一种纵向联邦学习的树模型训练方法及装置.pdfVIP

下载本文档

4
0
约1.74万字
约 15页
2023-05-31 发布于四川
举报
版权申诉

一种纵向联邦学习的树模型训练方法及装置.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本申请提供一种纵向联邦学习的树模型训练方法及装置，其是一种多个梯度数据共享一个密态对象的纵向联邦学习方法，该方法包括合并部分和拆分部分两部分，首先，生成梯度的时候确定一阶梯度的幂次、二阶梯度幂次、分离一阶梯度和二阶梯度幂次，其次，通过一阶梯度的幂次和二阶梯度的幂次合并一阶梯度和二阶梯度，然后把加密合并的梯度发给其他参与方，再次，在计算最优分割信息的时候对合并的梯度进行拆分，最后，还原本方和其他参与方的原始直方图，计算最优分割信息。本实施例提出的方法把一阶梯度和二阶梯度进行合并，在不影响精度的情况

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 115796305 A (43)申请公布日 2023.03.14 (21)申请号 202310053302.4 (22)申请日 2023.02.03 (71)申请人富算科技（上海）有限公司地址 2