【技术实现步骤摘要】
本申请涉及联邦学习，尤其涉及一种联邦学习模型生成方法、电子设备、计算机可读存储介质及计算机程序产品。
技术介绍
1、联邦学习模型在需要丰富的数据进行联合建模，在需要保护数据隐私和数据价值共享的安全性的场景下应用较广。在联邦学习模型的训练过程中，通常是数据提供方先将数据输出给另一方，由另一方本地完成联合模型的训练后，然后双方部署在联邦学习建模平台，导入训练数据以进行联邦学习模型的训练。由于上述建模方式从零开始进行联邦学习模型的构建，需要耗费的人力、算力资源以及时间成本较多。尤其是在联邦学习参与方已经应用过传统建模方式形成的模型后，再重新训练联邦学习模型会造成工作的重复投入，影响建模效率，造成计算资源的浪费。
2、上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
1、本申请的主要目的在于提供一种联邦学习模型生成方法、电子设备、计算机可读存储介质及计算机程序产品，旨在解决联邦学习模型的训练过程耗费的资源较多，影响建模效率的技术问题。
...
【技术保护点】
1.一种联邦学习模型生成方法，其特征在于，应用于模型提供方，所述模型提供方部署有存量决策树模型，所述模型提供方与数据提供方通信连接，所述数据提供方存储有用户金融数据，所述联邦学习模型生成方法包括：
2.如权利要求1所述的联邦学习模型生成方法，其特征在于，所述联邦学习模型生成方法还包括：
3.如权利要求1所述的联邦学习模型生成方法，其特征在于，在所述将所述存量决策树模型中的特征顺序与数据提供方的特征顺序对齐，得到更新决策树模型的步骤之后，所述方法还包括：
4.如权利要求1所述的联邦学习模型生成方法，其特征在于，所述模型提供方部署有联邦...
【技术特征摘要】
1.一种联邦学习模型生成方法，其特征在于，应用于模型提供方，所述模型提供方部署有存量决策树模型，所述模型提供方与数据提供方通信连接，所述数据提供方存储有用户金融数据，所述联邦学习模型生成方法包括：
2.如权利要求1所述的联邦学习模型生成方法，其特征在于，所述联邦学习模型生成方法还包括：
3.如权利要求1所述的联邦学习模型生成方法，其特征在于，在所述将所述存量决策树模型中的特征顺序与数据提供方的特征顺序对齐，得到更新决策树模型的步骤之后，所述方法还包括：
4.如权利要求1所述的联邦学习模型生成方法，其特征在于，所述模型提供方部署有联邦学习系统，所述基于预设的伪数据建立基础联邦学习模型的步骤包括：
5.如权利要求1所述的联邦学习模型生成方法，其特征在于，所述联邦学习模型生成方法还包括：
6.一种联邦学习模型生成方法，其特征在于，应用于数据提供方，所述数据...
【专利技术属性】
技术研发人员：彭娴睿，马国强，陈伟敬，瞿晓婷，
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：
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。