申请/专利权人:浙江明日数据智能有限公司
申请日:2023-03-22
公开(公告)日:2024-06-25
公开(公告)号:CN117034000B
主分类号:G06F18/214
分类号:G06F18/214;G06F18/27;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2024.06.25#授权;2023.11.28#实质审查的生效;2023.11.10#公开
摘要:本发明公开了一种纵向联邦学习的建模方法、装置、存储介质以及电子设备。该方法包括:将公钥和部分加密正样本ID发送至每一个提供方,以使每一个提供方根据部分加密正样本ID和每一个提供方各自的全量ID进行匹配,得到加密候选集合并发送至协调方;根据所有加密候选集合确定共有加密候选集合;根据加密正样本ID和共有加密候选集合,确定共有加密正样本ID;根据共有加密候选集合和共有加密正样本ID,得到共有加密负样本ID,并将共有加密负样本ID发送至每一个提供方。本发明解决了业务方在缺失负样本的情况下无法创建逻辑回归模型的技术问题。
主权项:1.一种纵向联邦学习的建模方法,其特征在于,应用于协调方,包括:获取业务方的正样本ID;生成公钥和私钥;使用所述公钥对所述正样本ID进行加密,得到加密正样本ID;将所述加密正样本ID的前N位确定为部分加密正样本ID;将公钥和部分加密正样本ID发送至每一个提供方,以使所述每一个提供方根据所述部分加密正样本ID和所述每一个提供方各自的全量ID进行匹配,得到加密候选集合并发送至所述协调方;根据所有所述加密候选集合确定共有加密候选集合;根据所述加密正样本ID和共有加密候选集合,确定共有加密正样本ID;根据所述共有加密候选集合和所述共有加密正样本ID,得到共有加密负样本ID,包括:在所述共有加密候选集合中去除所述共有加密正样本ID,得到所述共有加密负样本ID,并将所述共有加密负样本ID发送至所述每一个提供方。
全文数据:
权利要求:
百度查询: 浙江明日数据智能有限公司 纵向联邦学习的建模方法、装置、存储介质以及电子设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。