内容提供者
基于隐私计算的纵向联邦特征衍生方法、装置、介质.pdf
2023-05-25
10金币
1MB
23页
新月****姐a
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共23页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
基于隐私计算的纵向联邦特征衍生方法、装置、介质.pdf
本申请提供一种基于隐私计算的纵向联邦特征衍生方法、装置、介质,涉及计算机技术领域,包括:第一参与方基于第一参与方生成的第一线性特征和第一交互特征、第二参与方生成的第二线性特征和第二交互特征以及第一参与方的特征标签确定目标损失函数,并根据目标损失函数确定用于更新第一模型参数的第一梯度;将第一梯度中的残差特征加密为残差密文,并将残差密文发送至第二参与方;第二参与方根据残差密文生成待解密梯度密文,并将待解密梯度密文发送至第一参与方;第一参与方解密待解密梯度密文,得到包含用于更新第二模型参数的第二梯度的目标数据,
2023-05-25
10
1MB
基于纵向联邦学习的隐私数据处理方法、电子设备及介质.pdf
本发明涉及数据加密处理领域，公开了一种基于纵向联邦学习的隐私数据处理方法、电子设备及介质，从方差角度降低泛化误差。通过加密处理发起方用于表征商户购买行为的第一数据集和数据提供方用于表征消费者在商户处的消费行为的第二数据集并进行求交处理，得到交叉数据集，发起方随机采样交叉数据集并进行加密操作，提高了商户隐私数据的安全性；并记录被抽中的样本唯一标识并发给数据提供方，保证数据提供方的数据和发起方的数据一致性，发起方和数据提供方根据自身特征进行分箱操作得到最佳预测值，该预测值能够准确反馈商户的购买意愿行为。对最佳
2023-11-26
10
633KB
一种纵向联邦学习建模方法、装置、设备及计算机介质.pdf
本申请公开了一种纵向联邦学习建模方法、装置、设备及计算机可读存储介质，应用于业务方时，获取进行纵向联邦学习建模所需的目标标签；对目标标签进行分解，得到目标子标签；将目标子标签分配给与目标标签对应的各个数据方，以使各个数据方基于分配的目标子标签及数据方的本地数据进行纵向联邦学习建模；其中，业务方保存有标签，数据方不保存有标签。由于所有的目标子标签集合起来才能全面描述目标标签，所以各个数据方只能借助目标子标签得到特定角度的目标标签信息，而无法得到目标标签的全部信息，避免了因加密目标标签进行传输带来的计算资源与
2023-07-25
10
1.1MB
基于联邦学习的特征提取方法和装置、电子设备、介质.pdf
本实施例提供基于联邦学习的特征提取方法和装置、电子设备、介质，属于机器学习技术领域。该方法包括：与第二参与方相互发送己方的原始特征数据；根据特征数据集的特征维度从特征数据集提取出目标特征；根据目标特征和原始本地模型的模型参数计算出原始本地模型的预测值；对己方的预测值进行加密处理得到加密目标梯度，并与第二参与方相互发送己方的加密目标梯度；根据第二参与方发送的加密目标梯度计算目标损失；根据己方的目标损失计算共线性量化因子；根据己方计算的共线性量化因子将相应的目标特征确定为待分析的最终特征。本公开实施例可以针对
2023-07-24
10
1MB
纵向联邦预测优化方法、设备、介质及计算机程序产品.pdf
本申请公开了一种纵向联邦预测优化方法、设备、介质及计算机程序产品，包括：提取第一方待预测样本，并获取目标预测模型针对第一方待预测样本进行模型预测生成的第一方模型预测结果；与第二设备进行联邦交互，以供第二设备确定第二方待预测样本，并利用目标残差提升模型对第二方待预测样本执行模型预测，获得第二方模型预测结果；获取目标预测模型对应的第一方模型权重，并接收第二设备发送的第二方模型预测结果和目标残差提升模型对应的第二方模型权重；基于第一方模型权重和第二方模型权重，对第一方模型预测结果和第二方模型预测结果进行加权聚合
2023-07-25
10
1.4MB