(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211123329.8 (22)申请日 2022.09.15 (71)申请人 北京八分量信息科技有限公司 地址 100020 北京市朝阳区崔各庄乡东 辛 店村268号院1号楼二层204 号 (72)发明人 阮安邦　袁凯　林振民　 (74)专利代理 机构 浙江千克知识产权代理有限 公司 33246 专利代理师 葛天祥 (51)Int.Cl. G06N 20/00(2019.01) H04L 9/08(2006.01) (54)发明名称 基于横向联邦学习的Fisher线性判别器建 模方法 (57)摘要 本发明涉及机器学习技术领域， 具体涉及一 种基于横向联邦学习的Fisher线性判别器建模 方法， 包括： 选定协调方， 分别计算本地数据两个 类别样本和； 全部参与方生成随机数向量； 计算 向量和与随机数向量的和发送给协调方； 协调方 计算两类样本数据的特征值向量的平均值向量 发送给各个参与方； 参与方Pk各自计算类间散布 矩阵； 重新生成随机数向量； 参与方各自计算类 间散布矩阵和随机数向量的和发送给协调方； 协 调方计算处特征根发送给各个参与方， 参与方根 据特征根建立Fi sher线性判别器模型。 本发明的 有益技术效果包括： 采用基于横向联邦学习的训 练方法， 参与方不用对外泄露原始数据， 在保护 数据隐私的同时， 提高模型训练的精度。 权利要求书2页 说明书5页 附图1页 CN 115496223 A 2022.12.20 CN 115496223 A 1.基于横向联邦学习的Fisher线性判别器建模方法， 其特 征在于， 包括： 参与方Pk选定协调方， 参与方Pk分别计算本地数据两个类别样本和 其中Wk， 0为第一类样本的和， Wk， 1为第二类样本的和， xk， i为样本数据的特 征值向量， yk， i为样本数据的标签值； 全部参与方Pk生成随机数向量Rk， 0和Rk， 1， 满足 以及 参与方 Pk计算向量Tk， 0＝Wk， 0+Rk， 0和向量Tk， 1＝Wk， 1+Rk， 1， 把Tk， 0、 Tk， 1、 Nk， 0及Nk， 1发送给协调方， Nk， 0及 Nk， 1分别为本地数量标签值 为0及1的样本数据的数量； 协调方计算两类样本数据的特 征值向量的平均值向量m0和m1， 并发送给 各个参与方Pk； 参与方Pk各自计算 而后计 算Uk＝Uk， 0+Uk， 1； 全部参与方Pk生成随机数向量Rk， 0和Rk， 1， 满足 以及 参与方Pk各自计算Vk＝Uk+Rk， 把Vk发送给协调方； 协调方计算 令SB＝(m0‑m1)*(m0‑m1)T， 协调方计算方程(SB‑γSin)w＝0的 特征根w， 将特征根w发送给各个参与方Pk， 参与方Pk根据特征根w建立Fisher线性判别器模 型。 2.根据权利要求1所述的基于横向联邦学习的Fisher线性判别器建模方法， 其特征在 于， 全部参与方Pk 生成随机数向量Rk， 0和Rk， 1的方法包括： 赋予全部参与方Pk 排序， 参与方之间两 两配对； 配对的参与方Pk和参与方Pi交换相同的秘钥， 记为Ck， j， 根据Ck， j生成随机数； 参与方Pk和参与方Pi约定随机数的正负属性； 获得随机数向量Rk， 0和Rk， 1的元素数量， 重复前述步骤获得与元素数量相符的多个秘 钥， 按获得顺序排序获得随机数向量Rk， 0和Rk， 1。 3.根据权利要求2所述的基于横向联邦学习的Fisher线性判别器建模方法， 其特征在 于， 配对的参与方Pk和参与方Pj采用密码交换协议获得相同的交换秘钥Ck， j。 4.根据权利要求3所述的基于横向联邦学习的Fisher线性判别器建模方法， 其特征在 于， 所述密码交换协议 为Diffe‑Hellman密钥交换协议。 5.根据权利 要求2至4任一项所述的基于横向联邦学习的Fisher线性判别器建模方法， 其特征在于， 根据Ck， j生成随机数的方法为： 计算rk， j＝PRNG(Ck， j)， 其中PRNG()为伪随机生成函数， 计算rk＝‑∑j＜krk， j+∑k＜jrk， j作为本次获得的随机数。 6.根据权利 要求1至4任一项所述的基于横向联邦学习的Fisher线性判别器建模方法， 其特征在于， 参与方Pk 根据特征根w建立Fisher线性判别器模型的方法包括： 计算判别阈值： 其中μ0＝Wk， 0/Nk， 0， μ1＝Wk， 1/Nk， 1， 对于新的特征向量x*， 计算wTx*， wTx*比w0更接近的类别权　利　要　求　书 1/2 页 2 CN 115496223 A 2标签值即为特 征向量x*的标签值。 7.根据权利 要求1至4任一项所述的基于横向联邦学习的Fisher线性判别器建模方法， 其特征在于， 参与方Pk根据特征根w建立Fisher线性判别器模型的方法包括： 计算判别阈值： 其中 μ0＝Wk， 0/Nk， 0， μ1＝Wk， 1/Nk， 1， 对于新的特征向量x*， 计算wTx*， wTx*比w0更接近的类别标签值即为特征向量x*的标签 值。权　利　要　求　书 2/2 页 3 CN 115496223 A 3