[发明专利]纵向联邦学习中无可信第三方的回归模型训练方法及系统在审
| 申请号： | 202110358220.1 | 申请日： | 2021-04-01 |
| 公开（公告）号： | CN112906912A | 公开（公告）日： | 2021-06-04 |
| 发明（设计）人： | 黄岳嘉;孙慧中;张冠宏;王湾湾 | 申请（专利权）人： | 深圳市洞见智慧科技有限公司 |
| 主分类号： | G06N20/20 | 分类号： | G06N20/20 |
| 代理公司： | 北京柏杉松知识产权代理事务所(普通合伙) 11413 | 代理人： | 项京;赵元 |
| 地址： | 518118 广东省深圳市福田区福田街*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请实施例提供了一种纵向联邦学习中无可信第三方的回归模型训练方法及系统，数据提供方将第一内积发送至模型发起方；模型发起方计算第一内积与第二内积的内积和，采用预设函数计算预测值，计算预测值与真实标签值的残差，对残差进行半同态加密，将半同态加密残差以及半同态加密的公钥发送至数据提供方；数据提供方在半同态加密下，计算针对第一特征参数的第一梯度并增加随机掩码；模型发起方根据半同态加密的私钥，对加密掩码梯度进行解密，将掩码梯度发送至数据提供方；数据提供方去除掩码梯度中的随机掩码，得到第一梯度，更新第一特征参数。实现在不依赖第三方机构，且保护双方隐私数据的前提下，完成纵向联邦学习中回归模型的训练。 | ||
| 搜索关键词： | 纵向 联邦 学习 可信 第三 回归 模型 训练 方法 系统 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳市洞见智慧科技有限公司，未经深圳市洞见智慧科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202110358220.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种储能电源
- 下一篇：一体式多规格加热卷烟器具
