一种基于半对齐数据的纵向联邦学习模型优化方法

本申请公开了一种基于半对齐数据的纵向联邦学习模型优化方法，该方法通过引入半对齐样本的纵向联邦学习框架，显著提升了模型在数据隐私保护前提下的训练效率和准确度，有效解决了传统纵向联邦学习中因样本对齐率低导致的大量未对齐数据浪费问题。该方法在保证数据隐私与安全的前提下，实现了未对齐样本的高效利用，解决了少样本场景下模型性能受限的难题。