CN114358311B - 纵向联邦数据处理方法及装置 - Google Patents
纵向联邦数据处理方法及装置 Download PDFInfo
- Publication number
- CN114358311B CN114358311B CN202111665489.0A CN202111665489A CN114358311B CN 114358311 B CN114358311 B CN 114358311B CN 202111665489 A CN202111665489 A CN 202111665489A CN 114358311 B CN114358311 B CN 114358311B
- Authority
- CN
- China
- Prior art keywords
- sample
- data
- detected
- participant
- participants
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 68
- 230000009466 transformation Effects 0.000 claims abstract description 64
- 238000012545 processing Methods 0.000 claims abstract description 54
- 230000004927 fusion Effects 0.000 claims abstract description 31
- 238000012216 screening Methods 0.000 claims abstract description 7
- 238000000265 homogenisation Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000007499 fusion processing Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 5
- 239000006185 dispersion Substances 0.000 description 5
- 238000012935 Averaging Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供一种纵向联邦数据处理方法及装置，涉及网络安全技术领域。该方法包括：获取待测样本数据，待测样本数据包含待测样本标识，以使各参与方基于待测样本标识，确定待测样本标识对应的样本中的目标特征；并在本地计算中间结果；接收各参与方发送的保序变换结果，保序变换结果通过各参与方对每个所述中间结果进行保序变换获得；对所有参与方的相同样本的保序变换结果进行融合处理；基于融合结果筛选出K个目标样本；并基于K个目标样本的标签，确定待测样本数据的标签。本公开可以解决现有技术中第三方集中安全风险高和加密解密过程带来的数据处理速度慢的问题。
Description
技术领域
本公开涉及网络安全技术领域，具体而言，涉及一种纵向联邦数据处理方法、纵向联邦数据处理装置、计算机可读存储介质和电子设备。
背景技术
联邦学习(Federated Learning)可以在保证数据不出域的情况下联合多个参与方的数据源来训练机器学习模型和预测类别结果。联邦学习使得跨部门、跨公司、甚至跨行业的数据合作成为可能，同时又能满足数据保护法律和法规的要求。
相关技术中的多方纵向联邦学习依赖于有个可信的第三方参与，且由该第三方保管私钥，各个参与方保管公钥，从而实现数据在各个参与方之间的加密传输。
但是一方面很难找到可信的第三方来保管私钥，即使找到这样的第三方，仍然存在较大的集中安全风险。另一方面，频繁的加密解密操作会占用大量计算资源，影响数据处理效率。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开实施例的目的在于提供一种纵向联邦数据处理方法、纵向联邦数据处理装置、计算机可读存储介质和电子设备，进而在一定程度上解决了相关技术中第三方集中安全风险高和加密解密过程带来的数据处理速度慢的问题。
根据本公开的第一方面，提供了一种纵向联邦数据处理方法，所述方法应用于参与纵向联邦的标签方，所述标签方与纵向联邦的其他参与方之间通信连接，所述方法包括：
获取待测样本数据，所述待测样本数据包含待测样本标识，以使各参与方基于所述待测样本标识，确定所述待测样本标识对应的样本中的目标特征；并在本地计算所述待测样本数据到每个样本对应目标特征的距离信息的中间结果；
接收各参与方发送的保序变换结果，所述保序变换结果通过各参与方对每个所述中间结果进行保序变换获得；
对所有参与方的相同样本的保序变换结果进行融合处理，以获得每个样本的融合数据；
基于所述融合数据的大小，筛选出K个目标样本，K为正数；并基于所述K个目标样本的标签，确定所述待测样本数据的标签。
在本公开的一种示例性实施例中，基于前述方案，所述方法还包括：
使各参与方采用加密样本对齐方法对样本进行对齐处理。
在本公开的一种示例性实施例中，基于前述方案，所述距离信息包含欧式距离，所述在本地计算所述待测样本数据到每个样本对应目标特征的距离信息的中间结果，包括：
通过各参与方在本地计算所述待测样本数据的特征与所述样本对应目标特征的差的平方和，并将计算结果作为中间结果。
在本公开的一种示例性实施例中，基于前述方案，所述通过各参与方对每个所述中间结果进行保序变换获得，包括：
通过各参与方根据预设分箱规则对每个所述中间结果进行分箱处理，确定当前中间结果所属箱；
通过各参与方对当前中间结果所属箱内的所有中间结果进行第一均化处理，以获得当前中间结果对应样本的分箱值。
在本公开的一种示例性实施例中，基于前述方案，所述方法还包括：
通过各参与方对各自获得的所有中间结果进行排序，以获得各参与方内每个中间结果的序号索引；
通过各参与方将所述序号索引作为对应分箱值的第一权重，采用所述第一权重对相应的分箱值进行第一加权处理，以获得第一加权分箱值，并将所述第一加权分箱值作为对应样本的保序变换结果。
在本公开的一种示例性实施例中，基于前述方案，所述方法还包括：
通过各参与方基于当前中间结果到其所属箱的分箱值的距离和该箱内所有中间结果的离散程度，对所述第一权重进行修正，以获得第二权重；
通过各参与方采用第二权重对相应的该箱的分箱值进行第二加权处理，以获得第二加权分箱值，并将所述第二加权分箱值作为对应样本的保序变换结果。
在本公开的一种示例性实施例中，基于前述方案，所述对所有参与方的相同样本的保序变换结果进行融合处理，包括：
对所有参与方的相同样本的保序变换结果求和，将求和结果作为该样本的融合结果。
在本公开的一种示例性实施例中，基于前述方案，所述基于所述融合数据的大小，筛选出K个目标样本，包括：
对所述融合数据按从小到大进行排序；
将位于前K位的所述融合数据对应的样本作为目标样本。
在本公开的一种示例性实施例中，基于前述方案，所述基于所述K个目标样本的标签，确定所述待测样本数据的标签，包括：
当所述待测样本数据为离散变量时，基于预设规则对所述K个目标样本的标签进行处理，确定所述待测样本数据的标签；
当所述待测样本数据为连续变量时，对所述K个目标样本的标签进行第二均化处理，将第二均化处理结果作为所述待测样本数据的标签。
根据本公开的第二方面，提供了一种纵向联邦数据处理装置，应用于参与纵向联邦的标签方，所述标签方与纵向联邦的其他参与方之间通信连接，所述装置包括：
获取模块，用于获取待测样本数据，所述待测样本数据包含待测样本标识，以使各参与方基于所述待测样本标识，确定所述待测样本标识对应的样本中的目标特征；并在本地计算所述待测样本数据到每个样本对应目标特征的距离信息的中间结果；
接收模块，用于接收各参与方发送的保序变换结果，所述保序变换结果通过各参与方对每个所述中间结果进行保序变换获得；
融合模块，用于对所有参与方的相同样本的保序变换结果进行融合处理，以获得每个样本的融合数据；
标签确定模块，基于所述融合数据的大小，筛选出K个目标样本，K为正数；并基于所述K个目标样本的标签，确定所述待测样本数据的标签。
根据本公开的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的方法。
根据本公开的第四方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的方法。
本公开示例性实施例可以具有以下部分或全部有益效果：
在本公开示例实施方式所提供的纵向联邦数据处理方法中，一方面可以通过获取待测样本数据，所述待测样本数据包含待测样本标识，基于该待测样本标识确定各参与方对应样本的目标特征，并在本地计算待测样本数据到每个样本对应目标特征的距离信息的中间结果，通过计算中间结果实现距离信息的保护；另一方面通过各参与方对每个所述中间结果进行保序变换获得保序变换结果；标签方接收各参与方发送的保序变换结果，并对各参与方的保序变换结果进行融合、筛选，最终确定待测样本数据的标签，通过保序变换进一步保护传输出去的中间结果，使得通过大量中间结果也无法反推出原数据，保护纵向联邦数据处理过程的数据安全。此外，本公开不涉及加密解密过程，保证了数据处理速度，避免了数据加解密过程对数据处理速度的影响。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了现有纵向联邦数据处理方法和装置的示例性场景架构的示意图；
图2示意性示出了根据本公开的一个实施例的纵向联邦数据处理方法的流程图；
图3示意性示出了根据本公开的一个实施例中保序变换的一种优化方式的流程示意图；
图4示意性示出了根据本公开的一个实施例中保序变换另一种优化方式的流程示意图；
图5示意性示出了根据本公开的一个实施例中纵向联邦数据处理方法实现过程的流程示意图；
图6示意性示出了根据本公开的另一个实施例中纵向联邦数据处理装置结构框图；
图7示出了适于用来实现本公开实施例的电子设备框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
图1示出了可以应用本公开实施例的一种纵向联邦数据处理方法及装置的示例性应用环境的系统架构100的示意图。如图1所示，系统架构100可以支持N个参与方共同协作的纵向联邦学习。系统架构100包括：标签方101和其他参与方102。任意一个参与方可以是一台服务器、或多个服务器、或云计算服务中的逻辑计算模块。任意两个参与方属于不同的数据源，例如，可以是不同公司的数据源，或同一公司的不同子公司的数据源。
标签方101是拥有标签信息的参与方。标签方101可以拥有特征数据，也可以不拥有特征数据。例如，标签方101是银行，拥有每个用户的手机号码和信用记录。其中，用户的手机号码作为样本标识信息，信用记录作为标签信息。标签方101和其他参与方102之间通过网络进行通讯连接。
本公开实施例所提供的纵向联邦数据处理方法可以在标签方101中执行，相应地，纵向联邦数据处理装置一般设置于标签方101中。本公开实施例所提供的纵向联邦数据处理方法可以在其他参与方102中执行，相应地，纵向联邦数据处理装置一般设置于其他参与方102中。联邦学习：在保证数据不出域的情况下，联合多个参与方的数据源来训练机器学习模型和预测样本类别。
联邦学习在保护用户隐私和数据安全的同时，又可以充分利用多个参与方的数据源来提升机器学习模型的性能。联邦学习使得跨部门、跨公司、甚至跨行业的数据合作成为可能，同时又能满足数据保护法律和法规的要求。
联邦学习可以分为三类：横向联邦学习(Horizontal Federated Learning)，纵向联邦学习(Vertical Federated Learning)，联邦迁移学习(Federated TransferLearning)。
纵向联邦学习：是用于参与者的训练样本标识(ID)的重叠较多，而数据特征的重叠较少的情况下的联邦学习。例如，同一地区的银行和电商分别拥有同一客户A的不同特征数据，比如银行拥有客户A的金融数据，电商拥有客户A的购物数据。“纵向”二字来源于数据的纵向划分(vertical partitioning)。联合多个参与者中具有交集的用户样本的不同特征数据进行联邦学习，即各个参与者的训练样本是纵向划分的。
针对相关技术中联邦学习过程的第三方难以寻找或第三方的集中安全隐患，以及加密解密过程带来的数据处理效率低的问题，提出本公开的纵向联邦数据处理方法。
以下对本公开实施例的技术方案进行详细阐述：
参考图2所示，本公开提供的一种示例实施方式的纵向联邦数据处理方法，以标签方所在侧进行说明，可以包括以下步骤：
步骤S210，获取待测样本数据，所述待测样本数据包含待测样本标识，以使各参与方基于所述待测样本标识，确定所述待测样本标识对应的样本中的目标特征；并在本地计算所述待测样本数据到每个样本对应目标特征的距离信息的中间结果。
在本示例实施方式中，待测样本数据可以通过任一参与方所在客户端输入获取。待测样本标识用于指示样本信息。各参与方分别具有待测样本标识对应样本的部分属性特征。通过待测样本标识找到各参与方的对应样本，各参与方的样本具有的属性特征就是该样本的目标特征。例如，待测样本标识可以是用户ID，每个参与方用户该用户的不同数据，通过各参与方的纵向联邦可以更加准确的根据待测用户数据，确定用户的某种属性标签，例如确定该用户是否会购买某商品或者该用户是否会出现违约。
在本示例实施方式中，各参与方在其本地计算待测样本数据到各参与方中任一样本的目标特征的距离信息。该距离信息可以是欧式距离、马氏距离、汉明距离、闵可夫斯基距离中的任一种，还可以是其他距离信息，本示例对此不作特殊限定。中间结果可以是计算以上任一种距离信息所需的中间计算结果，例如，对于欧式距离来讲，可以将各参与方中任一样本目标特征与待测样本数据的相应特征之差的平方和作为中间结果。
步骤S220，接收各参与方发送的保序变换结果，所述保序变换结果通过各参与方对每个所述中间结果进行保序变换获得。
在本示例实施方式中，为了保证各参与方中间结果在传输过程中的数据安全性，各参与方在数据发送之前，对各自的中间结果进行保序变换，以使中间结果顺序不变的基础上，不会使中间结果直接暴露在传输过程中，保护数据安全。
步骤S230，对所有参与方的相同样本的保序变换结果进行融合处理，以获得每个样本的融合数据。
在本示例实施方式中，标签方接收其他参与方的保序变换结果，将相同样本的保序变换结果进行融合处理，例如，可以将各参与方的相同样本的保序变换结果求和以获得该样本的融合数据。
步骤S240，基于所述融合数据的大小，筛选出K个目标样本，K为正数；并基于所述K个目标样本的标签，确定所述待测样本数据的标签。
在本示例实施方式中，可以筛选出融合数据最小的K个样本作为目标样本，K为正数，其取值可以根据具体情况而定，也可以采取交叉验证法来选取最优的K值。基于筛选的K个目标样本的标签来确定待测样本的标签，例如，可以将K个目标样本中标签数量最多的样本标签作为待测样本的标签。
在本公开示例实施方式所提供的纵向联邦数据处理方法中，一方面可以通过获取待测样本数据，所述待测样本数据包含待测样本标识，基于该待测样本标识确定各参与方对应样本的目标特征，并在本地计算待测样本数据到每个样本对应目标特征的距离信息的中间结果，通过计算中间结果实现距离信息的保护；另一方面通过各参与方对每个所述中间结果进行保序变换获得保序变换结果；标签方接收各参与方发送的保序变换结果，并对各参与方的保序变换结果进行融合、筛选，最终确定待测样本数据的标签，通过保序变换进一步保护传输出去的中间结果，使得通过大量中间结果也无法反推出原数据，保护纵向联邦数据处理过程的数据安全。此外，本公开不涉及加密解密过程，保证了数据处理速度，避免了数据加解密过程对数据处理速度的影响。
下面，在另一实施例中，对上述步骤进行更加详细的说明。
在一些实施例中，所述方法还包括：
使各参与方采用加密样本对齐方法对样本进行对齐处理。
在本示例实施方式中，可以将各参与方(或数据提供方)的所有参与数据处理任务的存量数据进行加密样本对齐。可以分别在各参与方本地获取各参与方的数据交集，通过加密样本对齐来获取待测样本在其他参与方的特征数据。
在一些实施例中，所述距离信息包含欧式距离，所述在本地计算所述待测样本数据到每个样本对应目标特征的距离信息的中间结果，包括：
通过各参与方在本地计算所述待测样本数据的特征与每个本地样本对应目标特征的差的平方和，并将计算结果作为中间结果。
在一些实施例中，所述通过各参与方对每个所述中间结果进行保序变换获得，包括：
通过各参与方根据预设分箱规则对每个所述中间结果进行分箱处理，确定当前中间结果所属箱。
在本示例实施方式中，预设分箱规则可以是每个参与方按照中间结果的大小对该参与方的所有中间结果进行分段，将处于同一段的中间结果置于同一个箱，据此对每个参与方的所有中间结果进行分箱处理，确定每个中间结果所属箱。
通过各参与方对当前中间结果所属箱内的所有中间结果进行第一均化处理，以获得当前中间结果对应样本的分箱值。
在本示例实施方式中，每个参与方可以对任一箱内的所有中间结果进行第一均化处理。第一均化处理可以是取平均处理、取中位数处理或者取众数处理，即将箱内所有中间结果的平均值作为对应样本的分箱值或者将箱内所有中间结果的中位数或众数作为对应样本的分箱值。第一均化处理也可以是其他确定该箱内中间结果代表值的方式，本示例对此不做特殊限定。
在一些实施例中，参考图3，基于前述分箱计算结果，所述方法还包括：
步骤S310，通过各参与方对各自获得的所有中间结果进行排序，以获得各参与方内每个中间结果的序号索引。
在本示例实施方式中，每个参与方可以对本地计算的所有中间结果进行大小排序，以获得每个中间结果的序号索引。例如，可以按排序次序将每个中间结果的序号索引设置为1,2,3…,n，n为任一参与方的中间结果总数。
步骤S320，通过各参与方将所述序号索引作为对应分箱值的第一权重，采用所述第一权重对相应的分箱值进行第一加权处理，以获得第一加权分箱值，并将所述第一加权分箱值作为对应样本的保序变换结果。
在本示例实施方式中，每个参与方将中间结果的序号索引作为其第一权重。第一加权处理可以是将中间结果与对应第一权重做积，将乘积结果作为中间结果所属箱的第一加权分箱值，并将其作为保序变换结果。本示例中利用序号索引对中间结果进行第一加权处理，保证变换后顺序不变。
一些实施例中，参考图4，基于前述分箱值计算结果，所述方法还包括：
步骤S410，通过各参与方基于当前中间结果到其所属箱的分箱值的距离和该箱内所有中间结果的离散程度，对所述第一权重进行修正，以获得第二权重。
在本示例实施方式中，该箱内所有中间结果的离散程度可以是任一可以表征离散程度的物理量，例如，极差、平均差或标准差。例如，可以通过下式对第一权重进行修正。
设待测样本到任一存量样本i的中间结果被分到第j箱内，且第j箱的分箱值为实际上，第j箱的所有中间结果的分箱值相等，则样本i在p参与方的第二权重/>的计算公式为：
其中，σJ表示分箱j内所有中间结果的离散程度，如标准差；J为所有被分入第j箱的中间结果所对应的样本集合。
步骤S420，通过各参与方采用第二权重对相应的该箱的分箱值进行第二加权处理，以获得第二加权分箱值，并将所述第二加权分箱值作为对应样本的保序变换结果。
在本示例实施方式中，第二加权处理可以是将中间结果与对应第二权重做积，将乘积结果作为中间结果所属箱的第二加权分箱值，并将其作为保序变换结果。例如，将作为保序变换结果。本示例可以避免中间结果的多元方程反推风险，能够提高中间结果的数据安全性。
一些实施例中，步骤S240包括以下实施步骤：
首先，对所述融合数据按从小到大进行排序，再将位于前K位的所述融合数据对应的样本作为目标样本。也就是将融合数据最小的K个样本作为目标样本。实际上是选取待测样本的K近邻样本的过程。
当所述待测样本数据为离散变量时，基于预设规则对所述K个目标样本的标签进行处理，确定所述待测样本数据的标签。
在本示例实施方式中，离散变量可以是各种分类任务中的离散样本。预设规则可以是投票规则或者权重规则。例如，将目标样本中标签数量最多的一类标签作为待测样本的标签。
当所述待测样本数据为连续变量时，对所述K个目标样本的标签进行第二均化处理，将第二均化处理结果作为所述待测样本数据的标签。
在本示例实施方式中，连续变量可以是各回归任务中的连续样本。第二均化处理可以是求平均或者加权平均。例如，将目标样本的标签的平均值作为待测样本标签。
本公开各实施例的数据处理方法可以应用于各网络平台对用户进行商品或业务的精准推送，也可以应用于金融机构或金融平台对用户进行违约风险评估，以提高风险控制水平。
举例而言，参考图5，参与方A(数据提供方)与参与方B(数据使用方)采用本公开方法进行纵向联邦数据处理，以预测待测样本标识的属性类别，参与方B为标签方，其具有样本的待预测属性类别标签。具体过程如下：
步骤S501，获取待测样本数据。
步骤S502，参与方A提交待测样本数据给参与方B。
步骤S503，参与方B根据待测样本标识确定该样本在B方的特征
步骤S504，参与方B给参与方A返回具有对应特征的结果。
步骤S505，参与方A和参与方B分别进行加密样本对齐。
步骤S506，参与方A针对每条存量数据样本i的特征数据计算在参与方A所拥有的各特征上样本i到待测样本对应特征的距离的平方和
参与方B针对每条存量数据样本i的特征数据计算在参与方B所拥有的各特征上样本i到待测样本对应特征的距离的平方和
步骤S507，参与方A对每个中间结果Ai进行排序和分箱处理，获得样本i对应分箱值ai。同时，参与方B对每个中间结果Bi进行排序和分箱处理，获得样本i对应分箱值bi。
例如，设集合J为所有被分入第j箱的中间结果所对应的样本集合，数据一共分出m个箱(j∈1,2,...m)；设数据样本i∈J，则分箱值为所有被分到第j箱的/>的代表值(如平均值或中位值)。
步骤S508，参与方A计算A方的样本i的第二权重同时参与方B计算B方的样本i的第二权重/>
步骤S509，参与方A计算存量数据每个样本i的第二权重与分箱值的乘积参与方B计算存量数据每个样本i的第二权重与分箱值的乘积/>
步骤S510，参与方A将乘积结果发送给参与方B。
步骤S511，参与方B对两个参与方(A和B)的乘积结果进行融合处理(求和)，获得样本i的融合数据。
步骤S512，参与方B对所有样本i的融合数据进行从小到大排序，并筛选前K位融合数据对应的样本作为目标样本。
步骤S513，参与方B根据K个目标样本的标签确定待测样本的标签。例如，可以将对应目标样本数量最多的一个标签作为待测样本标签(离散变量)。也可以将目标样本标签平均值作为待测样本标签(连续变量)。
本公开利用将中间结果(即本地特征距离平方和)分箱的方法来保护传输出去的中间计算结果，使得通过大量中间计算结果也无法反推至原始数据，提高中间结果的安全性。进一步通过对分箱值进行保序转换(乘以第一权重或第二权重)使得在无法反推出原数据的同时，能够优化最终样本间距离排序的精确度。
本公开适用于纵向联邦学习场景的K近邻预测算法。在各参与方只拥有样本一部分特征的情况下，采用K近邻算法预测待测样本标签，无需复杂模型训练过程，预测过程简单高效。
本公开通过各种保序变换方式实现了各参与方数据的隐私保护，即使大量传输中间结果也无法反推出原数据，能够避免相关技术通过简单数据分拆后进行数据传输带来的反推安全隐患，同时不影响数据处理效率。
进一步的，本示例实施方式中，还提供了一种纵向联邦数据处理装置600该纵向联邦数据处理装置600可以用于标签方的服务器。参考图6所示，该纵向联邦数据处理装置600可以包括：
获取模块610，可以用于获取待测样本数据，所述待测样本数据包含待测样本标识，以使各参与方基于所述待测样本标识，确定所述待测样本标识对应的样本中的目标特征；并在本地计算所述待测样本数据到每个样本对应目标特征的距离信息的中间结果；
接收模块620，可以用于接收各参与方发送的保序变换结果，所述保序变换结果通过各参与方对每个所述中间结果进行保序变换获得；
融合模块630，可以用于对所有参与方的相同样本的保序变换结果进行融合处理，以获得每个样本的融合数据；
标签确定模块640，可以基于所述融合数据的大小，筛选出K个目标样本，K为正数；并基于所述K个目标样本的标签，确定所述待测样本数据的标签。
在本公开的一种示例性实施例中，装置600还包括样本对齐模块，样本对齐模块用于使各参与方采用加密样本对齐方法对样本进行对齐处理。
在本公开的一种示例性实施例中，获取模块610还用于：
通过各参与方在本地计算所述待测样本数据的特征与每个本地样本对应目标特征的差的平方和，并将计算结果作为中间结果。
在本公开的一种示例性实施例中，接收模块620包括：
分箱模块，可以用于通过各参与方根据预设分箱规则对每个所述中间结果进行分箱处理，确定当前中间结果所属箱；
第一均化模块，可以用于通过各参与方对当前中间结果所属箱内的所有中间结果进行第一均化处理，以获得当前中间结果对应样本的分箱值。
在本公开的一种示例性实施例中，装置600还包括：
排序模块，可以用于通过各参与方对各自获得的所有中间结果进行排序，以获得各参与方内每个中间结果的序号索引。
第一加权模块，可以用于通过各参与方将所述序号索引作为对应分箱值的第一权重，采用所述第一权重对相应的分箱值进行第一加权处理，以获得第一加权分箱值，并将所述第一加权分箱值作为对应样本的保序变换结果。
在本公开的一种示例性实施例中，装置600还包括：
第二权重获取模块，可以用于通过各参与方基于当前中间结果到其所属箱的分箱值的距离和该箱内所有中间结果的离散程度，以获得第二权重；
第二加权模块，可以用于通过各参与方采用第二权重对相应的该箱的分箱值进行第二加权处理，以获得第二加权分箱值，并将所述第二加权分箱值作为对应样本的保序变换结果。
在本公开的一种示例性实施例中，融合模块630还用于：
对所有参与方的相同样本的保序变换结果求和，将求和结果作为该样本的融合结果。
在本公开的一种示例性实施例中，标签确定模块640还用于：
当所述待测样本数据为离散变量时，基于预设规则对所述K个目标样本的标签进行处理，确定所述待测样本数据的标签。
当所述待测样本数据为连续变量时，对所述K个目标样本的标签进行第二均化处理，将第二均化处理结果作为所述待测样本数据的标签。
上述纵向联邦数据处理装置中各模块或单元的具体细节已经在对应的纵向联邦数据处理方法中进行了详细的描述，因此此处不再赘述。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现如下述实施例中所述的方法。例如，所述的电子设备可以实现如图2～图5所示的各个步骤等。
需要说明的是，本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
此外，在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施例、完全的软件实施例(包括固件、微代码等)，或硬件和软件方面结合的实施例，这里可以统称为“电路”、“模块”或“系统”。
下面参照图7来描述根据本公开的这种实施例的电子设备700。图7显示的电子设备700仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示，电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于：上述至少一个处理单元710、上述至少一个存储单元720、连接不同系统组件(包括存储单元720和处理单元710)的总线730、显示单元740。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元710执行，使得所述处理单元710执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施例的步骤。
存储单元720可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)7201和/或高速缓存存储单元7202，还可以进一步包括只读存储单元(ROM)7203。
存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具7204，这样的程序模块7205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线730可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备700也可以与一个或多个外部设备800(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备700交互的设备通信，和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口750进行。并且，电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器760通过总线730与电子设备700的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RA标识系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
需要说明的是，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等，均应视为本公开的一部分。
应可理解的是，本说明书公开和限定的本公开延伸到文中和/或附图中提到或明显的两个或两个以上单独特征的所有可替代组合。所有这些不同的组合构成本公开的多个可替代方面。本说明书的实施方式说明了已知用于实现本公开的最佳方式，并且将使本领域技术人员能够利用本公开。
Claims (10)
1.一种纵向联邦数据处理方法，其特征在于，所述方法应用于参与纵向联邦的标签方，所述标签方与纵向联邦的其他参与方之间通信连接，所述方法包括：
获取待测样本数据，所述待测样本数据包含待测样本标识，以使各参与方基于所述待测样本标识，确定所述待测样本标识对应的样本中的目标特征；并在本地计算所述待测样本数据到每个样本对应目标特征的距离信息的中间结果；
接收各参与方发送的保序变换结果，所述保序变换结果通过各参与方对每个所述中间结果进行保序变换获得；
对所有参与方的相同样本的保序变换结果进行融合处理，以获得每个样本的融合数据；
基于所述融合数据的大小，筛选出K个目标样本，K为正数；并基于所述K个目标样本的标签，确定所述待测样本数据的标签。
2.根据权利要求1所述的纵向联邦数据处理方法，其特征在于，所述方法还包括：
使各参与方采用加密样本对齐方法对样本进行对齐处理。
3.根据权利要求1所述的纵向联邦数据处理方法，其特征在于，所述距离信息包含欧式距离，所述在本地计算所述待测样本数据到每个样本对应目标特征的距离信息的中间结果，包括：
通过各参与方在本地计算所述待测样本数据的特征与每个本地样本对应目标特征的差的平方和，并将计算结果作为中间结果。
4.根据权利要求1所述的纵向联邦数据处理方法，其特征在于，所述通过各参与方对每个所述中间结果进行保序变换获得，包括：
通过各参与方根据预设分箱规则对每个所述中间结果进行分箱处理，确定当前中间结果所属箱；
通过各参与方对当前中间结果所属箱内的所有中间结果进行第一均化处理，以获得当前中间结果对应样本的分箱值。
5.根据权利要求4所述的纵向联邦数据处理方法，其特征在于，所述方法还包括：
通过各参与方对各自获得的所有中间结果进行排序，以获得各参与方内每个中间结果的序号索引；
通过各参与方将所述序号索引作为对应分箱值的第一权重，采用所述第一权重对相应的分箱值进行第一加权处理，以获得第一加权分箱值，并将所述第一加权分箱值作为对应样本的保序变换结果。
6.根据权利要求4所述的纵向联邦数据处理方法，其特征在于，所述方法还包括：
通过各参与方基于当前中间结果到其所属箱的分箱值的距离和该箱内所有中间结果的离散程度，以获得第二权重；
通过各参与方采用第二权重对相应的该箱的分箱值进行第二加权处理，以获得第二加权分箱值，并将所述第二加权分箱值作为对应样本的保序变换结果。
7.根据权利要求1所述的纵向联邦数据处理方法，其特征在于，所述对所有参与方的相同样本的保序变换结果进行融合处理，包括：
对所有参与方的相同样本的保序变换结果求和，将求和结果作为该样本的融合结果。
8.根据权利要求1所述的纵向联邦数据处理方法，其特征在于，所述基于所述融合数据的大小，筛选出K个目标样本，包括：
对所述融合数据按从小到大进行排序；
将位于前K位的所述融合数据对应的样本作为目标样本。
9.根据权利要求1所述的纵向联邦数据处理方法，其特征在于，所述基于所述K个目标样本的标签，确定所述待测样本数据的标签，包括：
当所述待测样本数据为离散变量时，基于预设规则对所述K个目标样本的标签进行处理，确定所述待测样本数据的标签；
当所述待测样本数据为连续变量时，对所述K个目标样本的标签进行第二均化处理，将第二均化处理结果作为所述待测样本数据的标签。
10.一种纵向联邦数据处理装置，其特征在于，应用于参与纵向联邦的标签方，所述标签方与纵向联邦的其他参与方之间通信连接，所述装置包括：
获取模块，用于获取待测样本数据，所述待测样本数据包含待测样本标识，以使各参与方基于所述待测样本标识，确定所述待测样本标识对应的样本中的目标特征；并在本地计算所述待测样本数据到每个样本对应目标特征的距离信息的中间结果；
接收模块，用于接收各参与方发送的保序变换结果，所述保序变换结果通过各参与方对每个所述中间结果进行保序变换获得；
融合模块，用于对所有参与方的相同样本的保序变换结果进行融合处理，以获得每个样本的融合数据；
标签确定模块，用于基于所述融合数据的大小，筛选出K个目标样本，K为正数；并基于所述K个目标样本的标签，确定所述待测样本数据的标签。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111665489.0A CN114358311B (zh) | 2021-12-31 | 2021-12-31 | 纵向联邦数据处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111665489.0A CN114358311B (zh) | 2021-12-31 | 2021-12-31 | 纵向联邦数据处理方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114358311A CN114358311A (zh) | 2022-04-15 |
| CN114358311B true CN114358311B (zh) | 2023-11-07 |
Family
ID=81105896
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111665489.0A Active CN114358311B (zh) | 2021-12-31 | 2021-12-31 | 纵向联邦数据处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114358311B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112700010A (zh) * | 2020-12-30 | 2021-04-23 | 深圳前海微众银行股份有限公司 | 基于联邦学习的特征补全方法、装置、设备及存储介质 |
| WO2021139467A1 (zh) * | 2020-08-07 | 2021-07-15 | 平安科技（深圳）有限公司 | 联邦学习方法、系统、计算机设备和存储介质 |
| CN113254943A (zh) * | 2021-05-25 | 2021-08-13 | 深圳市洞见智慧科技有限公司 | 一种基于纵向联邦学习的模型贡献度评估系统 |
| CN113537633A (zh) * | 2021-08-09 | 2021-10-22 | 中国电信股份有限公司 | 基于纵向联邦学习的预测方法、装置、设备、介质和系统 |
| CN113836559A (zh) * | 2021-09-28 | 2021-12-24 | 中国银联股份有限公司 | 一种联邦学习中的样本对齐方法、装置、设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6968342B2 (en) * | 1997-12-29 | 2005-11-22 | Abel Wolman | Energy minimization for data merging and fusion |
-
2021
- 2021-12-31 CN CN202111665489.0A patent/CN114358311B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021139467A1 (zh) * | 2020-08-07 | 2021-07-15 | 平安科技（深圳）有限公司 | 联邦学习方法、系统、计算机设备和存储介质 |
| CN112700010A (zh) * | 2020-12-30 | 2021-04-23 | 深圳前海微众银行股份有限公司 | 基于联邦学习的特征补全方法、装置、设备及存储介质 |
| CN113254943A (zh) * | 2021-05-25 | 2021-08-13 | 深圳市洞见智慧科技有限公司 | 一种基于纵向联邦学习的模型贡献度评估系统 |
| CN113537633A (zh) * | 2021-08-09 | 2021-10-22 | 中国电信股份有限公司 | 基于纵向联邦学习的预测方法、装置、设备、介质和系统 |
| CN113836559A (zh) * | 2021-09-28 | 2021-12-24 | 中国银联股份有限公司 | 一种联邦学习中的样本对齐方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114358311A (zh) | 2022-04-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102155261B1 (ko) | 광역 및 심층 기계 학습 모델들 | |
| Wang et al. | A genetic-algorithm-based approach to the two-echelon capacitated vehicle routing problem with stochastic demands in logistics service | |
| CN110599335A (zh) | 一种基于多模型的用户金融风险评估方法和装置 | |
| CN111563267B (zh) | 用于联邦特征工程数据处理的方法和装置 | |
| CN109102340A (zh) | 基于区块链的服务评价方法、装置、电子设备及介质 | |
| US10726501B1 (en) | Method to use transaction, account, and company similarity clusters derived from the historic transaction data to match new transactions to accounts | |
| CN110738527A (zh) | 一种特征重要性排序方法、装置、设备和存储介质 | |
| US20140019295A1 (en) | Automated Technique For Generating Recommendations Of Potential Supplier Candidates | |
| CN113393306A (zh) | 产品推荐方法、装置、电子设备及计算机可读介质 | |
| Di Gregorio et al. | Blockchain adoption in the shipping industry | |
| AU2022291564A1 (en) | Unified explainable machine learning for segmented risk | |
| Priya et al. | Integration of analytic hierarchy process with regression analysis to identify attractive locations for market expansion | |
| CN110704803A (zh) | 目标对象的评估值计算方法及装置、存储介质、电子设备 | |
| CN111209403B (zh) | 数据处理方法、装置、介质及电子设备 | |
| US11861459B2 (en) | Automatic determination of suitable hyper-local data sources and features for modeling | |
| CN114358311B (zh) | 纵向联邦数据处理方法及装置 | |
| CN109636627B (zh) | 基于区块链的保险产品管理方法、装置、介质及电子设备 | |
| KR20210097204A (ko) | 정보를 출력하는 방법 및 장치 | |
| CN116664306A (zh) | 风控规则的智能推荐方法、装置、电子设备及介质 | |
| Cesaroni | A complete FDH efficiency analysis of a diffused production network: the case of the Italian driver and vehicle agency | |
| CN115358894A (zh) | 一种知识产权生命周期托管管理方法、装置、设备及介质 | |
| Tsai et al. | Simulation optimization in security screening systems subject to budget and waiting time constraints | |
| Dehnokhalaji et al. | Constructing a strict total order for alternatives characterized by multiple criteria: an extension | |
| Ghasemi et al. | New approach in fixed resource allocation and target setting using data envelopment analysis with common set of weights | |
| KR20210030839A (ko) | 맞춤형 대출 중개 서비스의 제공 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |