一种联邦学习模型训练方法、装置及电子设备

本申请公开了一种联邦学习模型训练方法、装置及电子设备，涉及计算机技术领域，用以进行树类联邦学习模型的训练，实现了特征维度和样本维度的扩展，该方法包括：分别获取N个数据提供方各自与数据使用方对应的目标虚拟融合数据集，目标虚拟融合数据集为数据使用方和数据提供方分别进行数据样本对齐以及数据特征对齐得到；然后，对多个目标虚拟融合数据集中的各个数据特征进行特征分箱，获得多个目标虚拟融合数据集中各个数据特征各自的多个候选分割点；进一步，根据多个候选分割点各自对应的分裂增益值，确定最优分割点；最后，根据最优分割点对联邦学习模型中的节点进行节点分裂，直至联邦学习模型满足预设条件，生成目标联邦学习模型。