(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 202111682063.6 (22)申请日 2021.12.28 (71)申请人 万达信息股份有限公司 地址 200233 上海市徐汇区桂平路481号20 号楼5层 (72)发明人 童庆　张文娟　张琳梦　代辉　 张天驰　陈诚　赵晓静　 (74)专利代理 机构 上海申汇 专利代理有限公司 31001 专利代理师 翁若莹　柏子雵 (51)Int.Cl. G16H 50/80(2018.01) G16H 50/30(2018.01) G06K 9/62(2022.01) (54)发明名称 一种基于联邦学习重大传染病联合风险评 估方法 (57)摘要 本发明公开一种基于联邦学习重大传染病 联合风险评估方法， 本发明采用联邦学习方法， 将算法下放到本地节点， 实现数据的本地计算。 同时， 本发 明研究形成了跨区域的联合风险评估 模型， 在保障 “疫情隐私数据可用不可见 ”的前提 下， 保障双方数据、 模型、 结果、 任务的安全， 开展 跨区域的联合风险评估， 为疫情的跨区域联防联 控提供支持。 本发明解决了个人信息收集、 处理 和联合分析过程中存在的个人隐私数据泄露、 数 据安全等问题， 并基于联邦学习的方法提出了跨 区域重大传染病疫情联防联控 方案， 并在此基础 上提出了在疫情 防控领域基于联邦学习的隐私 安全计算解决方案。 本发明能够实现跨区域的联 合风险评估， 为重大传染病疫情精细化防控和管 理提供新思路。 权利要求书1页 说明书3页 附图1页 CN 114724729 A 2022.07.08 CN 114724729 A 1.一种基于联邦学习重大传染病联合 风险评估方法， 其特 征在于， 包括以下步骤： 步骤1、 通过部署于各地区疾控中心的本地节点获取疫情数据， 将所有疫情数据汇集至 数据层； 步骤2、 采用联邦学习框架的技术支撑层， 获取数据层中的疫情数据后对其进行联邦学 习统计分析； 技术支撑层利用数据准备模块对所获得的疫情数据进行数据融合， 并定义实 现多个本地节点进行多方 交互的数据变量， 技术支撑层 还利用数据准备模块进行算法及协 议选择， 其中： 算法为基于各地区疾控中心业务需要集成在模 型算法层的模型算法， 数据准 备模块从模型算法层中选择需要 使用的模型算法； 步骤3、 技术支撑层利用数据预处理模块对数据准备模块输出的数据进行描述性统计 和特征工程， 以实现进一步的精细化处理； 对于精细化处理后的数据， 数据预 处理模块基于 同态加密的方式， 进行初步的统计分析， 获得多变量时间序列； 步骤4、 技术支撑层的模型预测模块基于联邦学习框架， 抽取各地疾控中心数据， 采用 XGboost算法在各机构 本地进行子模型训练； 每个本地节 点获得各自的子模 型后， 利用各子 模型输出预测结果， 随后基于数据准备模块所选择 的协议， 整合各本地节点已训练的子模 型的预测结果， 并采用多方安全计算同态加密算法将各子模型的预测结果融合输出， 从而 融合形成联合 风险评估 模型； 步骤5、 由模型算法层对联合风险评估模型进行模型评估和模型管理， 并将最后的联合 风险评估 模型发布至应用层； 步骤6、 应用层将联合风险评估模型通过API结构进行应用输出， 以针对各地疾控中心 所需疫情防控业 务的应用支撑开展相关场景的应用。 2.如权利要求1所述的一种基于联邦学习重大传染病联合风险评估方法， 其特征在于， 步骤1中， 所述各地区疾控中心的疫情数据包括公开可共享的数据以及涉及隐私不可共享 的数据。 3.如权利要求1所述的一种基于联邦学习重大传染病联合风险评估方法， 其特征在于， 步骤2中， 所述协议为包含安全认证协议、 节点互联协议、 算法组件互联协议和联合建模协 同协议为一体的多节点协同和互认 协议。 4.如权利要求1所述的一种基于联邦学习重大传染病联合风险评估方法， 其特征在于， 步骤4中， 取各子模 型的预测结果的算数平均数为模型最 终预测结果， 然后 将加密后的加法 计算的结果进行解密， 作为 最终的联合 风险评估 模型的输出。权　利　要　求　书 1/1 页 2 CN 114724729 A 2一种基于联邦学习重大传染病联合风险评估方 法 技术领域 [0001]本发明涉及 一种重大传染病联合风险评估方法， 具体涉及一种在联邦学习框架下 实现数据隐私计算 技术， 在不泄 露隐私数据的情况 下实现联合 风险评估分析的方法。 背景技术 [0002] [0003]近年来， 随着大数据和人工智能、 隐私计算等新一代信息技术的不断成熟和应用， 隐私计算技术作为一种新兴技术体系， 可以在保护数据隐私的前提下实现数据价值挖掘 。 目前， 联邦学习在金融保险、 智慧零售等领域已有广泛的应用， 然而， 在重大传染病风险研 判预警、 联防联控方面， 联邦学习尚未 形成较为成熟的应用案例。 发明内容 [0004]本发明的目的是： 将联邦学习应用在针对重大传染病疫情的联合防控中。 [0005]为了达到上述目的， 本发明的技术方案是提供了一种基于联邦学习重大传染病联 合风险评估方法， 其特 征在于， 包括以下步骤： [0006]步骤1、 通过部署于各地区疾控中心的本地节点获取疫情数据， 将所有疫情数据汇 集至数据层； [0007]步骤2、 采用联邦学习框架的技术支撑层， 获取数据层中的疫情数据后对其进行联 邦学习统计分析； 技术支撑层利用数据准备模块对所获得 的疫情数据进行数据融合， 并定 义实现多个本地节点进行多方 交互的数据变量， 技术支撑层还利用数据准备模块进行算法 及协议选择， 其中： 算法为基于各地区疾控中心 业务需要集成在 模型算法层的模 型算法， 数 据准备模块从模型算法层中选择需要 使用的模型算法； [0008]步骤3、 技术支撑层利用数据预处理模块对数据准备模块输出的数据进行描述性 统计和特征工程， 以实现进一步的精细化处理； 对于精细化处理后的数据， 数据预处理模块 基于同态加密的方式， 进行初步的统计分析， 获得多变量时间序列； [0009]步骤4、 技术支撑层的模型预测模块基于联邦学习框架， 抽取各地疾控中心数据 (包括确诊病例诊疗 数据、 密接者监测数据、 密接者流调数据等)， 采用  XGboost算法在各机 构本地进行子模型训练， 每个本地节 点获得各自的子模型后， 利用各子模型输出预测结果， 随后基于数据准备模块所选择 的协议， 整合各本地节点已训练的子模型 的预测结果， 并采 用多方安全计算同态加密算法将各子模型的预测结果融合输出， 从而融合形成联合风险评 估模型； [0010]步骤5、 由模型算法层对联合风险评估模型进行模型评估和模型管理， 并将最后的 联合风险评估 模型发布至应用层； [0011]步骤6、 应用层将联合风险评估模型通过API结构进行应用输出， 以针对各地疾控 中心所需疫情防控业 务的应用支撑开展相关场景的应用。 [0012]优选地， 步骤1中， 所述各地区疾控中心的疫情数据包括公开可共享的数据以及涉说　明　书 1/3 页 3 CN 114724729 A 3