技术摘要：
本发明公开了一种信息传递方法、装置、设备及计算机可读存储介质，所述方法包括：获取联邦学习任务中的待传递信息，并按照预设的变换规则对所述代传递信息进行变换处理得到变换信息；将所述变换信息和所述变换规则发送给接收方，以供所述接收方基于所述变换规则对所述  全部
背景技术：
随着计算机技术的发展，越来越多的技术(大数据、分布式、区块链Blockchain、人 工智能等)应用在金融领域，传统金融业正在逐步向金融科技(Fintech)转变，但由于金融 行业的安全性、实时性要求，也对技术提出了更高的要求。 目前，通过数据不出本地的方式联合多方进行模型训练的联邦学习建模方式，已 应用到了越来越多的领域中为解决“数据孤岛”的问题。目前联邦学习过程中，各方会互相 发送梯度信息或模型参数信息，通过这些信息的传递，协作完成联邦学习任务，然而直接发 送梯度信息或模型参数信息的情况下，若梯度信息或模型参数信息泄露给第三方攻击者， 第三方攻击者可能会使用链式法则在梯度信息基础上还原得到模型的输入数据，而这些数 据往往是隐私数据，而模型参数信息也是模型的重要信息，不能随意泄露。因此，直接发送 梯度信息或模型参数信息的方式仍然会导致隐私信息的泄露。 现有方案采用加密算法对要传递的梯度信息或模型参数信息进行加密后再发送， 使得第三方攻击者只能获取到密文，而无法解密得到原始信息。然而加密过程中往往需要 采用很大的数进行加密计算，再加上梯度信息和模型参数信息本身就是很大量的数据，导 致信息传递过程中的计算量大，进而导致信息传递效率低，进而影响联邦学习建模效率。
技术实现要素：
本发明的主要目的在于提供一种信息传递方法、装置、设备及计算机可读存储介 质，旨在解决现有通过加密的方式保护联邦学习建模过程中要传递的信息，所带来的计算 量大的问题。 为实现上述目的，本发明提供一种信息传递方法，所述信息传递方法应用于参与 联邦学习的设备，所述信息传递方法包括以下步骤： 获取联邦学习任务中的待传递信息，并按照预设的变换规则对所述代传递信息进 行变换处理得到变换信息； 将所述变换信息和所述变换规则发送给接收方，以供所述接收方基于所述变换规 则对所述变换信息进行还原处理得到所述待传递信息，以基于所述待传递信息继续执行联 邦学习任务。 可选地，所述获取联邦学习任务中的待传递信息的步骤包括： 获取联邦学习任务中的待传递向量，所述待传递向量是梯度向量或参数向量； 对所述待传递向量进行量化处理，得到所述待传递向量对应的近似整型向量，并 将所述近似整型向量作为所述待传递信息。 可选地，所述按照预设的变换规则对所述代传递信息进行变换处理得到变换信息 5 CN 111582503 A 说　明　书 2/16 页 的步骤包括： 按照预设的变换规则对所述近似整型向量进行变换处理得到变换向量，将所述变 换向量作为所述变换信息，其中，所述变换向量中的部分元素与所述近似整型向量中对应 位置的元素不同。 可选地，所述按照预设的变换规则对所述近似整型向量进行变换处理得到变换向 量的步骤包括： 按照预设的变换规则对所述近似整型向量进行变换处理，得到所述近似整型向量 的正交向量，将所述正交向量作为所述变换向量。 可选地，所述对所述待传递向量进行量化处理，得到所述待传递向量对应的近似 整型向量的步骤包括： 根据余弦相似度公式对所述待传递向量进行近似量化处理，得到所述待传递向量 的近似整型向量。 可选地，所述根据余弦相似度公式对所述待传递向量进行近似量化处理，得到所 述待传递向量的近似整型向量的步骤包括： 获取所述待传递向量对应的降序向量； 将所述降序向量和候选数量值代入最大化目标值的最大化公式中进行计算，选取 使得所述目标值最大的候选数量值作为目标数量值，其中，所述最大化公式是基于余弦相 似度公式构建的，在所述最大化公式中，所述目标值等于对所述降序向量中目标元素求和 后除以根号下的所述目标数量得到的结果，所述目标元素为所述降序向量中序号小于或等 于所述候选数量值的元素； 基于所述目标数量值进行分配量化值操作，得到所述待传递向量对应的近似整型 向量。 可选地，所述获取所述待传递向量对应的降序向量的步骤包括： 对所述待传递向量进行单位化处理得到单位化向量； 对所述单位化向量中各元素取绝对值后进行降序排列，得到降序向量； 所述基于所述目标数量值进行分配量化值操作，得到所述待传递向量对应的近似 整型向量的步骤包括： 确定所述降序向量中序号小于或等于所述目标数量值的元素作为降序元素，并将 所述单位化元素中与所述降序元素对应的元素作为保留元素； 为所述单位化向量中各元素对应分配量化值，得到所述待传递向量对应的近似整 型向量，其中，对所述保留元素中大于零的元素对应分配正1，对所述保留元素中小于零的 元素对应分配负1，对所述单位化向量中保留元素以外的元素对应分配0。 可选地，所述根据余弦相似度公式对所述待传递向量进行近似量化处理，得到所 述待传递向量的近似整型向量的步骤包括： 将预设整型向量与所述待传递向量代入余弦相似度公式中，其中，所述预设整型 向量的各元素值待确定； 对所述余弦相似度公式进行求解得到所述预设整型向量的各元素值，将已确定各 元素值的预设整型向量作为所述待传递向量的近似整型向量，其中，已确定各元素值的预 设整型向量使得所述余弦相似度公式的余弦值最大化。可选地，所述并按照预设的变换规 6 CN 111582503 A 说　明　书 3/16 页 则对所述代传递信息进行变换处理得到变换信息的步骤之后，还包括： 将所述待传递向量投影到所述近似整型向量上，得到所述近似整型向量相对于所 述待传递向量的缩放系数； 将所述缩放系数发送给所述接收方，以供所述接收方基于所述变换规则对所述变 换信息进行还原处理得到所述近似整型向量后，基于所述缩放系数对所述近似整型向量进 行缩放，以基于缩放结果继续执行联邦学习任务。 可选地，所述将所述变换信息和所述变换规则发送给接收方的步骤包括： 将所述变换信息和所述变换规则基于不同的通信通道发送给接收方；或， 将所述变换规则进行加密，并将所述变换信息和加密后的变换规则发送给接收 方；或， 将所述变换规则进行加密，并将所述变换信息和加密后的变换规则基于不同的通 信通道发送给接收方。 为实现上述目的，本发明还提供一种信息传递装置，所述信息传递装置部署于参 与联邦学习的设备，所述信息传递装置包括： 变换模块，用于获取联邦学习任务中的待传递信息，并按照预设的变换规则对所 述代传递信息进行变换处理得到变换信息； 发送模块，用于将所述变换信息和所述变换规则发送给接收方，以供所述接收方 基于所述变换规则对所述变换信息进行还原处理得到所述待传递信息，以基于所述待传递 信息继续执行联邦学习任务。 为实现上述目的，本发明还提供一种信息传递设备，所述信息传递设备包括：存储 器、处理器及存储在所述存储器上并可在所述处理器上运行的信息传递程序，所述信息传 递程序被所述处理器执行时实现如上所述的信息传递方法的步骤。 此外，为实现上述目的，本发明还提出一种计算机可读存储介质，所述计算机可读 存储介质上存储有信息传递程序，所述信息传递程序被处理器执行时实现如上所述的信息 传递方法的步骤。 本发明中，通过获取联邦学习任务中的待传递信息，并按照预设的变换规则对待 传递信息进行变换处理得到变换信息，并将变换信息和变化规则发送给接收方，以供接收 方根据变换规则对变换信息进行还原处理得到该待传递信息，基于该待传递信息继续执行 联邦学习任务。本发明中，由于传递的是按照变换规则进行变换处理后的待传递信息，而不 是待传递信息本身，使得第三攻击者只能获取变换后的待传递信息，在没有变换规则的情 况下，无法还原得到待传递信息本身，从而无法窃取到联邦学习中的隐私信息；且虽然变换 规则也发送给接收方，但是与变换信息是独立的，第三方攻击者即使截取变换规则，也难以 获知可采用变换规则来对待传递信息进行还原，从而无法窃取到联邦学习中的隐私信息， 提高了联邦学习的隐私保护效果。由于接收方可以采用变换规则对变换信息进行还原得到 待传递信息，使得在信息传递过程中，接收方最后得到的信息与发送的信息一致，不会造成 信息损失，从而不会影响模型的训练效果，相比于对信息加噪声的映射保护方式，本发明方 案提供了更精准的信息传递。相比于采用加密方式对进行保护的方法，本发明中，由于是采 用预先设置的变换规则来对待传递信息进行变换处理，变换规则可以设置得较简单，无需 采用复杂的加密算法和加密密钥进行计算，从而减少了信息传递过程中的计算量，提高了 7 CN 111582503 A 说　明　书 4/16 页 联邦学习过程中的信息传递效率，进而提高了联邦学习建模效率。需要说明的是，本发明 中，发送方传递给接收方的是变换规则本身，而不是加密算法的密钥，因此本发明方案中的 变换规则与加密算法是不同的，从而本发明中采用变换规则进行变换处理的方案，与采用 加密算法进行隐私保护的方案是不同的。并且，变换规则相对于加密算法而言，可以更随 机，也即各次传递过程中可以采用自定义的不同的变换规则来进行变换处理，使得第三方 攻击者没有规律可循，也无法采用现有的加密算法来进行破解。 附图说明 图1为本发明实施例方案涉及的硬件运行环境的结构示意图； 图2为本发明信息传递方法第一实施例的流程示意图； 图3为本发明实施例方案涉及的一种公式(1)； 图4为本发明实施例方案涉及的一种公式(2)； 图5为本发明实施例方案涉及的一种公式(3)； 图6为本发明信息传递装置较佳实施例的功能示意图模块图。 本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。