一种基于纵向联邦学习的模型训练方法及装置

本发明涉及机器学习技术领域，公开了一种基于纵向联邦学习的模型训练方法及装置，应用于包含协调节点和多个参与节点的分布式网络，该方法由协调节点执行，该方法包括：获取各个参与节点的加密数据；该加密数据包括中间结果；该中间结果是各个参与节点基于本地预处理后的数据和当前全局模型参数生成的；聚合各个参与节点的加密数据，对全局模型进行更新，生成更新后的全局模型参数；将更新后的全局模型参数传输至各个参与节点；判断此时是否满足终止条件，若满足，则完成全局模型的训练。本发明通过加密中间结果传输与全局模型迭代更新，解决了现有技术中数据隐私泄露与模型训练效率低的问题。