Primihub

Primihub是原语科技有限公司研发的开源隐私计算平台。
https://docs.primihub.com/

安全多方计算MPC

联邦学习FL

Hetero XGB算法

  1. 概念
    Hetero XGB是联邦学习任务的常用算法之一。Hetero是指异构数据，Xgb是指XGBoost算法，是一种梯度提升算法，用于解决分类和回归问题。
  2. 算法流程
    • Host端：数据中拥有标签的一方。
    • Guest端：数据中没有标签的一放。
    1. Host端生成公私钥，并将公钥发送给Guest端；
    2. Host端根据当前预测值和Label计算一阶导数和二阶倒数，并将一阶导数和二阶导数进行半同态加密，发送给Guest端；
    3. Host端根据己端数据，计算Host_Best_Gain，同时Guest端计算所有可能的Guest_Best_Gain，并将Guest_Best_Gain加密后发送给Host端；
    4. Host端将从Guest端获取的加密Guest_Best_Gain进行解密，得到解密后的Guest_Best_Gain；
    5. 在Host端比较Host_Best_Gain与Guest_Best_Gain的大小，确定XGB树的最优分裂点；
    6. 重复步骤3、4、5，直到模型收敛或达到迭代最大次数，模型训练完成。
  3. 算法核心
    XGB树节点的分裂。树节点的分裂是指在构建决策树的过程中，确定如何将节点划分为两个子节点的过程。每个节点都有一个划分规则，该规则基于选择一个特征和一个阈值，将节点中的样本分配到左子节点或右子节点。
  4. 并行逻辑
    XGBboost的并行并不是在tree粒度上的并行，因为迭代过程需要一次完成后才能进行下一次。XGBboost的并行粒度是在特征粒度上，决策树需要对特征的值进行排序，计算特征增益，这个过程可以使用多线程并行处理。当然，上述的解密加密流程中的一些操作也可以并行处理。

匿踪查询PIR

隐私求交PSI