一种基于自监督学习的纵向联邦学习方法

本发明公开了一种基于自监督学习的纵向联邦学习方法，属于机器学习技术领域。该方法包括：对于任意两个参与方，使用重叠数据样本互为正样本对进行重叠网络的自监督训练；对两个参与方的本地数据进行压缩处理，得到降维后的数据矩阵，使用压缩数据与重叠编码器对本地在线网络和目标网络进行自监督训练；将每一参与方训练好的本地在线网络的尾部编码器以及预测器参数上传至服务器求平均，然后下发各参与方更新进行下一轮的训练。本发明采用对本地数据进行压缩处理以及传递特征表示代替传输加密参数，降低了对设备计算能力的要求；同时该方法不仅充分利用重叠样本，而且还能够使用非重叠样本进行训练，显著提高样本的使用率。