[发明专利]一种基于匿名化数据的纵向逻辑回归建模方法

说明书

本发明公开了一种基于匿名化数据的纵向逻辑回归建模方法。它包括以下步骤：发起方、参与方分别构建同样的纵向逻辑回归模型并初始化；发起方、参与方联合计算出每个匿名样本对应的预测值Y，发起方得到预测值分片Y_A，参与方得到预测值分片Y_B；发起方、参与方分别计算残差分片Δy_A、残差分片Δy_B；发起方、参与方各自计算自身持有的数据特征分片对应的权重系数的最新值并赋值；重复上述步骤T次，完成纵向逻辑回归模型建模。本发明可以使用秘密分享密文状态下的数据特征分片，在建模过程中没有泄露中间结果，大大提高了建模安全性。

技术领域

本发明涉及逻辑回归建模技术领域，尤其涉及一种基于匿名化数据的纵向逻辑回归建模方法。

背景技术

近些年来，随着云计算以及大数据技术的成熟以及普及，用户无时不刻都在产生数据，而这些数据如果被滥用，对个人隐私、社会安全将会产生极大的危害。企业和机构由于隐私政策限制，诞生了“数据孤岛”，即单独的公司或者机构只拥有部分数据。联邦学习概念应运而生，旨在解决如何在保护数据隐私的前提下，发挥数据作为机器学习建模的“原料”作用。而逻辑回归模型作为基础且重要的机器学习模型，如何去构建联邦学习下的安全逻辑回归模型也成为了关注的焦点。在最新发布的个人信息保护法中，再次强调了个人信息的重要性，除匿名化数据外敏感数据的使用都需要受到监管。

逻辑回归（logistic回归）又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测，金融风控等领域。现有的纵向逻辑回归建模方法在建模过程中会泄漏部分中间计算结果（如：预测值、残差等），存在安全隐患。隐匿集合求交共享数据是在参与双方不泄露任何额外信息的情况下，得到双方持有ID的交集，并将各自ID对应的数据特征通过秘密分享的加法共享给另一方，双方各自保留秘密分享密文状态下的数据特征分片，即不泄露双方的ID信息，也不泄露ID对应的数据特征信息。然而，现有的纵向逻辑回归建模方法无法使用秘密分享密文状态下的数据特征分片。

发明内容

本发明为了解决上述技术问题，提供了一种基于匿名化数据的纵向逻辑回归建模方法，其可以使用秘密分享密文状态下的数据特征分片，在建模过程中没有泄露中间结果，大大提高了建模安全性。

为了解决上述问题，本发明采用以下技术方案予以实现：

本发明的一种基于匿名化数据的纵向逻辑回归建模方法，用于金融机构联合风控建模，发起方持有K个匿名样本对应的样本数据集X_A及标签值分片y_A，样本数据集X_A中包含n个秘密分享密文状态下的数据特征分片，参与方持有相同的K个匿名样本对应的样本数据集X_B及标签值分片y_B，样本数据集X_B中包含n个秘密分享密文状态下的数据特征分片，其特征在于，包括以下步骤：

S1：发起方、参与方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中每个数据特征分片对应的权重系数、样本数据集X_B中每个数据特征分片对应的权重系数；

S2：发起方、参与方联合计算出每个匿名样本对应的预测值Y，发起方得到预测值分片Y_A，参与方得到预测值分片Y_B，Y=Y_A+Y_B；

S3：发起方将每个匿名样本对应的标签值分片y_A减去对应的预测值分片Y_A得到对应的残差分片Δy_A，参与方将每个匿名样本对应的标签值分片y_B减去对应的预测值分片Y_B得到对应的残差分片Δy_B；