一种纵向xgboost决策树的联邦学习方法和系统
授权
摘要
本发明公开一种纵向xgboost决策树的联邦学习方法和系统，涉及联邦学习和机器学习决策树技术领域，能够保证各方所持有样本的特征数据的隐私性，增强对各方特征数据的安全性。本发明的主要技术方案为：本发明提供了纵向xgboost决策树的联合训练过程和联合推理过程，在联合训练过程中计算分裂点以及在联合推理过程中对每个节点进行判别，联合训练过程公开的信息是每个参与方的最大分裂值，而不会直接泄露每个参与方的特征信息，联合推理过程的安全依赖门限同态加密方案。本发明主要应用于决策树的联合训练和联合推理过程。
基本信息
专利标题 ：
一种纵向xgboost决策树的联邦学习方法和系统
专利标题（英）：
暂无
公开（公告）号 ：
CN114169537A
申请号 ：
CN202210127193.1
公开（公告）日 ：
2022-03-11
申请日 ：
2022-02-11
授权号 ：
CN114169537B
授权日 ：
2022-05-06
发明人 ：
李登峰
申请人 ：
神州融安科技（北京）有限公司
申请人地址 ：
北京市海淀区中关村南大街甲12号寰太大厦408室
代理机构 ：
北京鼎佳达知识产权代理事务所(普通合伙)
代理人 ：
刘铁生
优先权 ：
CN202210127193.1
主分类号 ：
G06N20/00
IPC分类号 ：
G06N20/00 G06F21/60 H04L9/00
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N20/00
机器学习
法律状态
2022-05-06 ：
授权
2022-03-29 ：
实质审查的生效
IPC(主分类) : G06N 20/00
申请日 : 20220211
申请日 : 20220211
2022-03-11 ：
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
