[发明专利]一种纵向联邦学习场景中高效的特征贡献评估方法在审
| 申请号： | 202011465467.5 | 申请日： | 2020-12-14 |
| 公开（公告）号： | CN112651170A | 公开（公告）日： | 2021-04-13 |
| 发明（设计）人： | 张兰;李向阳;刘梦境 | 申请（专利权）人： | 德清阿尔法创新研究院 |
| 主分类号： | G06F30/27 | 分类号： | G06F30/27;G06F111/08 |
| 代理公司： | 杭州九洲专利事务所有限公司 33101 | 代理人： | 陈琦;陈继亮 |
| 地址： | 313200 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种纵向联邦学习场景中高效的特征贡献评估方法，所述该方法包括三个模块：1)运算拆分2)MC采样近似3)通信聚合，本发明设计了一个面向纵向联邦学习预测过程的公平的特征贡献评估方法。基于shapley value评估，保证了评估结果的公平性。同时通过MC采样近似，降低双方的计算开销。通过泰勒展开和运算拆分，降低通信开销。 | ||
| 搜索关键词： | 一种 纵向 联邦 学习 场景 高效 特征 贡献 评估 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于德清阿尔法创新研究院，未经德清阿尔法创新研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202011465467.5/，转载请声明来源钻瓜专利网。
