摘要
本申请提供了一种联邦建模方法、模型推理方法、装置、设备及介质,涉及联邦学习技术领域,获取当前树节点中各样本对应的特征密文,以及各特征密文对应的分箱导数信息;基于各特征密文和分箱点密文之间的大小比对结果,将各特征密文映射至各特征分箱中,得到映射结果;基于各分箱导数信息和映射结果,生成各特征分箱分别对应的累计直方图信息;将累计直方图信息发送至第一参与方,联合第一参与方构建联邦XGBoost模型。持有样本特征的参与方仅传递特征密文和分箱点密文即可完成模型训练,无需向其他参与方暴露包含特征明文和分箱点明文在内的特征相关信息,提升了联邦XGBoost模型训练过程中各参与方样本特征信息的数据安全性,提升联邦XGBoost建模的安全性。
技术关键词
XGBoost模型
累计直方图
分箱
联邦建模方法
联邦建模装置
样本
明文
推理方法
节点
推理装置
联邦学习技术
同态加密算法
电子设备
模块
可读存储介质
数据安全性
处理器
指令
计算机
系统为您推荐了相关专利信息
动态平衡系统
动态平衡方法
Kafka集群
XGBoost算法
策略
海底底质分类方法
XGBoost模型
地形特征提取
光谱特征提取
超参数
边坡
大坝
粒子滤波器
XGBoost模型
信号值
智慧管理平台
储能智能
调度系统
调度优化模型
充放电功率