基于K均值聚类的双方横向联邦安全聚合方法及系统技术方案

本发明专利技术实施例公开了一种基于K均值聚类的双方横向联邦安全聚合方法及系统，其中，该方法包括：S1、各参与方根据本地样本随机生成预设数量个初始中心点；S2、各参与方根据本地样本与当前中心点的距离进行聚类，得到本地聚类结果；S3、各参与方根据本地聚类结果对当前中心点更新，得到更新中心点；S4、各参与方计算中心点与更新后的中心点的距离和；S5、根据距离和判断当前迭代是否收敛或达到最大迭代次数，若收敛或达到最大迭代次数，则各参与方采用本地的更新中心点计算聚合模型；否则，重复步骤S2‑S5，直至模型收敛或达到最大迭代次数，得到聚合模型。在保证数据传输安全性的基础上提高了传输效率。

【技术实现步骤摘要】

本专利技术涉及隐私计算领域，尤其涉及一种基于k均值聚类的双方横向联邦安全聚合方法。

技术介绍

1、在横向联邦学习场景中，即双方p0和p1拥有相同特征空间但不同样本空间的数据集时，传统的k-means聚类算法无法直接应用，因为直接交换数据会泄露各自的数据隐私。

2、现有的横向联邦聚类学习方法即有第三方节点，虽然能在一定程度上保护数据隐私，但在效率和安全性上仍有提升空间。

3、针对现有技术中使用第三方节点造成的效率低及具有安全隐患的问题，目前还没有一个有效的解决方法。

技术实现思路

1、为解决上述问题，本专利技术提供一种基于k均值聚类的双方横向联邦安全聚合方法及系统，仅采用两方节点进行数据传输，避免了使用第三方节点安全性差的问题，且在传输过程中传输中心点，传输数据量小，以解决传输效率低的问题。

2、为达到上述目的，本专利技术实施例提供了一种基于k均值聚类的双方横向联邦安全聚合方法，包括：s1、各参与方根据本地样本随机生成预设数量个初始中心点；其中，所述各参与方包括第一参与方与第本文档来自技高网...

【技术保护点】

1.一种基于K均值聚类的双方横向联邦安全聚合方法，其特征在于，包括：

2.根据权利要求1所述的基于K均值聚类的双方横向联邦安全聚合方法，其特征在于，所述各参与方采用本地的更新中心点计算聚合模型，包括：

3.根据权利要求1所述的基于K均值聚类的双方横向联邦安全聚合方法，其特征在于，所述各参与方根据本地样本与当前中心点的距离进行聚类，得到本地聚类结果，包括：

4.根据权利要求1所述的基于K均值聚类的双方横向联邦安全聚合方法，其特征在于，所述各参与方根据所述本地聚类结果对所述当前中心点更新，得到更新中心点，包括：

5.根据权利要求1所述的基于K均...

【技术特征摘要】

1.一种基于k均值聚类的双方横向联邦安全聚合方法，其特征在于，包括：

2.根据权利要求1所述的基于k均值聚类的双方横向联邦安全聚合方法，其特征在于，所述各参与方采用本地的更新中心点计算聚合模型，包括：

3.根据权利要求1所述的基于k均值聚类的双方横向联邦安全聚合方法，其特征在于，所述各参与方根据本地样本与当前中心点的距离进行聚类，得到本地聚类结果，包括：

4.根据权利要求1所述的基于k均值聚类的双方横向联邦安全聚合方法，其特征在于，所述各参与方根据所述本地聚类结果对所述当前中心点更新，得到更新中心点，包括：

5.根据权利要求1所述的基于k均值聚类的双方横向联邦安全聚合...

【专利技术属性】
技术研发人员：孙银银，兰春嘉，
申请(专利权)人：上海零数众合信息科技有限公司，
类型：发明
国别省市：