[发明专利]基于联邦学习的多方联合建模方法、设备和介质

权利要求书

1.一种基于联邦学习的多方联合建模方法，其特征在于，所述基于联邦学习的多方联合建模方法应用于进行纵向联邦的第一设备，所述基于联邦学习的多方联合建模方法包括：

与所述第一设备关联的各第二设备进行样本对齐，获得第一样本数据；

基于所述第一样本数据，通过与各所述第二设备进行交互以进行纵向联邦，计算特征分裂增益直方图，以构建联合建模决策树。

2.如权利要求1所述基于联邦学习的多方联合建模方法，其特征在于，所述基于所述第一样本数据，通过与各所述第二设备进行交互以进行纵向联邦，计算特征分裂增益直方图，以构建联合建模决策树的步骤包括：

对所述第一样本数据进行特征分箱，获得第一特征分箱数据，并生成所述纵向联邦对应的密钥对；

获取模型残差和所述第一特征分箱数据对应的数据标签，并基于所述模型残差和所述数据标签计算所述第一特征分箱数据对应的一阶梯度集合和二阶梯度集合；

基于所述一阶梯度集合和所述二阶梯度集合，通过与各所述第二设备进行交互以进行纵向联邦，计算所述特征分裂增益直方图，以构建联合建模决策树。

3.如权利要求2所述基于联邦学习的多方联合建模方法，其特征在于，所述特征分裂增益直方图包括第一特征分裂增益直方图和第二特征分裂增益直方图，

所述基于所述一阶梯度集合和所述二阶梯度集合，通过与各所述第二设备进行交互以进行纵向联邦，计算所述特征增益直方图，以构建联合建模决策树的步骤包括：

获取所述第一特征分箱数据对应的待分裂节点队列，并获取所述第一特征分箱数据对应的待分裂节点队列，基于所述一阶梯度集合、所述二阶梯度集合和所述待分裂节点的队首元素，计算所述第一特征分裂增益直方图；

基于所述密钥对中的公钥，将所述一阶梯度集合和所述二阶梯度集合加密发送至各所述第二设备，并接收各所述第二设备反馈的加密第二特征分裂增益直方图；

基于所述密钥对中的私钥，对各所述加密第二特征分裂增益直方图进行解密，获得各所述第二特征分裂增益直方图；

基于所述第一特征分裂增益直方图和各所述第二特征分裂增益直方图，获取最大增益分裂点，以构建所述联合建模决策树。

4.如权利要求3所述基于联邦学习的多方联合建模方法，其特征在于，所述基于所述第一特征分裂增益直方图和各所述第二特征分裂增益直方图，获取最大增益分裂点，以构建所述联合建模决策树的步骤包括：

基于所述第一特征分裂增益直方图和各所述第二特征分裂直方图，通过预设增益计算公式寻找最大增益分裂点；

判断所述待分裂节点是否达到预设停止分裂条件，若所述待分裂节点达到所述预设停止分裂条件，则将所述待分裂节点作为所述联合建模决策树的叶子节点；

若所述待拆分节点未达到所述预设停止分裂条件，则基于所述最大增益分裂点，分裂所述待分裂节点，获得孩子节点；

对所述孩子节点进行分裂，直至所述待分裂节点对应的待分裂树的所有节点不可再分裂，获得所述联合建模决策树。

5.如权利要求3所述基于联邦学习的多方联合建模方法，其特征在于，所述基于所述第一特征分裂增益直方图、各所述第二特征分裂增益直方图，获取最大增益分裂点的步骤之后包括：

判断所述最大增益分裂点的归属，若所述最大增益点属于所述第一设备，则向各所述第二设备发送空值，并标记所述最大增益点属于所述第一设备；

若所述最大增益点属于特定第二设备，则接收所述特定第二设备发送的特征分裂值和特征编码，并标记所述最大增益点属于所述特定第二设备，向其它所述第二设备发送空值，其中，所述特定第二设备为所述各所述第二设备之一。

6.如权利要求3所述基于联邦学习的多方联合建模方法，其特征在于，所述加密第二特征分裂增益直方图由所述第二设备基于加密的所述一阶梯度集合、加密的所述二阶梯度集合进行计算获得。