[发明专利]纵向联邦学习建模方法、系统、介质及设备

权利要求书

1.一种纵向联邦学习建模方法，其特征在于，找出建模参与方共有的样本ID，应用于建模参与方，所述方法包括：

接收信任第三方发送的公钥，利用公钥对中间数据进行加密；

向信任第三方发送加密中间数据，以使所述信任第三方接收加密中间数据对其解密并运算，向所述建模参与方返回运算结果；

接收运算结果并计算估计向量，用以利用共有的样本ID建立数据模型；

其中，所述建模参与方包括第一建模参与方和第二建模参与方，所述中间数据包括第一中间数据和第二中间数据；所述第一建模参与方和所述第二建模参与方分别接收信任第三方发送的公钥；

所述第一建模参与方利用公钥对第一中间数据进行同态加密发送给所述第二建模参与方，所述第二建模参与方在加密的第一中间数据基础上利用公钥对第二中间数据进行同态加密后发送给信任第三方；

加密的第一中间数据包括所述第一建模参与方记忆矩阵中样本向量和输入观测向量的二范数的同态加密的密文、及所述第一建模参与方记忆矩阵中两两样本向量之间的二范数的同态加密的密文；

加密的第二中间数据包括所述第一建模参与方和所述第二建模参与方各自记忆矩阵中样本向量和输入观测向量的二范数的同态加密的密文之和、以及所述第一建模参与方和所述第二建模参与方各自记忆矩阵中两两样本向量之间的二范数的同态加密的密文之和。

2.根据权利要求1所述的一种纵向联邦学习建模方法，其特征在于：所述建模参与方包括多个，通过加密实体对齐找出全部所述建模参与方共有的样本ID。

3.根据权利要求2所述的一种纵向联邦学习建模方法，其特征在于：所述第一建模参与方计算

发送给第二建模参与方；

所述第二建模参与方计算

后将

和

发送给信任第三方；

其中，[[*]]表示对*进行加法同态加密，对第一中间数据和第二中间数据加密采用加法同态加密。

4.根据权利要求3所述的一种纵向联邦学习建模方法，其特征在于：所述信任第三方利用私钥对加密的第二中间数据解密并运算，将运算结果发送给所述第一建模参与方和所述第二建模参与方。

5.根据权利要求4所述的一种纵向联邦学习建模方法，其特征在于：所述信任第三方利用私钥对

和进行解密，并计算

和将计算结果发送给第一建模参与方和第二建模参与方。

6.根据权利要求5所述的一种纵向联邦学习建模方法，其特征在于：所述第一建模参与方和所述第二建模参与方分别接收运算结果，各自其计算估计向量发送至对方，用以建立数据模型。

7.根据权利要求6所述的一种纵向联邦学习建模方法，其特征在于：所述第一建模参与方计算并发送给第二建模参与方，所述第二建模参与方计算并发送给第一建模参与方；所述第一建模参与方和所述第二建模参与方各自计算用以建立数据模型。