买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜武汉天喻信息产业股份有限公司申请的专利基于XGBoost的联邦学习训练及预测方法以及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114372516B 。

龙图腾网通过国家知识产权局官网在2025-05-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111596095.4，技术领域涉及：G06F18/241；该发明授权基于XGBoost的联邦学习训练及预测方法以及装置是由王丽;孟庆树;张新访;董逢华设计研发完成，并于2021-12-24向国家知识产权局提交的专利申请。

本基于XGBoost的联邦学习训练及预测方法以及装置在说明书摘要公布了：本发明提供了一种基于XGBoost的联邦学习训练及预测方法以及装置，应用于一个发起方和多个合作方，该方法包括以下步骤：发起方利用自己持有的特征数据创建第一棵决策树；发起方和合作方协作依次建立第m棵决策树，m＝2,3,...,M，其中M为训练的决策树总数，训练得到基于XGBoost的联邦学习模型；建立第m棵决策树的过程中，发起方计算每个真实结点样本空间的最优特征及特征阈值，同时为每组最优特征及特征阈值额外匹配一个结点样本空间作为假结点样本空间，发送给对应特征持有方，特征持有方根据收到的特征及特征阈值划分当前结点样本空间，并将结果通知发起方；利用上述训练得到的联邦学习模型对待预测对象的标签进行预测。本发明降低了模型泄露的风险，模型预测速度快。

本发明授权基于XGBoost的联邦学习训练及预测方法以及装置在权利要求书中公布了：1.一种基于XGBoost的联邦学习训练及预测方法，应用于一个发起方和多个合作方，其特征在于，该方法包括以下步骤：发起方利用自己持有的特征数据创建第一棵决策树；发起方和合作方协作依次建立第m棵决策树，m＝2,3,...,M，其中M为训练的决策树总数，训练得到基于XGBoost的联邦学习模型；建立第m棵决策树的过程中，发起方计算每个真实结点样本空间的最优特征及特征阈值，同时为每组最优特征及特征阈值额外匹配一个结点样本空间作为假结点样本空间，将每组最优特征及特征阈值及其对应的两个结点样本空间发送给对应特征持有方，特征持有方根据收到的特征及特征阈值划分当前结点样本空间，并将结果通知发起方；特征持有方为合作方；利用上述训练得到的联邦学习模型对待预测对象的标签进行预测；其中，发起方拥有公钥PK和私钥SK，将公钥PK共享给合作方；发起方和合作方协作建立第m棵决策树的创建过程如下：步骤1：发起方从自己持有的特征中选择最优特征作为树的根结点，并划分子结点样本空间；使用公钥PK加密训练样本损失函数梯度，将样本损失函数梯度密文和子结点样本空间发送给各合作方；步骤2：合作方依据自身特征对当前结点样本空间进行分区，聚合同一分区内样本的梯度密文并将各聚合结果发送给发起方；步骤3：发起方计算每个真实结点样本空间的最优特征及特征阈值，同时为每组最优特征及特征阈值额外匹配一个结点样本空间作为假结点样本空间，将每组最优特征及特征阈值及其对应的两个结点样本空间发送给对应特征持有方；步骤4：特征持有方根据收到的特征及特征阈值划分当前结点样本空间，将划分结果发送给发起方，并本地存储特征及特征阈值；步骤5：发起方利用真实划分结果更新模型，并将所有划分结果发送给所有合作方；重复步骤2-步骤5，直到达到预设的停止条件，完成第m棵树的创建；利用上述训练得到的联邦学习模型对待预测对象的标签进行预测具体包括：步骤1：合作方获取待预测对象ID，使用己方训练所得最优特征及特征阈值与该对象相应特征值进行比较，并将结果发送给发起方；步骤2：发起方利用来自合作方的比较结果集合及训练得到的联邦学习模型，预测对象标签。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人武汉天喻信息产业股份有限公司，其通讯地址为：430223 湖北省武汉市东湖新技术开发区华工大学科技园天喻信息；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。