基于加性集成的隐私保护垂直联邦学习方法及系统

本公开提供了基于加性集成的隐私保护垂直联邦学习方法及系统，涉及信息与数据安全技术领域，包括：初始化服务器端与各个参与者，构建加性集成纵向联邦学习框架；在联邦学习框架中，服务器端的顶层模型被分配给每个参与者，且各个参与者通过梯度提升机制进行底层模型的按序训练；其中，参与者利用本地隐私数据训练底层模型后，将底部模型的输出上传至其对应的顶部模型，服务器计算每个顶部模型的损失，并将梯度传播到下一个参与者的底部模型，下一个参与者通过考虑前序参与者的残差，串行化实现下一个参与者的底部模型和顶部模型的训练，通过集成学习和梯度提升，形成参与者模型之间的互补效应，实现加性集成的垂直联邦学习。