一种面向联邦梯度提升树的高效掩码聚合学习方法

本发明提供一种面向联邦梯度提升树的高效掩码聚合学习方法，采用本地数据预处理和集中训练相结合的模式，参与者执行秘密极值桶构造算法和可擦除的标签掩码生成算法后将数据发送给服务器，由服务器集中训练，参与者与服务器之间只有一轮通信；使用添加掩码的方式进行加密，且掩码在模型训练阶段相互抵消；所述秘密极值桶构造算法用于构造全局分桶结构并混淆特征值；所述可擦除的标签掩码生成算法用于为样本标签添加掩码。