联邦学习模型的训练方法、装置和电子设备

    公开(公告)号:CN113724059A

    公开(公告)日:2021-11-30

    申请号:CN202011596639.2

    申请日:2020-12-29

    Abstract: 本申请提出一种联邦学习模型的训练方法、装置和电子设备,其中训练方法包括:获取数据提供端上多个企业的企业画像和特征信息;基于企业画像和所述特征信息,协同其他数据提供端进行模型的联邦训练,以获取各自本地学习模型的模型中间结果;将模型中间结果发送给第三方平台进行汇总,并接收第三方平台发送的全局模型中间结果;基于全局模型中间结果,调整本地学习模型的模型参数继续进行模型的联邦训练,以生成目标联邦学习模型,其中,目标联邦学习模型用于对企业的征信状态进行预测。由此,该方法可将联邦学习应用于企业征信状态的获取,通过多个数据提供端的企业画像和特征信息进行模型的联邦训练,得到的目标联邦学习模型的准确度更好。

    构建纵向联邦树的方法、主服务器、业务平台和系统

    公开(公告)号:CN113392164B

    公开(公告)日:2024-01-12

    申请号:CN202010174360.9

    申请日:2020-03-13

    Abstract: 本公开提出一种构建纵向联邦树的方法、主服务器、业务平台和系统。主服务器根据各个业务平台的共同样本的特征的维度之和以及预设参数确定第一向量,预设参数表示不参与节点分裂的特征个数,第一向量表示每个特征参与节点分裂的程度;根据局部第二向量确定全局第二向量,局部/全局第二向量分别表示每个共同样本在某一个/所有业务平台的特征向量与相应的特征参考向量之间的距离,特征参考向量表示每个特征的取值范围内的分裂点;将第一向量和全局第二向量的乘积值下发给各个业务平台,以使得各个业务平台将乘积值作为分裂值进行纵向联邦树的节点分裂,避免了各个业务平台的原始数据和样本的数据分布信息暴露的风险,增强了数据的安全性和隐私性。

    构建横向联邦树的方法、主服务器、业务平台和系统

    公开(公告)号:CN113392101A

    公开(公告)日:2021-09-14

    申请号:CN202010174287.5

    申请日:2020-03-13

    Abstract: 本公开提出一种构建横向联邦树的方法、主服务器、业务平台和系统,涉及计算机技术领域。主服务器根据各个业务平台的样本的所有共同特征的维度和预设参数确定第一向量,预设参数表示不参与横向联邦树的本次节点分裂的共同特征的个数,第一向量表示每个共同特征参与横向联邦树的本次节点分裂的程度;主服务器根据所有共同特征对应的全局特征取值范围确定第二向量,第二向量表示每个共同特征的全局特征取值范围内的随机分裂点;主服务器将两个向量下发给各个业务平台,以使得各个业务平台利用两个向量来进行横向联邦树的节点的分裂,避免了各个业务平台的原始数据或样本的数据分布信息暴露的风险,增强了数据的安全性和隐私性。

    构建横向联邦树的方法、主服务器、业务平台和系统

    公开(公告)号:CN113392101B

    公开(公告)日:2024-06-18

    申请号:CN202010174287.5

    申请日:2020-03-13

    Abstract: 本公开提出一种构建横向联邦树的方法、主服务器、业务平台和系统,涉及计算机技术领域。主服务器根据各个业务平台的样本的所有共同特征的维度和预设参数确定第一向量,预设参数表示不参与横向联邦树的本次节点分裂的共同特征的个数,第一向量表示每个共同特征参与横向联邦树的本次节点分裂的程度;主服务器根据所有共同特征对应的全局特征取值范围确定第二向量,第二向量表示每个共同特征的全局特征取值范围内的随机分裂点;主服务器将两个向量下发给各个业务平台,以使得各个业务平台利用两个向量来进行横向联邦树的节点的分裂,避免了各个业务平台的原始数据或样本的数据分布信息暴露的风险,增强了数据的安全性和隐私性。

    构建纵向联邦树的方法、主服务器、业务平台和系统

    公开(公告)号:CN113392164A

    公开(公告)日:2021-09-14

    申请号:CN202010174360.9

    申请日:2020-03-13

    Abstract: 本公开提出一种构建纵向联邦树的方法、主服务器、业务平台和系统。主服务器根据各个业务平台的共同样本的特征的维度之和以及预设参数确定第一向量,预设参数表示不参与节点分裂的特征个数,第一向量表示每个特征参与节点分裂的程度;根据局部第二向量确定全局第二向量,局部/全局第二向量分别表示每个共同样本在某一个/所有业务平台的特征向量与相应的特征参考向量之间的距离,特征参考向量表示每个特征的取值范围内的分裂点;将第一向量和全局第二向量的乘积值下发给各个业务平台,以使得各个业务平台将乘积值作为分裂值进行纵向联邦树的节点分裂,避免了各个业务平台的原始数据和样本的数据分布信息暴露的风险,增强了数据的安全性和隐私性。

Patent Agency Ranking