基于数据隐私保护的机器学习模型特征筛选方法及装置.pdf
mm****酱吖
亲,该文档总共30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
基于数据隐私保护的机器学习模型特征筛选方法及装置.pdf
本说明书实施例提供用于基于数据隐私保护的机器学习模型特征筛选的方法。机器学习模型具有模型特征集,并且机器学习模型的特征数据被水平切分地分布在第一数据拥有方和至少一个第二数据拥有方处,每个数据拥有方具有与模型特征集对应的特征数据。第一数据拥有方和至少一个第二数据拥有方协同来使用第一数据拥有方的特征数据进行多方安全计算,以训练出待筛选模型特征的预测模型。在第一数据拥有方处,基于待筛选模型特征的预测差值确定待筛选模型特征的方差膨胀因子,以用于对待筛选模型特征进行模型特征筛选处理。
基于数据隐私保护的机器学习模型特征筛选方法及装置.pdf
本说明书实施例提供用于基于数据隐私保护的机器学习模型特征筛选的方法。机器学习模型具有模型特征集,并且机器学习模型的特征数据被垂直切分地分布在第一数据拥有方和至少一个第二数据拥有方处,每个数据拥有方具有与模型特征集的模型特征子集对应的特征数据。第一数据拥有方具有待筛选模型特征的特征数据,第二数据拥有方不具有待筛选模型特征的特征数据。第一数据拥有方和至少一个第二数据拥有方协同来使用各自的特征数据进行多方安全计算,以训练出待筛选模型特征的预测模型。在第一数据拥有方处,基于待筛选模型特征的预测差值确定待筛选模型特
基于特征波长筛选的光谱特征模型的构建方法及装置.pdf
本发明提供一种基于特征波长筛选的光谱特征模型的构建方法及装置,所述方法包括:通过数据预处理方法处理原始光谱数据,得到待筛选光谱数据;应用变量投影重要性算法筛选所述待筛选光谱数据,得到第一特征波长集合;应用连续变量投影算法筛选所述第一特征波长集合,得到第二特征波长集合;利用多元线性回归策略构建基于所述第二特征波长集合的光谱特征模型。本发明实施例提供的基于特征波长筛选的光谱特征模型的构建方法及装置,简化了模型,提高了模型的可解释性和预测性能。
基于隐私保护的联合特征分箱方法及装置.pdf
本说明书实施例提供了一种基于隐私保护的联合特征分箱方法及装置。双方各自存储有隐私数据。标签持有方将同态加密后的N个第一加密标签值和生成的范围证明发送至特征持有方;特征持有方在基于范围证明验证通过后将N个第一加密标签值与N个特征值进行关联,并对N个特征值按照值大小重新排序,得到按照更新顺序排列的N个特征值构成的第一序列和N个第二加密标签值构成的第二序列,并将第二序列发送至标签持有方;标签持有方对第二序列中的第二加密标签值进行解密,得到各个初始分箱中的原始标签值,并基于此进行特征分箱,得到第一分箱结果,并发送
基于数据隐私保护的在线模型训练方法、装置以及设备.pdf
本说明书实施例公开了一种基于数据隐私保护的在线模型训练方法、装置以及设备。方案包括:客户端在与云端交互后,确定基准模型。在对模型进行更新的过程中,获取用户数据,对用户数据进行重编码,得到图像形式数据。之后,对图像形式数据进行矩阵变换处理,得到脱敏数据,并将脱敏数据加密后,发送给云端,以及消除本地的用户数据。之后,客户端接收云端根据加密后的脱敏数据确定的模型梯度,并根据模型梯度更新本地的基准模型。