公开(公告)号：CN116245198A

公开(公告)日：2023-06-09

申请号：CN202310233090.8

申请日：2023-03-13

申请人： 贵州数据宝网络科技有限公司 ,  贵州大学

发明人： 汤寒林 ,  彭长根 ,  殷涛 ,  万云飞 ,  李胡 ,  王思楠 ,  丁红发

IPC分类号： G06N20/00 ,  G06F17/18 ,  G06F21/60 ,  H04L9/00

摘要： 本发明提供一种基于广义线性回归的联邦学习方法、系统、终端及介质，包括：数据方双方联合构建广义线性回归模型，其中，所述数据方双方包括提供训练属性值数据持有方A端和提供数据标签值的数据应用方B端；构建广义线性回归模型的损失函数，其中，所述广义线性回归模型的变量满足Tweedie分布时，训练目标为最小化损失函数；数据持有方A端根据损失函数求偏导得出本地梯度，并通过同态加密技术交换用于计算本地梯度的中间结果；数据持有方A端利用本地梯度更新所述广义线性回归模型。本发明提出了在一方仅提供训练属性值、另一方仅提供数据标签值的场景下的符合Tweedie分布的广义线性回归模型的两方纵向联邦学习方案。