买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜中国人民大学申请的专利纵向联邦学习中的隐私保护超高维特征筛选方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119150359B 。

龙图腾网通过国家知识产权局官网在2025-03-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411586500.8，技术领域涉及：G06F21/62；该发明授权纵向联邦学习中的隐私保护超高维特征筛选方法是由黄丹阳;汪立远;朱利平设计研发完成，并于2024-11-08向国家知识产权局提交的专利申请。

本纵向联邦学习中的隐私保护超高维特征筛选方法在说明书摘要公布了：本发明提供了一种纵向联邦学习中的隐私保护超高维特征筛选方法，该方法在独立性检验方法的基础上，加入了隐私保护机制和抽样方法，对第一数据方的数据进行保护，并对控制样本进行抽样，以减少传输成本，独立性检验的计算成本以及数据加密成本；第二数据方使用独立性检验的方法筛除大量冗余特征，获取低维子特征，并使用传统的纵向联邦学习方法构建机器学习模型。本发明大幅降低了由样本量带来的传输成本，加密成本和计算成本，同时大幅降低了由特征维度过高带来的联邦学习的传输成本和解密成本。

本发明授权纵向联邦学习中的隐私保护超高维特征筛选方法在权利要求书中公布了：1.一种纵向联邦学习中的隐私保护超高维特征筛选方法，其特征在于，所述方法由第一数据方和第二数据方执行，所述第一数据方拥有数据集的响应变量，其中为事件，为控制；所述第二数据方拥有海量特征x，其维度为d，，所述特征筛选方法用于在从d维特征x中提取维子向量，其中；所述特征筛选方法包括：步骤S1，所述第一数据方对响应变量的控制进行抽样，并保留全部的事件，将数据集的大小减小为；其中表示事件的个数，表示抽样概率参数；将抽样数据集的距离矩阵加密为后将其传输给所述第二数据方；步骤S2，所述第二数据方将自身存储的特征与响应变量的距离加密值在样本中对齐，并将自身存储的d维特征划分为多个不交的组，每个组构成特征的一个子向量，m为第一次分组时每组的特征个数；选择独立性检验统计量T，计算子向量与响应变量的统计量的加密值，并得到原假设成立的条件下统计量的分布与拒绝域；步骤S3，将统计量的加密值传回所述第一数据方解密，得到统计量的明文；步骤S4，所述第二数据方通过统计量以及其拒绝域确定是否拒绝原假设；若原假设没有被拒绝，则将第k个特征组视为与响应变量独立，从而将第k个特征组视为冗余特征筛除；步骤S5，重复所述步骤S2到所述步骤S4，将包含重要特征的小组不断分裂为更小的组并执行假设检验方案，直至每个组内特征的个数小于第一阈值；步骤S6，对每个特征分别计算独立性检验统计量，筛除所有统计量绝对值小于第二阈值的独立特征，最终筛选得到特征集合放入机器学习模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国人民大学，其通讯地址为：100872 北京市海淀区中关村大街59号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。