在安全联邦学习的逻辑回归模型中进行批标准化的方法

摘要

本发明涉及联邦学习相关领域，具体公开了在安全联邦学习的逻辑回归模型中进行批标准化的方法，包括以下步骤：S1、联邦学习参与者各方准备训练数据：联邦学习的参与者可以有多方P1，P2，...，Pn，每个参与方各自拥有训练数据data_1，data_2，...，data_n，其中有一方拥有标签y，假设拥有标签的参与方是P1，此外还有一个协调方来进行梯度解密；S2、融合数据集：在纵向联邦学习中，首先应当对数据进行求交，即筛选每个参与方共同拥有的样本ID，形成一份融合数据集fuse_data；S3、纵向联邦学习中的逻辑回归模型训练；S4、预测；该方法一方面可以避免在安全联邦学习的逻辑回归算法建模中出现梯度过大无法收敛导致模型训练失败，提高模型的训练成功率。