[发明专利]联邦学习中特征相关性分析方法、装置及可读存储介质

权利要求书

1.一种联邦学习中特征相关性分析方法，其特征在于，所述方法包括以下步骤：

在接收到纵向场景的特征相关性计算指令时，在第二方，分别从第二方第二样本中的各列第二特征向量和一列标签向量中，确定各列目标第二特征向量及其对应的一列目标标签向量；以及，

基于各列目标第二特征向量，从第一方第一样本中的各列第一加密特征向量中，确定各列目标第一加密特征向量，其中，所述第一样本和所述第二样本具有相同的用户维度；以及，

分别确定每列目标第二特征向量中每一目标第二特征向量和一列目标标签向量中每一目标标签向量，与每列目标第一加密特征向量中对应的每一目标第一加密特征向量的目标内积，得到各组目标内积，将各组目标内积发送至第一方；

在第一方，根据各组目标内积，确定第一方样本中每列第一特征，分别与第二方样本中每列第二特征和一列标签之间的相关性系数。

2.如权利要求1所述的联邦学习中特征相关性分析方法，其特征在于，所述在第二方，分别从第二方第二样本中的各列第二特征向量和一列标签向量中，确定各列目标第二特征向量及其对应的一列目标标签向量的步骤之前，包括：

在第一方，对第一方样本中的每列第一特征进行归一化处理，得到由各列第一特征向量组成的第一样本，并对各列第一特征向量进行加密，得到各列第一加密特征向量，将各列第一加密特征向量发送至第二方；以及，

在第二方，对第二方样本中的每列第二特征和一列标签进行归一化处理，得到由各列第二特征向量和一列标签向量组成的第二样本。

3.如权利要求2所述的联邦学习中特征相关性分析方法，其特征在于，所述在第二方，分别从第二方第二样本中的各列第二特征向量和一列标签向量中，确定各列目标第二特征向量及其对应的一列目标标签向量的步骤包括：

在第二方，打乱每列第一加密特征向量中各第一加密特征向量的排列顺序；以及，

建立打乱排列顺序前、后的每列第一加密特征向量，分别与每列第二特征向量和一列标签向量在列维度上的对应关系；以及，

从每列第二特征向量中抽取若干第二特征向量，得到各列目标第二特征向量，并从一列标签向量中抽取各列目标第二特征向量对应的标签向量得到一列目标标签向量；

所述基于各列目标第二特征向量，从第一方第一样本中的各列第一加密特征向量中，确定各列目标第一加密特征向量，其中，所述第一样本和所述第二样本具有相同的用户维度的步骤包括：

根据所述对应关系，从打乱排列顺序后的每列第一加密特征向量中，查找各列目标第二特征向量对应的第一加密特征向量，得到各列目标第一加密特征向量。

4.如权利要求3所述的联邦学习中特征相关性分析方法，其特征在于，所述分别确定每列目标第二特征向量中每一目标第二特征向量和一列目标标签向量中每一目标标签向量，与每列目标第一加密特征向量中对应的每一目标第一加密特征向量的目标内积，得到各组目标内积，将各组目标内积发送至第一方的步骤包括：

分别计算每列目标第二特征向量中每一目标第二特征向量和一列目标标签向量中每一目标标签向量，与每列目标第一加密特征向量中对应的每一目标第一加密特征向量的内积，得到各组内积；

对各组内积添加白噪声，得到各组目标内积。

5.如权利要求4所述的联邦学习中特征相关性分析方法，其特征在于，所述在第一方，根据各组目标内积，确定第一方样本中每列第一特征，分别与第二方样本中每列第二特征和一列标签之间的相关性系数的步骤包括：

在第一方，对每组目标内积进行解密；

对解密后的每组目标内积求均值，得到第一方样本中每列第一特征，分别与第二方样本中每列第二特征和一列标签之间的相关性系数。

6.如权利要求5所述的联邦学习中特征相关性分析方法，其特征在于，所述在第一方，根据各组目标内积，确定第一方样本中每列第一特征，分别与第二方样本中每列第二特征和一列标签之间的相关性系数的步骤之后，包括：

将第一方样本的各列第一特征中，与第二方样本中的每列第二特征的相关性系数、与第二方样本中一列标签的相关性系数高于预设阈值的目标列特征发送至第二方。