NodeGuard: A Highly Efficient Two-Party Computation Framework for Training Large-Scale Gradient Boosting Decision Tree.
梯度提升决策树（GBDT）是一种在欺诈检测、在线营销和风险管理等真实场景中表现出色且可解释性强的机器学习算法。在实际应用中，两个数据拥有者可能希望在不泄露各自私有数据集的前提下联合训练GBDT模型，这通常通过安全多方计算（MPC）协议来实现
#two-party-computation
共收录 3 条相关情报。
← 返回所有主题G-Lox: Group-Adaptive, Privacy-Preserving Bridge Distribution with Two-Party Computation
G-Lox 是一种面向桥分发系统的隐私增强方案，旨在解决现有系统（如 Lox）在支持自适应组级分配时面临的隐私泄露问题。传统桥分发系统中，分发器需要根据用户组（如按网络条件或受审查程度划分）动态调整桥分配策略，但这一过程可能暴露组标识或分配
Practical Anonymous Two-Party Gradient Boosting Decision Tree
本文研究的是在两方垂直分割数据上训练梯度提升决策树（GBDT）的隐私保护问题。GBDT在金融和医疗等领域广泛应用，但传统安全计算方法（如基于私有集合交集PSI）会暴露双方共享的记录标识符（IDs），存在隐私泄露风险。本文首次提出匿名GBDT