基于联邦学习的多源数据用户画像设计方案

作     者：陈晶 彭长根 谭伟杰 CHEN Jing;PENG Changgen;TAN Weijie

作者机构：贵州大学公共大数据国家重点实验室贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025 贵州大学贵州省大数据产业发展应用研究院贵州贵阳550025 

基　　金：国家自然科学基金(U1836205 62272124)资助项目 

出 版 物：《南京邮电大学学报（自然科学版）》 (Journal of Nanjing University of Posts and Telecommunications：Natural Science Edition)

年 卷 期：2023年第43卷第5期

页      码：83-91页

摘      要：中小微型企业在用户画像实际应用中缺乏足够的数据和特征标签,难以得到精准的结果。同时,跨行业、跨部门数据以集中方式进行训练会导致隐私泄露。针对以上问题,提出了一种基于联邦学习的多源数据用户画像设计方案。该方案设计了联邦画像系统框架,利用联邦学习的计算机制和隐私求交算法,实现了多源数据共享,保证了各方数据集的隐私安全。实验表明,对比本地画像方案和部分多源数据画像方案,所提方案能够大幅度提高预测精度,具有更高的隐私安全性和算法扩展性。

主 题 词：用户画像 数据共享 数据隐私安全 联邦学习 预测准确率 

学科分类：0839[0839] 08[工学] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.14132/j.cnki.1673-5439.2023.05.011

馆 藏 号：203124148...