申请/专利权人:沈阳航空航天大学;北京可利邦信息技术股份有限公司
申请日:2024-01-23
公开(公告)日:2024-04-26
公开(公告)号:CN117932242A
主分类号:G06F18/15
分类号:G06F18/15;G06F21/62;G06F21/60;G06N5/04;G06N20/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明提供一种面向隐私保护的纵向联邦k近邻特征补全方法,涉及人工智能技术领域。该方法由guest方、host方两个参与方组成,并通过协调方协助两个参与方进行联邦学习;guest和host负责提供建模的原始数据,双方在不暴露各自原始数据的情况下进行加密样本对齐;在建模时参与方、协调方互发密钥,guest和host交换加密的己方缺失行集合和本地样本与对方缺失行的距离,并将聚合后的全局距离发送给协调方,协调方解密全局距离并返还参与方的近邻矩阵,参与方接收近邻矩阵并更新填补的缺失值。该方法考虑了纵向联邦建模场景多参与方相同样本不同特征间的近邻关系,通过聚合多参与方的全局距离来提高近邻计算的准确性,进而提升补全效果。
主权项:1.一种面向隐私保护的纵向联邦k近邻特征补全方法,其特征在于:由guest方、host方两个参与方组成,并引入半诚实协调方协助两个参与方进行联邦学习;guest和host两个参与方负责提供建模的原始数据,双方在不暴露各自原始数据的情况下进行加密样本对齐;在建模时参与方、协调方互发密钥,guest和host两个参与方交换加密的己方缺失行集合和本地样本与对方缺失行的距离,并将聚合后的全局距离发送给协调方,协调方解密全局距离并返还参与方的近邻矩阵,参与方接收近邻矩阵并更新填补的缺失值。
全文数据:
权利要求:
百度查询: 沈阳航空航天大学;北京可利邦信息技术股份有限公司 一种面向隐私保护的纵向联邦k近邻特征补全方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。