一种基于同态加密的线性回归纵向联邦学习方法
实质审查的生效
摘要
本发明公开了一种基于同态加密的线性回归纵向联邦学习方法，包括步骤：a)建模训练；b)两种预测。建模训练：采用minist数据集，步骤如下：owner即数据应用方，利用Paillier生成公私钥对，consumer即数据持有，计算特征值与特征矩阵的乘积发送给owner，owner计算预测标签通过与实际Y对比得到
然后计算梯度，利用梯度来更新特征值的权重，直到模型达收敛范围，训练结束。预测方法1：无第三方，consumer计算特征值与特征矩阵的乘积发给owner，计算预测值
返回给consumer。预测方法2：基于差分隐私，Carol整合双方特征参数后发给consumer，consumer计算预测标签
将结果发给Carol。本发明创新点：训练阶段，梯度始终加密，无第三方，未暴露过多特征参数；预测阶段可防止合谋攻击。
基本信息
专利标题 ：
一种基于同态加密的线性回归纵向联邦学习方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114547643A
申请号 ：
CN202210064492.5
公开（公告）日 ：
2022-05-27
申请日 ：
2022-01-20
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
何道敬袁露
申请人 ：
华东师范大学;上海境山科技有限公司
申请人地址 ：
上海市闵行区东川路500号
代理机构 ：
上海蓝迪专利商标事务所(普通合伙)
代理人 ：
徐筱梅
优先权 ：
CN202210064492.5
主分类号 ：
G06F21/60
IPC分类号 ：
G06F21/60 G06F21/62 G06N20/00
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F21/00
防止未授权行为的保护计算机、其部件、程序或数据的安全装置
G06F21/60
保护数据
法律状态
2022-06-14 ：
实质审查的生效
IPC(主分类) : G06F 21/60
申请日 : 20220120
申请日 : 20220120
2022-05-27 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
