(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111402378.0 (22)申请日 2021.11.24 (71)申请人 深圳前海微众 银行股份有限公司 地址 518052 广东省深圳市前海深港合作 区前湾一路1号A栋201室 (72)发明人 陈伟敬　马国强　范涛　 (74)专利代理 机构 北京派特恩知识产权代理有 限公司 1 1270 代理人 赵翠萍　张颖玲 (51)Int.Cl. G06F 30/27(2020.01) G06N 20/00(2019.01) (54)发明名称 联邦树模型的数据处理方法、 装置、 设备及 存储介质 (57)摘要 本申请提供了一种联邦树模型的数据处理 方法、 装置、 设备、 存储介质及程序产品， 应用于 第一参与方设备； 方法包括： 获取用作联邦树模 型的训练样 本的特征集合， 特征集合包括第一参 与方设备提供的第一特征、 以及第二参与方设备 提供的第二特征； 接收各第二参与方设备发送的 用于模拟联邦树模型的第一节 点路由； 获取各第 一特征所对应节点在联邦树模型中的第二节点 路由； 基于第一节点路由及第二节点路由， 得到 联邦树模型对应的伪联邦树模型； 通过伪联邦树 模型对特征集合所包括的特征子集进行预测， 得 到预测值， 并结合预测值及目标预测结果， 确定 特征集合中各特征对应目标预测结果的贡献信 息。 通过本申请， 能够快速、 准确的确定样本中各 特征的贡献信息 。 权利要求书3页 说明书26页 附图8页 CN 114065640 A 2022.02.18 CN 114065640 A 1.一种联邦树模型的数据处理方法， 其特征在于， 基于联邦学习系统， 所述联邦学习系 统包括第一参与方设备及至少一个第二参与方设备， 所述方法应用于第一参与方设备， 所 述方法包括： 获取用作 联邦树模型的训练样本的特征集合， 所述特征集合包括第 一参与方设备提供 的至少两个携带目标预测结果的第一特征、 以及所述第二参与方设备提供的至少一个第二 特征； 接收各所述第 二参与方设备发送的用于模拟所述联邦树模型的第 一节点路由， 所述第 一节点路由， 用于指示以所述第二特征作为所述联邦树模型 的分裂节点时， 所述分裂节点 对应的子节点路径； 获取所述至少两个第一特 征所对应节点在所述联邦树模型中的第二节点路由； 基于所述第一节点路由及所述第二节点路由， 模拟所述联邦树模型， 得到所述联邦树 模型对应的伪联邦树模型； 通过所述伪联邦树模型对所述特征集合所包括的特征子集进行预测， 得到相应的预测 值， 并结合所述预测 值及所述 目标预测结果， 确定所述特征集合中各特征对应所述 目标预 测结果的贡献信息 。 2.根据权利要求1所述的方法， 其特征在于， 所述接收各所述第 二参与方设备发送的用 于模拟所述联邦树模型的第一节点路由， 包括： 向各所述第 二参与方设备发送节点路由获取请求， 所述节点路由获取请求携带有训练 样本对应的样本标识； 接收到各所述第 二参与方设备基于所述节点路由获取请求， 返回的与 所述样本标识对 应的、 用于模拟所述联邦树模型的第一节点路由。 3.根据权利要求1所述的方法， 其特征在于， 所述基于所述第 一节点路由及所述第 二节 点路由， 模拟所述联邦树模型， 得到所述联邦树模型对应的伪联邦树模型， 包括： 创建所述联邦树模型的模型副本， 并从根节点开始对所述模型副本的每个节点进行遍 历； 当遍历到的当前节点对应的特征为所述第 二特征时， 获取与 所述第二参与方设备对应 的联邦特 征， 并将当前节点对应的特 征替换为所述联邦特 征； 根据所述第一节点路由所指示的子节点路径， 确定当前节点包括的子节点； 当遍历到的当前节点对应的特征为所述第一特征时， 执行针对其它节点的遍历， 直至 所述模型副本中的节点遍历完成， 将所述模型副本中对应所述第一特征 的第一节点、 对应 所述第二特征的第二节点、 所述第二节点包括的子节点所构成的树模型作为所述伪联邦模 型。 4.根据权利要求1所述的方法， 其特征在于， 所述基于所述第 一节点路由及所述第 二节 点路由， 模拟所述联邦树模型， 得到所述联邦树模型对应的伪联邦树模型， 包括： 创建初始树模型， 所述初始树模型中具有对应所述第一特征的节点， 且所述初始树模 型中的节点对应所述第二节点路由； 获取与所述第二 参与方设备存在一 一对应关系的联邦特 征； 根据所述第 一节点路由， 在所述初始树模型中创建对应所述联邦特征的节点及所述节 点包括的子节点， 以得到所述伪联邦树模型。权　利　要　求　书 1/3 页 2 CN 114065640 A 25.根据权利要求1所述的方法， 其特征在于， 所述通过所述伪联邦树模型对所述特征集 合所包括的特 征子集进行 预测， 得到相应的预测值， 包括： 针对所述特 征集合包括的各 特征子集， 分别执 行以下操作： 从所述伪联邦树模型的根节点 开始， 遍历所述伪联邦树模型的节点； 当遍历到的当前节点为非叶子节点， 且所述特征子集包括所述当前节点对应的特征 时， 获取所述当前节点对应的节点路由； 根据所述节点路由确定所述当前节点对应的叶子节点， 并将所述叶子节点对应的特征 值作为所述特 征子集的预测值。 6.根据权利要求1所述的方法， 其特征在于， 所述通过所述伪联邦树模型对所述特征集 合所包括的特 征子集进行 预测， 得到相应的预测值， 包括： 针对所述特 征集合包括的各 特征子集， 分别执 行以下操作： 从所述伪联邦树模型的根节点 开始， 遍历所述伪联邦树模型的节点； 当遍历到的当前节点为非叶子节点， 且所述特征子集不包括所述当前节点对应的特征 时， 获取所述当前节点对应的训练样本的第一数量； 获取所述当前节点的各子节点对应的训练样本的第二数量； 获取各所述子节点对应的预测值； 根据所述第一数量， 各所述第 二数量、 以及各所述子节点对应的预测值， 确定所述特征 子集对应的预测值。 7.根据权利要求6所述的方法， 其特征在于， 所述根据所述第 一数量， 各所述第 二数量、 以及各所述子节点对应的预测值， 确定所述特 征子集对应的预测值， 包括： 根据所述第一数量， 以及各所述第 二数量， 确定各所述子节点对应的权重， 基于各所述 子节点所对应的权重， 对各所述子节点对应的预测值进行加权处理， 得到所述当前节点对 应的预测值； 若所述当前节点为根节点， 将所述当前节点对应的预测值作为所述特征子集对应的预 测值； 若所述当前节点非根节点， 获取所述当前节点所在节点层中各节点的权重、 以及所述 节点层中各节点对应的预测 值， 对所述节点层中各节点对应的预测值进行加权处理， 得到 所述当前节点的父节点所对应的预测值， 若所述父节点为根节点， 将所述父节点对应的预 测值作为所述特征子集对应的预测值， 若 所述父节点 非根节点， 迭代执行上述处理， 直至得 到所述根节点对应的预测值， 作为所述特 征子集对应的预测值。 8.根据权利要求1所述的方法， 其特征在于， 所述结合所述预测值及所述目标预测结 果， 确定所述特 征集合中各特征对应所述目标 预测结果的贡献信息， 包括： 遍历所述特 征集合中的每 个特征， 并针对每 个所述特 征执行以下操作： 获取所述特征对应的第一预测值； 确定所述特 征集合的多个特 征子集中不包括所述特 征的目标 特征子集； 通过所述伪联邦树模型， 获取 各所述目标 特征子集对应的第二预测值； 基于所述第一预测值， 以及各所述第二预测值， 确定所述特征对各所述第二预测值的 边际贡献值； 基于各所述边际贡献值， 确定所述特 征对应所述目标 预测结果的贡献信息 。权　利　要　求　书 2/3 页 3 CN 114065640 A 3