一种纵向联邦学习中的数据标签保护方法、设备及介质

本发明公开一种纵向联邦学习中的数据标签保护方法、设备及介质，属数据安全领域，用于纵向联邦学习系统中，第一轮训练前，初始化密文层列表、待重构层列表和选择准则参数，包括：步骤1，基于秘密分享的模型层掩蔽处理，包括秘密分享与重构处理；步骤2，模型安全更新：包括安全前向传播与反向传播；步骤3，影子模型更新：在本地构建训练影子模型，算出梯度值；步骤4，按预设的隐私预算阈值选择调整需掩蔽的模型层，按调整的掩蔽模型层更新密文层列表和待重构层列表；步骤5，用新密文层列表和待重构层列表重新执行步骤1的模型层掩蔽处理，开启下一轮训练，直到完成。该方法能提升纵向联邦学习中的数据标签安全性。