基于联邦学习系统的决策树构建方法、装置及电子设备

1.一种基于联邦学习系统的决策树构建方法，其特征在于，所述联邦学习系统包括具
有标签信息的第一参与方设备，以及至少一个第二参与方设备，所述方法应用于第一参与
方设备，包括：
获取训练样本和待构建的决策树的类型，并基于所述训练样本及所述类型，确定用于
构建所述决策树的分裂点的参考数据；
对所述参考数据进行压缩处理得到第一压缩数据，并将所述第一压缩数据发送至第二
参与方设备；
接收第二参与方设备发送的分裂点数据，所述分裂点数据为，所述第二参与方设备基
于所述第一压缩数据，进行对应所述决策树的分裂点构建所得到；
基于所述分裂点数据，确定所述决策树的全局分裂点，并基于所述全局分裂点，构建所
述决策树。
2.根据权利要求1所述的方法，其特征在于，所述对所述参考数据进行压缩处理得到第
一压缩数据，包括：
基于所述决策树的类型，确定相应的压缩控制参数，所述压缩控制参数包括以下至少
之一：同态最大整数位数、浮点数定点化精度、标签个数以及样本数；
基于所述压缩控制参数及所述参考数据的位长，确定压缩参数；
基于压缩参数，对所述参考数据进行压缩处理，得到第一压缩数据。
3.根据权利要求2所述的方法，其特征在于，当所述决策树为梯度提升决策树时，所述
参考数据为样本梯度，所述压缩控制参数包括所述同态最大整数位数、所述浮点数定点化
精度以及所述样本数；
所述基于所述压缩控制参数及所述参考数据的位长，确定压缩参数，包括：
基于所述浮点数定点化精度，对所述样本梯度进行定点化处理，得到所述样本梯度对
应的定点化整数，并基于所述样本数与所述定点化整数，确定对应所述样本梯度的占位；
将所述样本梯度的占位进行求和处理，确定压缩总占位；
将所述同态最大整数位数与所述压缩总占位进行整数除法处理，确定密文压缩量；
将所述样本梯度的占位、所述压缩总占位以及所述密文压缩量作为所述压缩参数。
4.根据权利要求2所述的方法，其特征在于，当所述决策树为分类决策树时，所述参考
数据为样本标签，所述压缩控制参数包括所述同态最大整数位数、所述标签个数以及所述
样本数；
所述基于所述压缩控制参数及所述参考数据的位长，确定压缩参数，包括：
基于所述样本标签，确定标签占位；
将所述样本数的位长与标签个数进行求积处理，确定压缩总占位；
将所述同态最大整数位数与所述压缩总占进行整数除法处理，确定密文压缩量；
将所述标签占位、所述压缩总占位以及所述密文压缩量作为所述压缩参数。
5.根据权利要求1所述的方法，其特征在于，所述将所述第一压缩数据发送至第二参与
方设备，包括：
对所述第一压缩数据进行同态加密，发送同态加密后的第一压缩数据至第二参与方设
备，以使所述第二参与方设备基于同态加密后的第一压缩数据，进行对应所述决策树的分
裂点构建，得到所述分裂点数据。
6.根据权利要求1所述的方法，其特征在于，所述分裂点数据为，所述第二参与方设备
基于所述第一压缩数据，构建所述决策树的分裂点得到分裂点构建结果，并对所述分裂点
构建结果进行压缩处理得到；
所述基于所述分裂点数据，确定所述决策树的全局分裂点，包括：
对所述分裂点数据进行解压处理，得到所述分裂点构建结果；
结合所述分裂点构建结果及所述训练样本，确定所述决策树的全局分裂点。
7.根据权利要求6所述的方法，其特征在于，所述结合所述分裂点构建结果及所述训练
样本，确定所述决策树的全局分裂点，包括：
基于所述训练样本，对所述决策树的分裂点进行遍历，以确定第一分裂点；
基于所述训练样本以及所述分裂点构建结果，对所述决策树中的分裂点进行遍历，以
确定第二分裂点；
将所述第一分裂点以及所述第二分裂点进行对比，以确定所述决策树的全局分裂点。
8.根据权利要求7所述的方法，其特征在于，所述基于所述训练样本，对所述决策树的
分裂点进行遍历，以确定第一分裂点，包括：
获取所述训练样本的标签；
基于所述训练样本的标签与所述参考数据，对所述决策树的分裂点进行遍历，确定对
应所述第一参与方设备的第一特征分裂增益直方图；其中，所述第一特征分裂增益直方图，
用于确定所述第一特征分裂增益直方图中的最大增益分裂点；
基于所述第一特征分裂增益直方图，确定所述决策树的分裂点的增益值，并选取增益
值最大的分裂点作为所述第一分裂点；
所述基于所述训练样本以及所述分裂点构建结果，对所述决策树中的分裂点进行遍
历，以确定第二分裂点，包括：
获取所述训练样本的标签；
基于所述训练样本的标签与所述分裂点构建结果，对所述决策树的分裂点进行遍历，
确定对应所述第二参与方设备的第二特征分裂增益直方图；其中，所述第二特征分裂增益
直方图，用于确定所述第二特征分裂增益直方图中的最大增益分裂点；
基于所述第二特征分裂增益直方图，确定所述决策树的分裂点的增益值，并选取增益
值最大的分裂点作为所述第二分裂点。
9.根据权利要求7所述的方法，其特征在于，所述将所述第一分裂点以及所述第二分裂
点进行对比，以确定所述决策树的全局分裂点，包括：
分别获取所述第一分裂点的增益值以及所述第二分裂点的增益值；
比较所述第一分裂点的增益值以及所述第二分裂点的增益值，并选取较大增益值所对
应的分裂点作为所述决策树的全局分裂点。
10.根据权利要求1所述的方法，其特征在于，所述基于所述全局分裂点，构建所述决策
树，包括：
获取所述全局分裂点的特征值和特征编码；
确定对应所述特征编码的特征，并结合所述特征及所述特征值确定特征分裂方式；
基于所述特征分裂方式，构建所述决策树。
11.根据权利要求10所述的方法，其特征在于，所述获取所述全局分裂点的特征值和特
征编码，包括：
当所述全局分裂点归属于所述第一参与方设备时，获取所述全局分裂点对应的分裂点
编码，并基于所述分裂点编码确定所述全局分裂点的特征值和特征编码；
当所述全局分裂点属于所述第二参与方设备时，向所述第二参与方设备发送所述全局
分裂点对应的分裂点编码，并接收所述第二参与方设备基于所述分裂点编码返回的特征值
和特征编码。
12.一种基于联邦学习系统的决策树构建装置，其特征在于，所述装置包括：
获取模块，用于获取训练样本和待构建的决策树的类型，并基于所述训练样本及所述
类型，确定用于构建所述决策树的分裂点的参考数据；
压缩模块，用于对所述参考数据进行压缩处理得到第一压缩数据，并将所述第一压缩
数据发送至第二参与方设备；
接收模块，用于接收第二参与方设备发送的分裂点数据，所述分裂点数据为，所述第二
参与方设备基于所述第一压缩数据，进行对应所述决策树的分裂点构建所得到；
构建模块，用于基于所述分裂点数据，确定所述决策树的全局分裂点，并基于所述全局
分裂点，构建所述决策树。
13.一种电子设备，其特征在于，所述电子设备包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现权利要求1至11任一项所述
的方法。
14.一种计算机可读存储介质，其特征在于，存储有可执行指令，用于被处理器执行时，
实现权利要求1至11任一项所述的方法。
15.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执
行时实现权利要求1至11任一项所述的方法。

暂无

暂无