【技术实现步骤摘要】
一种安全联邦学习逻辑回归算法
本专利技术涉及联邦学习
，特别涉及一种安全联邦学习逻辑回归算法。
技术介绍
机器学习(MachineLearning，简称ML)是指用某些算法指导计算机利用已知数据自主构建合理的模型，并利用此模型对新的情境给出判断的过程，在网络搜索、在线广告、商品推荐、机械故障预测、保险定价、金融风险管理等各种应用中发挥着非常重要的作用。传统上，机器学习模型是在一个集中的数据语料库上训练的，这些数据可能是由单个或多个数据提供者收集的。虽然已经开发了并行分布式算法来加速训练过程，但是训练数据本身仍然集中收集和存储在一个数据中心。2018年5月，欧盟通过GeneralDataProtectionRegulation(GDPR)法案把对隐私保护的要求提到了一个新的高度。除此以外，还有很多关于隐私数据的法律法规开始公布。因此，以前平台机构以任意方式进行数据共享受到挑战，也给机器学习的数据收集带来了严重的隐私问题。因为用于机器学习训练的数据通常是敏感的，可能来自具有不同隐私要求的多个所有者。这一严重的隐私问...
【技术保护点】
1.一种安全联邦学习逻辑回归算法，其特征在于，包括纵向联邦学习，步骤如下：/n步骤1：host计算E(W
【技术特征摘要】
1.一种安全联邦学习逻辑回归算法，其特征在于，包括纵向联邦学习，步骤如下：
步骤1：host计算E(WBXB)发送给guest；
步骤2：guest计算计算计算计算发送给host，然后通过计算梯度值LA，更新本地模型参数W′A；
步骤3：如果isstop≠0，则计算梯度值LB,更新模型参数E(W′B)，然后重复步骤1：如果isstop＝0，则进入步骤4；
步骤4：guest返回WA，host选择随机向量，将添加扰动的W′B发送给guest；
步骤5：guest帮助解密W′B，发送给host；
步骤6：host返回模型参数WB。
2.如权利要求1所述的安全联邦学习逻辑回归算法，其特征在于，数据应用方(guest)和数据持有方(host)方分别持有一个特征矩阵和guest持标签矩阵y∈Rn×1，其中yj∈R1×1,i∈[A,B],j∈[1,n]属于某一个用户的记录实例，使用表示对应特征矩阵Xi的特征集。
3.如权利要求1所述的安全联邦学习逻辑回归算法，其特征在于，在应用机器学习算法时，采用小批量...
【专利技术属性】
技术研发人员：祝文伟，
申请(专利权)人：神谱科技上海有限公司，
类型：发明
国别省市：上海;31
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。