(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210948721.X (22)申请日 2022.08.09 (65)同一申请的已公布的文献号 申请公布号 CN 115017549 A (43)申请公布日 2022.09.06 (73)专利权人 深圳致星科技有限公司 地址 518000 广东省深圳市南 山区粤海街 道大冲社区深南大道9676号大冲商务 中心 （一期） 2栋 3号楼18C -1 (72)发明人 董扬辉　王玮　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 陈舟苗 (51)Int.Cl. G06F 21/62(2013.01)G06K 9/62(2022.01) G06N 20/00(2019.01) (56)对比文件 CN 113449880 A,2021.09.28 US 2019287023 A1,2019.09.19 US 2020143284 A1,2020.0 5.07 CN 111813526 A,2020.10.23 US 20210974 49 A1,2021.04.01 US 20202 93907 A1,2020.09.17 US 2011307423 A1,201 1.12.15 审查员 颜佳 (54)发明名称 隐私计算、 隐私数据和联邦学习的决策树计 算装置及系统 (57)摘要 本申请涉及隐私计算、 隐私数据及联邦学习 技术领域， 具体涉及一种隐私计算、 隐私数据和 联邦学习的决策树计算装置及系统。 该决策树计 算装置及系统， 通过对原始数据集进行切分重排 操作得到与分组方案对应的调整后数据集， 大幅 减少软硬间交互次数和提高运算性能的特性， 从 而优化了与分组方案对应的密 态运算过程， 并且 通过基于控制信息分段读取数据简化了控制逻 辑， 也将遍历计算相关的控制流和数据流整合为 可以通过读取调整后数据集 以及相应的控制信 息的简便操作， 在保证数据安全和隐私性的前提 下高效高速实现利用决策树模型进行训练、 分 类、 预测等， 并且能够在算力、 功耗、 资源占用和 时间成本等方面有良好表现。 权利要求书4页 说明书18页 附图3页 CN 115017549 B 2022.11.18 CN 115017549 B 1.一种决策树计算装置， 用于隐私计算、 隐私数据和联邦学习， 其特征在于， 所述决策 树计算装置包括： 第一存储单元， 与第一处 理单元连接且配置为存 储决策树模型的原 始数据集； 所述第一处理单元， 配置为： 获取与所述决策树模型关联的至少一个分组方案， 针对所 述至少一个分组方案中的每一个分组方案， 对 所述原始数据集进 行切分重排操作得到与该 分组方案对应的调整后数据集以及将所述调整后数据集写入第二存储单元， 其中所述至少 一个分组方案中的每一个分组方案各自包括在该分组方案下的所述原始数据集的分组结 果， 所述调整后数据集中的在该分组方案下的所述原始数据集的分组结果中归属于同一分 组的数据连续分布在所述第二存 储单元的物理存 储空间或者具有连续的物理存 储地址； 所述第二存 储单元， 与第二处 理单元连接且配置为存 储所述调整后数据集； 所述第二处理单元， 配置为： 针对所述至少一个分组方案 中的每一个分组方案， 基于与 该分组方案对应的控制信息， 从所述第二存储 单元分批次读取所述调整后数据集并对每一 批次读取的数据分别进行密态运算后再汇聚从而得到与该分组方案对应的密态运算结果， 其中所述控制信息指示所述第二处理单元每一批次从所述第二存储单元读取的连续分布 或者具有连续的物理存 储地址的数据的个数以及总批次数。 2.根据权利要求1所述的决策树计算装置， 其特征在于， 所述决策树模型包括至少一个 特征， 所述至少一个分组方案中的给定 分组方案所包括的在该给定 分组方案下的所述原始 数据集的分组结果是所述原始数据集按照所述至少一个特征中的给定特征进行分组的分 组结果， 所述给定特征是所述至少一个特征中的任意特征， 所述给定分组方案对应所述给 定特征。 3.根据权利要求1所述的决策树计算装置， 其特征在于， 所述决策树模型包括至少一个 层， 所述至少一个分组方案中的给定分组方案所包括的在该给定分组方案下的所述原始数 据集的分组结果是所述原始数据集按照所述至少一个层中的给定层的节点进行分组的分 组结果， 所述给定层是 所述至少一个层中的任意层， 所述给定分组方案对应所述给定层。 4.根据权利要求1所述的决策树计算装置， 其特征在于， 所述决策树模型包括多个特 征， 所述至少一个分组方案与所述多个特征一一对应， 所述至少一个分组方案中的每一个 分组方案所包括的在该分组方案下的所述原始数据集的分组结果是所述原始数据集按照 所述多个特 征中的与该分组方案对应的特 征进行分组的分组结果。 5.根据权利要求1所述的决策树计算装置， 其特征在于， 所述决策树模型包括多个层， 所述至少一个分组方案与所述多个层一一对应， 所述至少一个分组方案中的每一个分组方 案所包括的在该分组方案下的所述原始数据集的分组结果是所述原始数据集按照所述多 个层中的与该分组方案对应的层的节点进行分组的分组结果。 6.根据权利要求1所述的决策树计算装置， 其特征在于， 所述第 一处理单元还配置为根 据所述决策树模型的特征组合和结构获取所述至少一个分组方案， 其中针对所述至少一个 分组方案中的每一个分组方案： 该分组方案对应所述决策树模型的特征组合中的特定特征 并且该分组方案所包括的在该分组方案下的所述原始数据集的分组结果是所述原始数据 集按照所述特定特征进行分组的分组结果， 或者， 该分组方案对应所述决策树模型 的结构 中的特定层 并且该分组方案所包括的在该分组方案下的所述原始数据集的分组结果是所 述原始数据集按照所述特定层的节点进行分组的分组结果。权　利　要　求　书 1/4 页 2 CN 115017549 B 27.根据权利要求1所述的决策树计算装置， 其特征在于， 所述第 一处理单元还配置为生 成与所述至少一个分组方案中的每一个分组方案分别对应的控制 信息， 其中针对所述至少 一个分组方案中的每一个分组方案： 与该分组方案对应的控制信息基于在该分组方案下的 所述原始数据集的分组结果。 8.根据权利要求7所述的决策树计算装置， 其特征在于， 所述第 一处理单元还配置为将 与所述至少一个分组方案中的每一个分组方案分别对应的控制信息发送给所述第二处理 单元或者位于所述第一处理单元和所述第二处理单元之 间的控制 信息缓存器， 其中所述第 二处理单元配置为从所述控制信息缓存器获取与该分组方案对应的控制信息 。 9.根据权利要求7所述的决策树计算装置， 其特征在于， 所述第 一处理单元还配置为在 获取所述至少一个分组方案中的每一个分组方案后生成与该分组方案对应的控制信息并 且将与该分组方案对应的控制信息和与该分组方案对应的调整后数据集一起写入所述第 二存储单元， 所述第二处理单元配置为从所述第二存储单元获取与该分组方案对应的控制 信息。 10.根据权利要求1所述的决策树计算装置， 其特征在于， 所述第二处理单元包括多级 计算单元， 所述多级计算单元中的每一级计算单元包括并行化连接的多个计算引擎用于通 过实数域和蒙哥马利域之 间的转换实现多个密文之 间的密态加法运算， 其中所述第二处理 单元还配置为将每一批次读取的数据发送给所述多级计算单元从而对该批次读取的数据 进行密态运 算。 11.根据权利要求10所述的决策树计算装置， 所述第二处理单元还配置为根据与该分 组方案对应的控制信息生成每一批次的批次结束标志和任务结束标志， 所述第二处理单元 还配置为在将每一批次读取的数据发送给所述多级计算单元后将该批次的批次结束标志 发送给所述多级计算单元以及在将该分组方案的所有批次读取的数据发送给所述多级计 算单元后将该任务结束标志发送给 所述多级计算单 元。 12.根据权利要求10所述的决策树计算装置， 所述多级计算单元中的每一级计算单元 各自包括的计算引擎的个数基于计算带宽均衡策略进行整体设定 。 13.根据权利要求12所述的决策树计算装置， 所述第一处理单元还配置为根据所述决 策树模型的特 征组合和结构调整所述计算带宽均衡策略。 14.根据权利要求12所述的决策树计算装置， 所述第一处理单元还配置为获取所述第 二处理单元 的用于构建所述多级计算单元的可用执行资源以及根据所述可用执行资源调 整所述计算带宽均衡策略。 15.根据权利要求1 ‑14中任一项所述的决策树计算装置， 所述第一处理单元包括至少 一个CPU， 所述第二处 理单元包括至少一个FPGA和/或至少一个GPU。 16.一种决策树计算系统， 用于隐私计算、 隐私数据和联邦学习中的决策树算法， 其特 征在于， 所述决策树计算系统包括： 第一存储单元， 与第 一处理单元连接且配置为存储决策树模型的原始数据集以及与 所 述决策树模型关联的多个分组方案， 其中所述决策树模型对应所述决策树算法下根据给定 分割方案构建的决策树， 所述多个分组方案基于遍历所述决策树的过程中对所述原始数据 集进行分组的分组结果， 所述多个分组方案中的每一个分组方案各自包括在该分组方案下 的所述原 始数据集的分组结果；权　利　要　求　书 2/4 页 3 CN 115017549 B 3