[发明专利]一种保护多方数据隐私的XGBoost预测模型训练方法

摘要

本发明涉及一种保护多方数据隐私的XGBoost预测模型训练方法，包括多个参与方与一个协调方，拥有标签的参与方首先利用当前模型预测结果与标签值计算一阶、二阶梯度向量与指示向量，剩余参与方通过秘密共享与协调方协助，共同计算构建一棵基于XGBoost算法的联合决策树模型，参与方共同协作，确定待训练数据在联合决策树模型中进行预测的结果，最后所有参与方与协调方一起迭代完成多棵联合决策树模型的构建，获得完整的多方预测模型。与现有技术相比，本发明具有在保护数据隐私的前提下进行跨数据源多方XGBoost集成模型训练、在保障数据安全的同时提升模型的预测能力等优点。