CN112286703B - 用户分类方法、装置、客户端设备及可读存储介质 - Google Patents

用户分类方法、装置、客户端设备及可读存储介质 Download PDF

Info

Publication number
CN112286703B
CN112286703B CN202011245082.8A CN202011245082A CN112286703B CN 112286703 B CN112286703 B CN 112286703B CN 202011245082 A CN202011245082 A CN 202011245082A CN 112286703 B CN112286703 B CN 112286703B
Authority
CN
China
Prior art keywords
network node
information
ciphertext
user classification
data set
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011245082.8A
Other languages
English (en)
Other versions
CN112286703A (zh
Inventor
许文彬
林俊良
吴凯
罗愿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianmian Information Technology Shenzhen Co ltd
Original Assignee
Tianmian Information Technology Shenzhen Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianmian Information Technology Shenzhen Co ltd filed Critical Tianmian Information Technology Shenzhen Co ltd
Priority to CN202011245082.8A priority Critical patent/CN112286703B/zh
Publication of CN112286703A publication Critical patent/CN112286703A/zh
Application granted granted Critical
Publication of CN112286703B publication Critical patent/CN112286703B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/54—Interprogram communication
    • G06F9/546—Message passing systems or structures, e.g. queues
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/54—Interprogram communication
    • G06F9/547—Remote procedure calls [RPC]; Web services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • H04L63/0442—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload wherein the sending and receiving network entities apply asymmetric encryption, i.e. different keys for encryption and decryption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/54—Indexing scheme relating to G06F9/54
    • G06F2209/544—Remote
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/54—Indexing scheme relating to G06F9/54
    • G06F2209/547—Messaging middleware

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明涉及数据处理，揭露一种用户分类方法，包括：基于数据集描述信息确定联合建模的第二网络节点；与第二网络节点的客户端设备进行消息交互，确定执行联合建模的第三网络节点；确定共有样本ID，建立初始用户分类模型，将初始用户分类模型发送给第三网络节点；利用本地数据集对初始用户分类模型进行训练，得到第一参数，接收第三网络节点反馈的第二参数，循环交换当前模型参数，得到目标用户分类模型；获取用户分类请求携带的用户数据，将用户数据输入目标用户分类模型，得到用户分类结果。本发明还提供一种用户分类装置、客户端设备及可读存储介质。本发明提高了用户分类准确度，保证了数据集的安全性。

Description

用户分类方法、装置、客户端设备及可读存储介质
技术领域
本发明涉及数据处理领域，尤其涉及一种用户分类方法、装置、客户端设备及可读存储介质。
背景技术
随着科技的发展，模型的应用越来越广泛，例如，运用模型对用户进行精准分类，当前通常根据所采集到的数据集对用户分类模型进行训练，由于数据隐私安全方面的要求，所采集到的数据集较为有限，导致数据集不够全面，训练得到的模型分类准确度不高。
如今，可通过多方联合建模的方式完善数据集，然而，在不知道其他参与方的信息时，如何选择合适的合作对象以解决数据集缺失问题，并建立安全的在线交流方式以保证各方数据的安全从而实现对用户精准分类呢？当前没有相关的解决方案，因此，亟需一种用户分类方法，以提升用户分类准确度，并保证数据集安全性。
发明内容
鉴于以上内容，有必要提供一种用户分类方法，旨在提升用户分类准确度，保证数据集安全性。
本发明提供的用户分类方法，应用于第一客户端设备，所述第一客户端设备为联合建模系统中第一网络节点的客户端设备，所述联合建模系统包括中心服务器及多个网络节点，每个网络节点包括一个客户端设备及一个网关设备，所述方法包括：
向所述第一网络节点的第一网关设备发出针对用户分类模型的联合建模请求，接收所述第一网关设备从所述中心服务器获取的网络节点信息表，所述网络节点信息表包括：各个网络节点对应的数据集描述信息及网关设备信息，基于所述数据集描述信息确定联合建模的第二网络节点；
基于所述第二网络节点的网关设备信息与所述第二网络节点的客户端设备进行消息交互，基于消息交互结果确定执行联合建模的第三网络节点；
确定本地数据集密文与所述第三网络节点的数据集密文的共有样本ID，基于所述共有样本ID建立初始用户分类模型，基于所述第三网络节点的网关设备信息将所述初始分类模型发送给所述第三网络节点的客户端设备进行模型训练；
利用本地数据集对所述初始用户分类模型进行训练，得到第一参数，接收所述第三网络节点反馈的第二参数，基于所述第一、第二参数更新所述初始用户分类模型得到第三参数，将所述第三参数发送给所述第三网络节点，循环交换当前模型参数，直至模型训练结束，得到目标用户分类模型；
解析用户发出的用户分类请求，获取所述用户分类请求携带的用户数据，将所述用户数据输入所述目标用户分类模型，得到用户分类结果。
可选的，所述基于所述第二网络节点的网关设备信息与所述第二网络节点的客户端设备进行消息交互，包括：
将建模请求信息封装为预设格式的第一消息包，计算所述第一消息包的第一信息摘要值；
用第一私钥加密所述第一消息包，得到第一密文；
将所述第一密文、第一信息摘要值及所述第二网络节点的网关设备信息发送给所述第一网关设备，以供所述第一网关设备基于所述第二网络节点的网关设备信息将所述第一密文及第一信息摘要值发送给所述第二网络节点的网关设备；
从所述第一网关设备获取所述第二网络节点的网关设备反馈的第二密文和第二信息摘要值，解密所述第二密文得到第二消息包，并判断所述第二消息包的真实性。
可选的，所述网络节点信息表还包括各网络节点对应的公钥信息，所述解密所述第二密文得到第二消息包，并判断所述第二消息包的真实性，包括：
从所述网络节点信息表中获取所述第二网络节点对应的第二公钥，用所述第二公钥解密所述第二密文得到第二消息包；
计算所述第二消息包的信息摘要值，当计算得到的信息摘要值与所述第二信息摘要值一致时，判断所述第二消息包为真实信息。
可选的，所述确定本地数据集密文与所述第三网络节点的数据集密文的共有样本ID，包括：
计算本地数据集中各个样本ID的第一哈希值，采用预设加密算法加密所述第一哈希值得到第三密文；
获取所述第三网络节点反馈的第四密文，所述第四密文是所述第三网络节点的数据集中各个样本ID的第二哈希值经所述预设加密算法加密得到的；
计算所述第三密文与所述第四密文的交集，得到共有样本ID。
可选的，在计算所述第二消息包的信息摘要值之后，所述方法还包括：
若计算得到的信息摘要值与所述第二信息摘要值不一致，则判断所述第二消息包为假信息，丢弃所述第二消息包。
可选的，所述数据集描述信息包括数据集ID、数据集内容简介、数据集大小、数据集被使用次数、数据集上传时间。
为了解决上述问题，本发明还提供一种用户分类装置，所述装置包括：
接收模块，用于向第一网络节点的第一网关设备发出针对用户分类模型的联合建模请求，接收所述第一网关设备从中心服务器获取的网络节点信息表，所述网络节点信息表包括：各个网络节点对应的数据集描述信息及网关设备信息，基于所述数据集描述信息确定联合建模的第二网络节点；
确定模块，用于基于所述第二网络节点的网关设备信息与所述第二网络节点的客户端设备进行消息交互，基于消息交互结果确定执行联合建模的第三网络节点；
建立模块，用于确定本地数据集密文与所述第三网络节点的数据集密文的共有样本ID，基于所述共有样本ID建立初始用户分类模型，基于所述第三网络节点的网关设备信息将所述初始分类模型发送给所述第三网络节点的客户端设备进行模型训练；
训练模块，用于利用本地数据集对所述初始用户分类模型进行训练，得到第一参数，接收所述第三网络节点反馈的第二参数，基于所述第一、第二参数更新所述初始用户分类模型得到第三参数，将所述第三参数发送给所述第三网络节点，循环交换当前模型参数，直至模型训练结束，得到目标用户分类模型；
分类模块，用于解析用户发出的用户分类请求，获取所述用户分类请求携带的用户数据，将所述用户数据输入所述目标用户分类模型，得到用户分类结果。
可选的，所述基于所述第二网络节点的网关设备信息与所述第二网络节点的客户端设备进行消息交互，包括：
将建模请求信息封装为预设格式的第一消息包，计算所述第一消息包的第一信息摘要值；
用第一私钥加密所述第一消息包，得到第一密文；
将所述第一密文、第一信息摘要值及所述第二网络节点的网关设备信息发送给所述第一网关设备，以供所述第一网关设备基于所述第二网络节点的网关设备信息将所述第一密文及第一信息摘要值发送给所述第二网络节点的网关设备；
从所述第一网关设备获取所述第二网络节点的网关设备反馈的第二密文和第二信息摘要值，解密所述第二密文得到第二消息包，并判断所述第二消息包的真实性。
为了解决上述问题，本发明还提供一种客户端设备，所述客户端设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的用户分类程序，所述用户分类程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述用户分类方法。
为了解决上述问题，本发明还提供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用户分类程序，所述用户分类程序可被一个或者多个处理器执行，以实现上述用户分类方法。
相较现有技术，本发明首先基于数据集描述信息确定联合建模的第二网络节点；基于第二网络节点的网关设备信息与第二网络节点的客户端设备进行消息交互，确定执行联合建模的第三网络节点，本步骤中通过各个网络节点的网关设备建立网络节点间的通信连接，网关设备是每个网络节点对外通信的唯一出口，每个网络节点中的客户端设备与网关设备通过远程连接通信，充分保证了通信的安全性；接着，确定本地数据集密文与第三网络节点的数据集密文的共有样本ID，建立初始用户分类模型，将初始用户分类模型发送给第三网络节点的客户端设备进行模型训练，本步骤基于数据集密文确定共有样本ID，保证了数据集的安全性；最后，利用本地数据集对初始用户分类模型进行训练，得到第一参数，接收第三网络节点反馈的第二参数，循环交换当前模型参数，得到目标用户分类模型，本步骤与第三网络节点交换模型参数，联合训练模型，丰富了数据集内容，使得训练得到的模型的用户分类准确性更高。因此，本发明提升了用户分类准确度，并保证了数据集的安全性。
附图说明
图1为本发明一实施例提供的用户分类方法的流程示意图；
图2为本发明一实施例提供的用户分类装置的模块示意图；
图3为本发明一实施例提供的实现用户分类方法的客户端设备的应用环境图；
图4为本发明一实施例提供的实现用户分类方法的客户端设备的结构示意图；
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。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
本发明提供一种用户分类方法。参照图1所示，为本发明一实施例提供的用户分类方法的流程示意图。该方法可以由一个客户端设备执行，该客户端设备可以由软件和/或硬件实现。
本实施例中，用户分类方法应用于联合建模系统中第一网络节点的第一客户端设备，所述联合建模系统包括中心服务器及多个网络节点，每个网络节点包括一个客户端设备及一个网关设备，每个网络节点中的客户端设备与网关设备通过远程调用连接，所述方法包括：
S1、向所述第一网络节点的第一网关设备发出针对用户分类模型的联合建模请求，接收所述第一网关设备从所述中心服务器获取的网络节点信息表，所述网络节点信息表包括：各个网络节点对应的数据集描述信息及网关设备信息，基于所述数据集描述信息确定联合建模的第二网络节点。
本实施例中，联合建模系统包括中心服务器和多个网络节点，每个网络节点包括一个客户端设备及一个网关设备，网关设备是每个网络节点对外通信的唯一出口，每个网络节点中的客户端设备与网关设备通过gRPC(Google Remote Procedure Call，Google远程过程调用)进行通信，这种方法保证了客户端设备中存储的数据的安全性。
中心服务器中存储有各个网络节点上报的网络节点信息(数据集描述信息、网关设备信息)，汇总得到网络节点信息表。
所述数据集描述信息包括数据集ID、数据集内容简介、数据集大小、数据集被使用次数、数据集上传时间。因用户信息为私密信息，为保证安全，通常多个网络节点间不共享用户数据。此时，为了丰富数据集，可基于用户分类模型的数据集需求及所述数据集描述信息，初步确定符合要求的数据集对应的第二网络节点。
例如，第一网络节点为购物平台，其数据集只有用户的购物数据，通过数据集描述信息，可初步确定第二网络节点为教育平台、银行平台、社保平台、医疗平台。
S2、基于所述第二网络节点的网关设备信息与所述第二网络节点的客户端设备进行消息交互，基于消息交互结果确定执行联合建模的第三网络节点。
所述网关设备信息包括网关设备ID和端口信息。
所述基于所述第二网络节点的网关设备信息与所述第二网络节点的客户端设备进行消息交互，包括：
A11、将建模请求信息封装为预设格式的第一消息包，计算所述第一消息包的第一信息摘要值；
本实施例中，预设格式的消息包为WebSocket消息包，信息摘要值为消息包的MD5值。
A12、用第一私钥加密所述第一消息包，得到第一密文；
本实施例中，第一私钥为第一客户端设备用户的RSA密钥对的私钥。
A13、将所述第一密文、第一信息摘要值及所述第二网络节点的网关设备信息发送给所述第一网关设备，以供所述第一网关设备基于所述第二网络节点的网关设备信息将所述第一密文及第一信息摘要值发送给所述第二网络节点的网关设备；
第一客户端设备(即第一网络节点的客户端设备，为本发明的执行主体)将第一密文、第一信息摘要值及第二网络节点的网关设备信息通过gRPC发送给第一网关设备(第一网络节点的网关设备)后，第一网关设备根据第二网络节点的网关设备IP和端口信息与第二网络节点的网关设备建立通信连接，并传送第一密文及第一信息摘要值，第二网络节点的网关设备又将收到的第一密文、第一信息摘要值通过gRPC发送给第二网络节点的客户端设备，第二网络节点的客户端设备从网络节点信息表中获取第一网络节点对应的第一公钥，用第一公钥解密第一密文得到第一消息包，根据第一信息摘要值判断第一消息包的真实性，当信息真实时，反馈第二信息包，计算第二信息包的第二信息摘要值，并用自身的私钥(即第二私钥)加密第二信息包得到第二密文，将第二密文和第二信息摘要值发送给第二网络节点的网关设备。
A14、从所述第一网关设备获取所述第二网络节点的网关设备反馈的第二密文和第二信息摘要值，解密所述第二密文得到第二消息包，并判断所述第二消息包的真实性。
由此可知，本实施例中每个网络节点中的网关设备为对外通信的唯一出口，充分保证了消息包的安全性，同时，传送消息包前还对消息包加密，计算消息包的信息摘要值，更提高了消息包的安全性和私密性。
所述网络节点信息表还包括各网络节点对应的公钥信息，所述解密所述第二密文得到第二消息包，并判断所述第二消息包的真实性，包括：
B11、从所述网络节点信息表中获取所述第二网络节点对应的第二公钥，用所述第二公钥解密所述第二密文得到第二消息包；
B12、计算所述第二消息包的信息摘要值，当计算得到的信息摘要值与所述第二信息摘要值一致时，判断所述第二消息包为真实信息。
本实施例中，在计算所述第二消息包的信息摘要值之后，所述方法还包括：
若计算得到的信息摘要值与所述第二信息摘要值不一致，则判断所述第二消息包为假信息，丢弃所述第二消息包。
本步骤建立了第一网络节点的客户端设备与多个第二网络节点的客户端设备的通信连接，各客户端设备的用户可在线沟通、交流(消息交互)，基于交流结果(消息交互结果)确定联合建模的最终参与方(第三网络节点)。
例如，购物平台的用户在与教育平台、银行平台、社保平台、医疗平台的客户端设备建立通信连接后，可咨询对方更为具体的内容，例如，数据集包括的指标名称，是否愿意联合建模等，根据交流结果确定执行联合建模的第三网络节点为银行平台及社保平台。
S3、确定本地数据集密文与所述第三网络节点的数据集密文的共有样本ID，基于所述共有样本ID建立初始用户分类模型，基于所述第三网络节点的网关设备信息将所述初始分类模型发送给所述第三网络节点的客户端设备进行模型训练。
所述确定本地数据集密文与所述第三网络节点的数据集密文的共有样本ID，包括：
C11、计算本地数据集中各个样本ID的第一哈希值，采用预设加密算法加密所述第一哈希值得到第三密文；
C12、获取所述第三网络节点反馈的第四密文，所述第四密文是所述第三网络节点的数据集中各个样本ID的第二哈希值经所述预设加密算法加密得到的；
C13、计算所述第三密文与所述第四密文的交集，得到共有样本ID。
所述第一哈希值的计算公式为：
yi＝axi+b
其中，xi为本地数据集中第i个样本ID的key值，a、b为常数，yi为本地数据集中第i个样本ID的第一哈希值。
所述预设加密算法可以是RSA非对称加密算法，也可以是椭圆曲线加密算法。
本步骤并非直接对样本ID进行加密，而是先采用哈希函数计算各个样本ID的哈希值以实现对样本ID的重新编码，再对哈希值进行加密、求交集，得到共有样本ID，使得各方数据集的安全性更高。
确定共有样本ID后，可根据共有样本数据建立初始用户分类模型(所述用户分类模型为神经网络模型，基于共有样本数据可确定模型的初始参数，该部分为现有技术，在此不作赘述)，然后将初始用户分类模型发送给第三网络节点的客户端设备以供其利用自身的数据集对模型进行训练，其中，第一客户端设备与第三网络节点的客户端设备的通讯与上述第一客户端设备与第二网络节点的客户端设备的通信过程相同，皆通过各自的网关设备进行通讯。
S4、利用本地数据集对所述初始用户分类模型进行训练，得到第一参数，接收所述第三网络节点反馈的第二参数，基于所述第一、第二参数更新所述初始用户分类模型得到第三参数，将所述第三参数发送给所述第三网络节点，循环交换当前模型参数，直至模型训练结束，得到目标用户分类模型。
双方或多方(第三网络节点可以是一个或多个网络节点)各自利用其本地数据集对所述初始用户分类模型进行训练，并通过交换模型参数(本实施例中的模型参数皆为加密后的模型参数)来更新模型，联合训练模型，得到目标用户分类模型。该步骤中各网络节点不共享各自的数据集(保证了数据集的安全性)，通过交换模型参数来弥补数据集缺失的缺陷，达到了丰富数据集的目的，使得训练得到的目标用户分类模型的分类准确度更高。
S5、解析用户发出的用户分类请求，获取所述用户分类请求携带的用户数据，将所述用户数据输入所述目标用户分类模型，得到用户分类结果。
由上述实施例可知，本发明提出的用户分类方法，首先，基于数据集描述信息确定联合建模的第二网络节点；基于第二网络节点的网关设备信息与第二网络节点的客户端设备进行消息交互，确定执行联合建模的第三网络节点，本步骤中通过各个网络节点的网关设备建立网络节点间的通信连接，网关设备是每个网络节点对外通信的唯一出口，每个网络节点中的客户端设备与网关设备通过远程连接通信，充分保证了通信的安全性；接着，确定本地数据集密文与第三网络节点的数据集密文的共有样本ID，建立初始用户分类模型，将初始用户分类模型发送给第三网络节点的客户端设备进行模型训练，本步骤基于数据集密文确定共有样本ID，保证了数据集的安全性；最后，利用本地数据集对初始用户分类模型进行训练，得到第一参数，接收第三网络节点反馈的第二参数，循环交换当前模型参数，得到目标用户分类模型，本步骤与第三网络节点交换模型参数，联合训练模型，丰富了数据集内容，使得训练得到的模型的用户分类准确性更高。因此，本发明提升了用户分类准确度，并保证了数据集的安全性。
如图2所示，为本发明一实施例提供的用户分类装置的模块示意图。
本发明所述用户分类装置100可以安装于客户端设备中。根据实现的功能，所述用户分类装置100可以包括接收模块110、确定模块120、建立模块130、训练模块140及分类模块150。本发明所述模块也可以称之为单元，是指一种能够被客户端设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在客户端设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
接收模块110，用于向第一网络节点的第一网关设备发出针对用户分类模型的联合建模请求，接收所述第一网关设备从中心服务器获取的网络节点信息表，所述网络节点信息表包括：各个网络节点对应的数据集描述信息及网关设备信息，基于所述数据集描述信息确定联合建模的第二网络节点。
本实施例中，用户分类装置100安装于联合建模系统的第一节点的第一客户端设备中，联合建模系统包括中心服务器和多个网络节点，每个网络节点包括一个客户端设备及一个网关设备，网关设备是每个网络节点对外通信的唯一出口，每个网络节点中的客户端设备与网关设备通过gRPC(Google Remote Procedure Call，Google远程过程调用)进行通信，这种方法保证了客户端设备中存储的数据的安全性。
中心服务器中存储有各个网络节点上报的网络节点信息(数据集描述信息、网关设备信息)，汇总得到网络节点信息表。
所述数据集描述信息包括数据集ID、数据集内容简介、数据集大小、数据集被使用次数、数据集上传时间。因用户信息为私密信息，为保证安全，通常多个网络节点间不共享用户数据。此时，为了丰富数据集，可基于用户分类模型的数据集需求及所述数据集描述信息，初步确定符合要求的数据集对应的第二网络节点。
例如，第一网络节点为购物平台，其数据集只有用户的购物数据，通过数据集描述信息，可初步确定第二网络节点为教育平台、银行平台、社保平台、医疗平台。
确定模块120，用于基于所述第二网络节点的网关设备信息与所述第二网络节点的客户端设备进行消息交互，基于消息交互结果确定执行联合建模的第三网络节点。
所述网关设备信息包括网关设备ID和端口信息。
所述基于所述第二网络节点的网关设备信息与所述第二网络节点的客户端设备进行消息交互，包括：
A21、将建模请求信息封装为预设格式的第一消息包，计算所述第一消息包的第一信息摘要值；
本实施例中，预设格式的消息包为WebSocket消息包，信息摘要值为消息包的MD5值。
A22、用第一私钥加密所述第一消息包，得到第一密文；
本实施例中，第一私钥为第一客户端设备用户的RSA密钥对的私钥。
A23、将所述第一密文、第一信息摘要值及所述第二网络节点的网关设备信息发送给所述第一网关设备，以供所述第一网关设备基于所述第二网络节点的网关设备信息将所述第一密文及第一信息摘要值发送给所述第二网络节点的网关设备；
第一客户端设备(即第一网络节点的客户端设备，为本发明的执行主体)将第一密文、第一信息摘要值及第二网络节点的网关设备信息通过gRPC发送给第一网关设备(第一网络节点的网关设备)后，第一网关设备根据第二网络节点的网关设备IP和端口信息与第二网络节点的网关设备建立通信连接，并传送第一密文及第一信息摘要值，第二网络节点的网关设备又将收到的第一密文、第一信息摘要值通过gRPC发送给第二网络节点的客户端设备，第二网络节点的客户端设备从网络节点信息表中获取第一网络节点对应的第一公钥，用第一公钥解密第一密文得到第一消息包，根据第一信息摘要值判断第一消息包的真实性，当信息真实时，反馈第二信息包，计算第二信息包的第二信息摘要值，并用自身的私钥(即第二私钥)加密第二信息包得到第二密文，将第二密文和第二信息摘要值发送给第二网络节点的网关设备。
A24、从所述第一网关设备获取所述第二网络节点的网关设备反馈的第二密文和第二信息摘要值，解密所述第二密文得到第二消息包，并判断所述第二消息包的真实性。
由此可知，本实施例中每个网络节点中的网关设备为对外通信的唯一出口，充分保证了消息包的安全性，同时，传送消息包前还对消息包加密，计算消息包的信息摘要值，更提高了消息包的安全性和私密性。
所述网络节点信息表还包括各网络节点对应的公钥信息，所述解密所述第二密文得到第二消息包，并判断所述第二消息包的真实性，包括：
B21、从所述网络节点信息表中获取所述第二网络节点对应的第二公钥，用所述第二公钥解密所述第二密文得到第二消息包；
B22、计算所述第二消息包的信息摘要值，当计算得到的信息摘要值与所述第二信息摘要值一致时，判断所述第二消息包为真实信息。
本实施例中，在计算所述第二消息包的信息摘要值之后，所述确定模块120还用于：
若计算得到的信息摘要值与所述第二信息摘要值不一致，则判断所述第二消息包为假信息，丢弃所述第二消息包。
本步骤建立了第一网络节点的客户端设备与多个第二网络节点的客户端设备的通信连接，各客户端设备的用户可在线沟通、交流(消息交互)，基于交流结果(消息交互结果)确定联合建模的最终参与方(第三网络节点)。
例如，购物平台的用户在与教育平台、银行平台、社保平台、医疗平台的客户端设备建立通信连接后，可咨询对方更为具体的内容，例如，数据集包括的指标名称，是否愿意联合建模等，根据交流结果确定执行联合建模的第三网络节点为银行平台及社保平台。
建立模块130，用于确定本地数据集密文与所述第三网络节点的数据集密文的共有样本ID，基于所述共有样本ID建立初始用户分类模型，基于所述第三网络节点的网关设备信息将所述初始分类模型发送给所述第三网络节点的客户端设备进行模型训练。
所述确定本地数据集密文与所述第三网络节点的数据集密文的共有样本ID，包括：
C21、计算本地数据集中各个样本ID的第一哈希值，采用预设加密算法加密所述第一哈希值得到第三密文；
C22、获取所述第三网络节点反馈的第四密文，所述第四密文是所述第三网络节点的数据集中各个样本ID的第二哈希值经所述预设加密算法加密得到的；
C23、计算所述第三密文与所述第四密文的交集，得到共有样本ID。
所述第一哈希值的计算公式为：
yi＝axi+b
其中，xi为本地数据集中第i个样本ID的key值，a、b为常数，yi为本地数据集中第i个样本ID的第一哈希值。
所述预设加密算法可以是RSA非对称加密算法，也可以是椭圆曲线加密算法。
本步骤并非直接对样本ID进行加密，而是先采用哈希函数计算各个样本ID的哈希值以实现对样本ID的重新编码，再对哈希值进行加密、求交集，得到共有样本ID，使得各方数据集的安全性更高。
确定共有样本ID后，可根据共有样本数据建立初始用户分类模型(所述用户分类模型为神经网络模型，基于共有样本数据可确定模型的初始参数，该部分为现有技术，在此不作赘述)，然后将初始用户分类模型发送给第三网络节点的客户端设备以供其利用自身的数据集对模型进行训练，其中，第一客户端设备与第三网络节点的客户端设备的通讯与上述第一客户端设备与第二网络节点的客户端设备的通信过程相同，皆通过各自的网关设备进行通讯。
训练模块140，用于利用本地数据集对所述初始用户分类模型进行训练，得到第一参数，接收所述第三网络节点反馈的第二参数，基于所述第一、第二参数更新所述初始用户分类模型得到第三参数，将所述第三参数发送给所述第三网络节点，循环交换当前模型参数，直至模型训练结束，得到目标用户分类模型。
双方或多方(第三网络节点可以是一个或多个网络节点)各自利用其本地数据集对所述初始用户分类模型进行训练，并通过交换模型参数(本实施例中的模型参数皆为加密后的模型参数)来更新模型，联合训练模型，得到目标用户分类模型。该步骤中各网络节点不共享各自的数据集(保证了数据集的安全性)，通过交换模型参数来弥补数据集缺失的缺陷，达到了丰富数据集的目的，使得训练得到的目标用户分类模型的分类准确度更高。
分类模块150，用于解析用户发出的用户分类请求，获取所述用户分类请求携带的用户数据，将所述用户数据输入所述目标用户分类模型，得到用户分类结果。
如图3所示，为本发明一实施例提供的实现用户分类方法的客户端设备的应用环境图。本实施例中，实现用户分类方法的客户端设备为联合建模系统中第一网络节点2的第一客户端设备4，所述联合建模系统包括中心服务器1及多个网络节点2，每个网络节点2包括一个客户端设备4及一个网关设备3，每个网络节点2中的客户端设备4与网关设备3通过远程调用连接。
中心服务器1可以是机架式服务器、刀片式服务器、塔式服务器或者机柜式服务器等计算设备，中心服务器1可以是独立的服务器，也可以是多个服务器所组成的服务器集群。
网关设备3为具有网络连接功能的电子设备。
客户端设备4是一种能够按照事先设定或者存储的指令，自动进行数值计算和/或信息处理的设备。所述客户端设备4可以是计算机、也可以是单个网络服务器、多个网络服务器组成的服务器组或者基于云计算的由大量主机或者网络服务器构成的云，其中云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。
本实施例中，所述第一客户端设备4用于：
向所述第一网络节点2的第一网关设备3发出针对用户分类模型的联合建模请求，接收所述第一网关设备3从所述中心服务器1获取的网络节点信息表，所述网络节点信息表包括：各个网络节点2对应的数据集描述信息及网关设备信息，基于所述数据集描述信息确定联合建模的第二网络节点2；
基于所述第二网络节点2的网关设备信息与所述第二网络节点2的客户端设备4进行消息交互，基于消息交互结果确定执行联合建模的第三网络节点2；
确定本地数据集密文与所述第三网络节点2的数据集密文的共有样本ID，基于所述共有样本ID建立初始用户分类模型，基于所述第三网络节点2的网关设备信息将所述初始分类模型发送给所述第三网络节点2的客户端设备4进行模型训练；
利用本地数据集对所述初始用户分类模型进行训练，得到第一参数，接收所述第三网络节点2反馈的第二参数，基于所述第一、第二参数更新所述初始用户分类模型得到第三参数，将所述第三参数发送给所述第三网络节点2，循环交换当前模型参数，直至模型训练结束，得到目标用户分类模型；
解析用户发出的用户分类请求，获取所述用户分类请求携带的用户数据，将所述用户数据输入所述目标用户分类模型，得到用户分类结果。
如图4所示，为本发明一实施例提供的实现用户分类方法的客户端设备的结构示意图。
在本实施例中，实现用户分类方法的客户端设备为联合建模系统的第一网络节点2的第一客户端设备4，所述联合建模系统包括中心服务器1及多个网络节点2，每个网络节点2包括一个客户端设备4及一个网关设备3，每个网络节点2中的客户端设备4与网关设备3通过远程调用连接。
第一客户端设备4包括，但不仅限于，可通过系统总线相互通信连接的存储器11、处理器12、网络接口13，该存储器11中存储有用户分类程序10，所述用户分类程序10可被所述处理器12执行。图4仅示出了具有组件11-13以及用户分类程序10的第一客户端设备4，本领域技术人员可以理解的是，图4示出的结构并不构成对第一客户端设备4的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
其中，存储器11包括内存及至少一种类型的可读存储介质。内存为第一客户端设备4的运行提供缓存；可读存储介质可为如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等的非易失性存储介质。在一些实施例中，可读存储介质可以是第一客户端设备4的内部存储单元，例如该第一客户端设备4的硬盘；在另一些实施例中，该非易失性存储介质也可以是第一客户端设备4的外部存储设备，例如第一客户端设备4上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。本实施例中，存储器11的可读存储介质通常用于存储安装于第一客户端设备4的操作系统和各类应用软件，例如存储本发明一实施例中的用户分类程序10的代码等。此外，存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器12在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器12通常用于控制所述第一客户端设备4的总体操作，例如执行与其他设备进行数据交互或者通信相关的控制和处理等。本实施例中，所述处理器12用于运行所述存储器11中存储的程序代码或者处理数据，例如运行用户分类程序10等。
网络接口13可包括无线网络接口或有线网络接口，该网络接口13用于在所述第一客户端设备4与第一网关设备3之间建立通信连接。
可选的，所述第一客户端设备4还可以包括用户接口，用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选的，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在第一客户端设备4中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述用户分类程序10在所述第一客户端设备4的处理器12中运行时，可以实现：
向所述第一网络节点2的第一网关设备3发出针对用户分类模型的联合建模请求，接收所述第一网关设备3从所述中心服务器1获取的网络节点信息表，所述网络节点信息表包括：各个网络节点2对应的数据集描述信息及网关设备信息，基于所述数据集描述信息确定联合建模的第二网络节点2；
基于所述第二网络节点2的网关设备信息与所述第二网络节点2的客户端设备4进行消息交互，基于消息交互结果确定执行联合建模的第三网络节点2；
确定本地数据集密文与所述第三网络节点2的数据集密文的共有样本ID，基于所述共有样本ID建立初始用户分类模型，基于所述第三网络节点2的网关设备信息将所述初始分类模型发送给所述第三网络节点2的客户端设备4进行模型训练；
利用本地数据集对所述初始用户分类模型进行训练，得到第一参数，接收所述第三网络节点2反馈的第二参数，基于所述第一、第二参数更新所述初始用户分类模型得到第三参数，将所述第三参数发送给所述第三网络节点2，循环交换当前模型参数，直至模型训练结束，得到目标用户分类模型；
解析用户发出的用户分类请求，获取所述用户分类请求携带的用户数据，将所述用户数据输入所述目标用户分类模型，得到用户分类结果。
具体地，所述处理器12对上述用户分类程序10的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述第一客户端设备4集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以是非易失性的，也可以是非易失性的。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
所述计算机可读存储介质上存储有用户分类程序10，所述用户分类程序10可被一个或者多个处理器执行，本发明计算机可读存储介质具体实施方式与上述用户分类方法各实施例基本相同，在此不作赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (7)

1.一种用户分类方法，应用于第一客户端设备，其特征在于，所述第一客户端设备为联合建模系统中第一网络节点的客户端设备，所述联合建模系统包括中心服务器及多个网络节点，每个网络节点包括一个客户端设备及一个网关设备，所述方法包括：
向所述第一网络节点的第一网关设备发出针对用户分类模型的联合建模请求，接收所述第一网关设备从所述中心服务器获取的网络节点信息表，所述网络节点信息表包括：各个网络节点对应的数据集描述信息及网关设备信息，基于所述数据集描述信息确定联合建模的第二网络节点；
基于所述第二网络节点的网关设备信息与所述第二网络节点的客户端设备进行消息交互，包括：将建模请求信息封装为预设格式的第一消息包，计算所述第一消息包的第一信息摘要值；用第一私钥加密所述第一消息包，得到第一密文；将所述第一密文、第一信息摘要值及所述第二网络节点的网关设备信息发送给所述第一网关设备，以供所述第一网关设备基于所述第二网络节点的网关设备信息将所述第一密文及第一信息摘要值发送给所述第二网络节点的网关设备；从所述第一网关设备获取所述第二网络节点的网关设备反馈的第二密文和第二信息摘要值，解密所述第二密文得到第二消息包，并判断所述第二消息包的真实性；
基于消息交互结果确定执行联合建模的第三网络节点；
确定本地数据集密文与所述第三网络节点的数据集密文的共有样本ID，基于所述共有样本ID建立初始用户分类模型，基于所述第三网络节点的网关设备信息将所述初始用户分类模型发送给所述第三网络节点的客户端设备进行模型训练；
利用本地数据集对所述初始用户分类模型进行训练，得到第一参数，接收所述第三网络节点反馈的第二参数，基于所述第一参数、第二参数更新所述初始用户分类模型得到第三参数，将所述第三参数发送给所述第三网络节点，循环交换当前模型参数，直至模型训练结束，得到目标用户分类模型；
解析用户发出的用户分类请求，获取所述用户分类请求携带的用户数据，将所述用户数据输入所述目标用户分类模型，得到用户分类结果；
其中，所述确定本地数据集密文与所述第三网络节点的数据集密文的共有样本ID，包括：计算本地数据集中各个样本ID的第一哈希值，采用预设加密算法加密所述第一哈希值得到第三密文；获取所述第三网络节点反馈的第四密文，所述第四密文是所述第三网络节点的数据集中各个样本ID的第二哈希值经所述预设加密算法加密得到的；计算所述第三密文与所述第四密文的交集，得到所述共有样本ID。
2.如权利要求1所述的用户分类方法，其特征在于，所述网络节点信息表还包括各网络节点对应的公钥信息，所述解密所述第二密文得到第二消息包，并判断所述第二消息包的真实性，包括：
从所述网络节点信息表中获取所述第二网络节点对应的第二公钥，用所述第二公钥解密所述第二密文得到第二消息包；
计算所述第二消息包的信息摘要值，当计算得到的信息摘要值与所述第二信息摘要值一致时，判断所述第二消息包为真实信息。
3.如权利要求2所述的用户分类方法，其特征在于，在计算所述第二消息包的信息摘要值之后，所述方法还包括：
若计算得到的信息摘要值与所述第二信息摘要值不一致，则判断所述第二消息包为假信息，丢弃所述第二消息包。
4.如权利要求1所述的用户分类方法，其特征在于，所述数据集描述信息包括数据集ID、数据集内容简介、数据集大小、数据集被使用次数、数据集上传时间。
5.一种用户分类装置，其特征在于，所述装置包括：
接收模块，用于向第一网络节点的第一网关设备发出针对用户分类模型的联合建模请求，接收所述第一网关设备从中心服务器获取的网络节点信息表，所述网络节点信息表包括：各个网络节点对应的数据集描述信息及网关设备信息，基于所述数据集描述信息确定联合建模的第二网络节点；
确定模块，用于基于所述第二网络节点的网关设备信息与所述第二网络节点的客户端设备进行消息交互，包括：将建模请求信息封装为预设格式的第一消息包，计算所述第一消息包的第一信息摘要值；用第一私钥加密所述第一消息包，得到第一密文；将所述第一密文、第一信息摘要值及所述第二网络节点的网关设备信息发送给所述第一网关设备，以供所述第一网关设备基于所述第二网络节点的网关设备信息将所述第一密文及第一信息摘要值发送给所述第二网络节点的网关设备；从所述第一网关设备获取所述第二网络节点的网关设备反馈的第二密文和第二信息摘要值，解密所述第二密文得到第二消息包，并判断所述第二消息包的真实性；
所述确定模块，还用于基于消息交互结果确定执行联合建模的第三网络节点；
建立模块，用于确定本地数据集密文与所述第三网络节点的数据集密文的共有样本ID，基于所述共有样本ID建立初始用户分类模型，基于所述第三网络节点的网关设备信息将所述初始用户分类模型发送给所述第三网络节点的客户端设备进行模型训练；
训练模块，用于利用本地数据集对所述初始用户分类模型进行训练，得到第一参数，接收所述第三网络节点反馈的第二参数，基于所述第一参数、第二参数更新所述初始用户分类模型得到第三参数，将所述第三参数发送给所述第三网络节点，循环交换当前模型参数，直至模型训练结束，得到目标用户分类模型；
分类模块，用于解析用户发出的用户分类请求，获取所述用户分类请求携带的用户数据，将所述用户数据输入所述目标用户分类模型，得到用户分类结果；
其中，所述确定本地数据集密文与所述第三网络节点的数据集密文的共有样本ID，包括：计算本地数据集中各个样本ID的第一哈希值，采用预设加密算法加密所述第一哈希值得到第三密文；获取所述第三网络节点反馈的第四密文，所述第四密文是所述第三网络节点的数据集中各个样本ID的第二哈希值经所述预设加密算法加密得到的；计算所述第三密文与所述第四密文的交集，得到所述共有样本ID。
6.一种客户端设备，其特征在于，所述客户端设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的用户分类程序，所述用户分类程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至4中任一项所述的用户分类方法。
7.一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上存储有用户分类程序，所述用户分类程序可被一个或者多个处理器执行，以实现如权利要求1至4任一项所述的用户分类方法。
CN202011245082.8A 2020-11-09 2020-11-09 用户分类方法、装置、客户端设备及可读存储介质 Active CN112286703B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011245082.8A CN112286703B (zh) 2020-11-09 2020-11-09 用户分类方法、装置、客户端设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011245082.8A CN112286703B (zh) 2020-11-09 2020-11-09 用户分类方法、装置、客户端设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN112286703A CN112286703A (zh) 2021-01-29
CN112286703B true CN112286703B (zh) 2023-04-07

Family

ID=74351818

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011245082.8A Active CN112286703B (zh) 2020-11-09 2020-11-09 用户分类方法、装置、客户端设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN112286703B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112948687B (zh) * 2021-03-25 2023-05-02 重庆高开清芯智联网络科技有限公司 一种基于名片文件特征的节点消息推荐方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103593747A (zh) * 2013-11-07 2014-02-19 银江股份有限公司 一种基于meanshift分类的大规模客户点分类配送方法
CN110443067A (zh) * 2019-07-30 2019-11-12 卓尔智联(武汉)研究院有限公司 基于隐私保护的联邦建模装置、方法及可读存储介质
CN111210003A (zh) * 2019-12-30 2020-05-29 深圳前海微众银行股份有限公司 纵向联邦学习系统优化方法、装置、设备及可读存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103593747A (zh) * 2013-11-07 2014-02-19 银江股份有限公司 一种基于meanshift分类的大规模客户点分类配送方法
CN110443067A (zh) * 2019-07-30 2019-11-12 卓尔智联(武汉)研究院有限公司 基于隐私保护的联邦建模装置、方法及可读存储介质
CN111210003A (zh) * 2019-12-30 2020-05-29 深圳前海微众银行股份有限公司 纵向联邦学习系统优化方法、装置、设备及可读存储介质

Also Published As

Publication number Publication date
CN112286703A (zh) 2021-01-29

Similar Documents

Publication Publication Date Title
WO2021204040A1 (zh) 联邦学习数据处理方法、装置、设备及存储介质
CN110825349B (zh) 随机数生成方法、区块链节点、系统及介质
CN109067541B (zh) 基于区块链的数据验证方法及装置、电子设备
CN110400221B (zh) 数据处理方法、系统、存储介质及计算机设备
WO2021036086A1 (zh) 交易数据处理方法、装置、系统及计算机可读存储介质
CN108848148B (zh) 基于区块链的交易信息确认方法及装置
US20220303141A1 (en) Methods and systems for introducing self-contained intent functionality into decentralized computer networks
CN112492048B (zh) 消息同步方法、装置、电子设备及可读存储介质
CN112732297B (zh) 联邦学习模型的更新方法、装置、电子设备及存储介质
CN112860737B (zh) 数据查询方法、装置、电子设备及可读存储介质
CN114389889B (zh) 基于区块链技术的文件全生命周期管理方法及装置
CN112988674A (zh) 大数据文件的处理方法、装置、计算机设备及存储介质
US20240137280A1 (en) Methods and systems for introducing self-contained intent functionality into decentralized computer networks
CN111612458A (zh) 用于区块链数据处理的方法、装置及可读存储介质
CN115270193B (zh) 基于区块链及协同同步下的数据档案安全共享方法及装置
CN112286703B (zh) 用户分类方法、装置、客户端设备及可读存储介质
CN112217639B (zh) 数据的加密共享方法、装置、电子设备及计算机存储介质
CN113806776A (zh) 基于区块链的医疗档案查询方法、装置、电子设备及介质
CN112182598A (zh) 公有样本id识别方法、装置、服务器及可读存储介质
CN114298321A (zh) 联合建模方法、装置、电子设备及存储介质
CN114298211A (zh) 特征分箱方法、装置、电子设备及存储介质
CN114331460A (zh) 基于区块链的基金交易确认方法、装置、设备及存储介质
CN114422105A (zh) 联合建模方法、装置、电子设备及存储介质
CN112446765A (zh) 产品推荐方法、装置、电子设备及计算机可读存储介质
CN112738175A (zh) 请求处理方法及相关设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant