邦学习或差分隐私联邦学习要求的决策， 从而保证算法框架的顺利运行。 而涉及 数据资源需求方与数据资源供应方间的数据交易问题， 双方的出发点往往 是使算法框架 服 务于各自的决策以实现各自的经济效益或效用最大化， 而非各自的决策服 务于算法框架。 [0004]因此， 现有的技术问题在于： 1.现有联邦学习 或差分隐私联邦学习尚未充分考虑 各参与方对自有 数据的决策自主性， 而对数据拥有所有权的参与方通常对此拥有很强的决 策自主性； 2.现有联邦学习或差 分隐私联邦学习的激励理论将数据资源供需双方的决策纳 入算法框架， 难以为数据资源供需双方 的经济行为提供支持， 实际上数据资源供需双方通 常期望算法框架能够服 务于各自的决策以指导 其经济行为。 发明内容 [0005]本发明的目的在于针对现有联邦学习以及差分隐私在数据资源交易中的不足， 提 供一种基于主从博弈的联邦数据差 分隐私交易方法。 该交易方法有助于数据资源供需双方 运用算法框架服务于数据 交易， 其中， 数据资源需求方与数据资源供应方的行为均是理性 的， 即双方均以各自的经济效益或效用最大化为出发点， 数据资源需求方首先给出意愿的 数据价格， 随后数据资源供应方根据意愿的数据价格给出意愿交付数据量， 在过程中通过说　明　书 1/6 页 3 CN 115511566 A 3