【技术实现步骤摘要】
基于联邦学习的多方联合建模方法、设备和介质
本申请涉及金融科技(Fintech)的机器学习
，尤其涉及一种基于联邦学习的多方联合建模方法、设备和介质。
技术介绍
随着金融科技，尤其是互联网科技金融的不断发展，越来越多的技术(如分布式、区块链Blockchain、人工智能等)应用在金融领域，但金融业也对技术提出了更高的要求，如对金融业对应待办事项的分发也有更高的要求。随着计算机软件和人工智能的不断发展，机器学习建模的应用也越来越广泛，其中GBDT(GradientBoostingDecisionTree，梯度提升迭代决策树)算法常常被用于风控、推荐等应用场景中的纵向联邦学习，目前，随着联邦学习技术的出现，可以通过利用多方的数据来建立共同的机器学习模型，以增强模型效果和更充分地使用数据，而现有的纵向GBDT联邦建模算法可支持一个数据提供方和一个数据使用方进行双方交互以进行联合建模，但是，一个数据提供方和一个数据使用方的数据量往往是较少的，并不利于纵向GBDT联邦建模算法模型快速、高效的学习到样本的模式分布，...
【技术保护点】
1.一种基于联邦学习的多方联合建模方法，其特征在于，所述基于联邦学习的多方联合建模方法应用于进行纵向联邦的第一设备，所述基于联邦学习的多方联合建模方法包括：/n与所述第一设备关联的各第二设备进行样本对齐，获得第一样本数据；/n基于所述第一样本数据，通过与各所述第二设备进行交互以进行纵向联邦，计算特征分裂增益直方图，以构建联合建模决策树。/n
【技术特征摘要】
1.一种基于联邦学习的多方联合建模方法，其特征在于，所述基于联邦学习的多方联合建模方法应用于进行纵向联邦的第一设备，所述基于联邦学习的多方联合建模方法包括：
与所述第一设备关联的各第二设备进行样本对齐，获得第一样本数据；
基于所述第一样本数据，通过与各所述第二设备进行交互以进行纵向联邦，计算特征分裂增益直方图，以构建联合建模决策树。
2.如权利要求1所述基于联邦学习的多方联合建模方法，其特征在于，所述基于所述第一样本数据，通过与各所述第二设备进行交互以进行纵向联邦，计算特征分裂增益直方图，以构建联合建模决策树的步骤包括：
对所述第一样本数据进行特征分箱，获得第一特征分箱数据，并生成所述纵向联邦对应的密钥对；
获取模型残差和所述第一特征分箱数据对应的数据标签，并基于所述模型残差和所述数据标签计算所述第一特征分箱数据对应的一阶梯度集合和二阶梯度集合；
基于所述一阶梯度集合和所述二阶梯度集合，通过与各所述第二设备进行交互以进行纵向联邦，计算所述特征分裂增益直方图，以构建联合建模决策树。
3.如权利要求2所述基于联邦学习的多方联合建模方法，其特征在于，所述特征分裂增益直方图包括第一特征分裂增益直方图和第二特征分裂增益直方图，
所述基于所述一阶梯度集合和所述二阶梯度集合，通过与各所述第二设备进行交互以进行纵向联邦，计算所述特征增益直方图，以构建联合建模决策树的步骤包括：
获取所述第一特征分箱数据对应的待分裂节点队列，并获取所述第一特征分箱数据对应的待分裂节点队列，基于所述一阶梯度集合、所述二阶梯度集合和所述待分裂节点的队首元素，计算所述第一特征分裂增益直方图；
基于所述密钥对中的公钥，将所述一阶梯度集合和所述二阶梯度集合加密发送至各所述第二设备，并接收各所述第二设备反馈的加密第二特征分裂增益直方图；
基于所述密钥对中的私钥，对各所述加密第二特征分裂增益直方图进行解密，获得各所述第二特征分裂增益直方图；
基于所述第一特征分裂增益直方图和各所述第二特征分裂增益直方图，获取最大增益分裂点，以构建所述联合建模决策树。
4.如权利要求3所述基于联邦学习的多方联合建模方法，其特征在于，所述基于所述第一特征分裂增益直方图和各所述第二特征分裂增益直方图，获取最大增益分裂点，以构建所述联合建模决策树的步骤包括：
基于所述第一特征分裂增益直方图和各所述第二特征分裂直方图，通过预设增益计算公式寻找最大增益分裂点；
判断所述待分裂节点是否达到预设停止分裂条件，若所述待分裂节点达到所述预设停止分裂条件，则将所述待分裂节点作为所述联合建模决策树的叶子节点；
若所述待拆分节点未达到所述预设停止分裂条件，则基于所述最大增益分裂点，分裂所述待分裂节点，获得孩子节点；
对所述孩子节点进行分裂，直至所述待分裂节点对应的待分裂树的所有节点不可再分裂，获得所述联合建模决策树。
5.如权利要求3所述基于联邦学习的多方联合建模方法，其...
【专利技术属性】
技术研发人员：马国强，范涛，魏文斌，谭明超，郑会钿，陈天健，杨强，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。