《表5 纵向联邦学习训练步骤》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《联邦学习模型在涉密数据处理中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文以纵向联邦学习为例，详述联邦学习模型的训练过程，如图5所示。纵向联邦学习需要首先采用加密的方式进行对象ID对齐[10]，并确保各方数据中不重叠的对象信息不会泄露。然后利用部分重叠的对象信息进行加密训练:首先，引入联邦模型C，联邦模型向参与方A和B分发公共密钥；然后，各参与方通过加密的方式交换中间计算结果，用于加密计算梯度，参与方B还需计算损失，为确保安全，参与方在梯度计算时可引入掩码；然后各参与方将加密的计算结果汇总到联邦模型C，C计算总梯度并将其解密；最后，联邦模型C将解密后的梯度和损失，传回到各个参与方，用于更新参与方各自的模型参数。本文将训练过程分为四个步骤，如表5所示，以采用同态加密的线性回归模型为例，来具体阐述纵向联邦学习模型的训练过程[8]。联邦模型参与方A、B的数据集分别表示为模型参数θA，θB；正则化参数γ，模型学习率η。优化目标可表示为: