论文简介:FederBoost: Private Federated Learning for GBDT——将GBDT模型应用于横向联邦学习和纵向联邦学习
论文地址:[2011.02796] FederBoost: Private Federated Learning for GBDT (arxiv.org)
1. 每文三问
①文章在解决什么问题?
FL 有两个问题尚未解决:
unable to handle vertically partitioned data
unable to support decision trees
现有的用于垂直分区数据或决策树的 FL 解决方案需要大量的加密操作。
②用了什么方法 (创新方法) ?
提出框架 FederBoost,它支持在 both horizontally and vertically partitioned data 训练 GBDT。vertical FederBoost 不需要任何加密操作,horizontal FederBoost 只需要轻量级的安全聚合。
③效果如何?
对于 vertical and horizontal FederBoost 都实现了相同水平的 AUC ,即使是在广域网中,也能在半小时内完成训练。
AUC是一个用于二分类模型的模型评价指标
https://zhuanlan.zhihu.com/p/33407505
2. Introduction
设计 FederBoost 的一个关键启发是