南京邮电大学学报(自然科学版)

作者：陈　晶,彭长根,谭伟杰

单位：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 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

关键词：用户画像；数据共享；数据隐私安全；联邦学习；预测准确率

基金：国家自然科学基金(U1836205，62272124)资助项目

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。

来源：2023年第05期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2023年第05期