[发明专利]一种联邦衍生特征逻辑回归建模方法

权利要求书

1.一种联邦衍生特征逻辑回归建模方法，用于金融机构和运营商之间联合风控建模，其特征在于，包括以下步骤：

S1：发起方客户端从自身数据库中采集K个样本对应的样本数据集X_A，样本数据集X_A中包含若干个数据特征，参与方客户端从自身数据库中采集相同的K个样本对应的样本数据集X_B，样本数据集X_B中包含若干个数据特征，发起方客户端、参与方客户端利用秘密分享算法根据样本数据集X_A中的数据特征、样本数据集X_B中的数据特征进行特征衍生，得到保存在发起方客户端的与每个样本对应的衍生特征分片＜X_C＞_A、保存在参与方客户端的与每个样本对应的衍生特征分片＜X_C＞_B；

S2：发起方客户端、参与方客户端分别构建同样的纵向逻辑回归模型，初始化样本数据集X_A中的每个数据特征对应的权重系数、样本数据集X_B中的每个数据特征对应的权重系数、衍生特征分片＜X_C＞_A对应的权重系数、衍生特征分片＜X_C＞_B对应的权重系数；

S3：发起方客户端计算出每个样本的样本数据集X_A对应的预测得分y_A，参与方客户端计算出每个样本的样本数据集X_B对应的预测得分y_B，发起方客户端、参与方客户端利用秘密分享乘法联邦计算每个样本的衍生特征对应的预测得分y_C，发起方客户端根据预测得分y_A、预测得分y_B、预测得分y_C计算出每个样本对应的预测值y_D；

S4：发起方客户端计算每个样本对应的预测值y_D减去对应的真实值y_E得到对应的差值Δy，并将差值Δy发送给参与方客户端；

S5：发起方客户端根据学习率α、样本个数K、每个样本对应的差值Δy计算出样本数据集X_A中的每个数据特征对应的权重系数的最新值、衍生特征分片＜X_C＞_A对应的权重系数的最新值，并给这些权重系数赋予最新值；

参与方客户端根据差值Δy、学习率α、样本个数K计算出样本数据集X_B中的每个数据特征对应的权重系数的最新值、衍生特征分片＜X_C＞_B对应的权重系数的最新值，并给这些权重系数赋予最新值；

S6：重复执行S3至S5步骤T次，发起方客户端得到样本数据集X_A中的每个数据特征对应的权重系数的最新值、衍生特征分片＜X_C＞_A对应的权重系数的最新值，参与方客户端得到样本数据集X_B中的每个数据特征对应的权重系数的最新值、衍生特征分片＜X_C＞_B对应的权重系数的最新值，完成逻辑回归模型建模。

2.根据权利要求1所述的一种联邦衍生特征逻辑回归建模方法，其特征在于，所述衍生特征分片＜X_C＞_A与衍生特征分片＜X_C＞_B之和为样本数据集X_A中的某个数据特征与样本数据集X_B中的某个数据特征做加法运算或减法运算或乘法运算或除法运算的结果。