一种基于安全纵向联邦回归模型的烟草销售违规信息预测方法

    公开(公告)号:CN116882571B

    公开(公告)日:2023-12-12

    申请号:CN202310852340.6

    申请日:2023-07-12

    Abstract: 本发明属于隐私计算技术研究领域,公开了一种基于安全纵向联邦回归模型的烟草销售违规信息预测方法,包括:步骤1、数据预处理:通信运营商与烟草公司将标识信息加密并发送半可信第三方,第三方执行匹配并返还,计算得到对齐数据;步骤2、安全纵向联邦回归模型训练:第三方生成同态加密公私钥对并分发通信运营商与烟草公司,第三方计算并发送加密梯度给通信运营商,烟草公司解密并发送更新模型;步骤3、基于安全联邦纵向回归模型的预测:烟草公司对预测数据与通信运营商预测数据进行匹配烟草公司计算并发送加密纵向联邦回归预测,烟草公司解密预测值并返还。本发明具有更强的隐私保(56)对比文件肖霄 等.基于时序预测与异常检测的烟草违法销售预警《.贵州师范大学学报(自然科学版)》.2023,第41卷(第3期),第119-124页.郭军 等.基于BP神经网络的零售户销售假烟行为的预警模型《.电子技术与软件工程》.2018,(第21期),第165-166页.李国 等.基于纵向联邦学习的航班延误预测《.计算机工程与设计》.2023,第44卷(第5期),第1594-1601页.Jiaojiao Wang 等.Spatial-temporalpatterns and drivers of illicit tobaccotrade in Changsha county, China《.2016IEEE Conference on Intelligence andSecurity Informatics (ISI)》.2016,第127-132页.Xinjian Luo 等.Feature InferenceAttack on Model Predictions in VerticalFederated Learning《.2021 IEEE 37thInternational Conference on DataEngineering (ICDE)》.2021,第181-192页.

Patent Agency Ranking