一种基于秘密共享的智能电网纵向联邦学习线性回归方法

本发明涉及隐私计算技术领域，具体是一种基于秘密共享的智能电网纵向联邦学习线性回归方法。该技术首先参与方使用加法秘密分享将数据拆分成两个份额，与其他方交换份额和随机掩码；前向传播中参与方使用自己的秘密份额计算中间结果，再由服务器计算另一部分中间结果并聚合，降低参与方的计算开销，同时取消了对乘法三元组的依赖，降低参与方通信开销；反向传播中服务器为聚合结果计算份额并使用掩码保护，辅助其他参与方计算梯度份额，之中的任意参与方仅需与至多两个其他参与方进行交互。该方法提高了资源受限的智能电网中的参与方的运行效率，解决传统纵向联邦学习线性回归方法在设备性能低下的智能电网中训练速度过慢的技术问题。