[发明专利]一种基于联邦学习的决策树构建方法、装置及存储介质

权利要求书

1.一种基于联邦学习的决策树构建方法，其特征在于，所述方法包括：

服务器向至少两个终端设备发送第一指示信息，所述第一指示信息用于指示对样本数据进行统计；

所述服务器接收至少两个样本统计参数，所述至少两个样本统计参数与所述至少两个终端设备一一对应，所述至少两个样本统计参数中的第一样本统计参数是对第一统计信息加扰得到的，所述第一统计信息为所述至少两个终端设备中的第一终端设备基于特征值集合对样本数据进行统计获得的信息，所述特征值集合为所述至少两个终端设备的样本数据的特征值的集合；

所述服务器根据所述至少两个样本统计参数确定全局统计参数，并根据所述全局统计参数判断决策树的第一节点是否满足分裂条件，所述全局统计参数用于指示所述至少两个终端设备的样本数据的统计信息，所述决策树用于构建网络模型；

所述第一节点满足所述分裂条件，所述服务器向所述至少两个终端设备发送第二指示信息，所述第二指示信息用于指示对样本数据进行分割，分割后获得的样本数据作为下一次需要训练的样本数据。

2.如权利要求1所述的方法，其特征在于，所述第一样本统计参数是根据所述第一终端设备与至少一个终端设备分别协商获得的噪声参数对所述第一统计信息加扰得到的。

3.如权利要求1所述的方法，其特征在于，所述第一节点为所述决策树的初始节点，在所述服务器向至少两个终端设备发送第一指示信息之前，还包括：

所述服务器发送至少两个样本编号集，所述至少两个样本编号集与所述至少两个终端设备一一对应，其中，所述至少两个样本编号集中的第一样本编号集是基于所述第一终端设备的初始样本编号集随机抽样确定的；

所述服务器接收至少两个特征值，所述至少两个特征值与所述至少两个终端设备一一对应，一个特征值为一个终端设备的样本数据的特征值；

所述服务器根据所述至少两个特征值确定所述特征值集合，并将所述特征值集合发送给所述至少两个终端设备。

4.如权利要求1所述的方法，其特征在于，所述服务器根据所述至少两个样本统计参数确定全局统计参数，包括：

所述服务器对所述至少两个样本统计参数进行累加，以消除各个样本统计参数中的加噪参数；

所述服务器根据所述至少两个样本统计参数的累加结果确定所述全局统计参数。

5.如权利要求1所述的方法，其特征在于，所述第二指示信息包括所述样本数据分割的中间值，所述中间值指示对所述样本数据按照中间值一分为二。

6.如权利要求1所述的方法，其特征在于，所述方法还包括：

若所述第一节点不满足分裂条件，所述服务器将所述第一节点设置为叶子节点，其中，所述叶子节点的叶子值根据所述全局统计参数确定。

7.一种基于联邦学习的决策树构建方法，其特征在于，所述方法包括：

第一终端设备接收第一指示信息，所述第一指示信息用于指示所述第一终端设备对样本数据进行统计；

所述第一终端设备基于特征值集合对所述样本数据进行统计，获得第一统计信息，并对所述第一统计信息进行加扰处理，获得第一样本统计参数，其中，所述特征值集合为至少两个终端设备的样本数据的特征值的集合；

所述第一终端设备将所述第一样本统计参数发送给服务器；

所述第一终端设备接收第二指示信息，所述第二指示信息用于指示对样本数据进行分割，其中，分割所述样本数据后获得的样本数据作为下一次需要训练的样本数据。

8.如权利要求7所述的方法，其特征在于，所述第一终端设备对所述第一统计信息进行加扰处理，获得第一样本统计参数，包括：

所述第一终端对所述第一统计信息添加所述第一终端设备的噪声参数，生成所述第一样本统计参数。