一种用于隐私保护的纵向逻辑回归模型训练方法及系统

本发明提供一种用于隐私保护的纵向逻辑回归模型训练方法及系统，模型发起方基于本地训练样本数据输出第一局部线性函数输出结果；向特征提供方发送联合训练请求并接收第二局部线性函数输出结果；聚合两个局部线性函数输出结果输入激活函数层获得预测值；与模型发起方持有的标签计算残差并对发起方目标模型进行参数更新；每一轮参数迭代更新过程中，加密残差发送至特征提供方，以计算梯度后加密得到第一掩码梯度；接收第一掩码梯度去除第二乘法掩码后加密得到第二掩码梯度，发送至特征提供方以计算包含掩码的模型中间参数；接收模型中间参数去除第四加法掩码后添加当前迭代轮次的第一乘法掩码并发送至特征提供方以更新带掩码的提供方目标模型参数。