隐私保护的纵向联邦提升树方法

本发明提供一种隐私保护的纵向联邦提升树方法，涉及纵向联邦学习技术领域；方法包括：将秘密分享的二值矩阵和梯度信息组合，得到分享矩阵并秘密分享；各个训练终端基于置换三元组分别对分享矩阵进行行置换并秘密分享置换结果；协同计算候选分裂的线性增益分数并秘密分享，计算最大线性增益分数对应的分裂的指示向量；根据候选分裂数量，从矩阵中选取相应列与指示向量计算子节点样本和计算子节点的置换矩阵；递归执行计算分裂步骤，完成从根节点到叶子节点的分裂，计算叶子节点权重并存入预设集合。基于叶子节点权重更新下一决策模型根节点的二值置换矩阵，继续计算直到生成全部决策树模型；能够解决现有的纵向联邦梯度提升树协议效率较低的问题。