一种纵向联邦学习隐私保护方法

本发明涉及一种纵向联邦学习隐私保护方法，属于隐私保护领域。本发明包括步骤：1、初始化；2、客户端通过隐私求交构建用户样本集；3、客户端对底层模型执行客户端的前向传播；4、服务器以时间片轮转方式将中间结果进行迭代更新并构建映射关系；5、服务器对中间结果进行异步聚合处理；6、服务器对顶层模型执行服务器的前向传播后得到服务器的预测结果；7、利用预测结果，服务器对顶层模型进行训练并执行服务器的反向传播；8、客户端接收来自服务器所分发的中间梯度G执行底层模型的反向传播；9、重复步骤3至步骤8，直到达到预期精度或预先协商次数，完成纵向联邦训练。本发明实现了纵向联邦学习的异步训练，提高了模型训练效率。