隐私保护下多方高维数据联邦特征选择算法
金鑫1
胡滢2
李芃3
郑明2
1.铜陵学院 电气工程学院,安徽 铜陵,244061;安徽师范大学 计算机与信息学院,安徽 芜湖,2410022.安徽师范大学 计算机与信息学院,安徽 芜湖,2410023.铜陵学院 电气工程学院,安徽 铜陵,244061
摘要：高维特征选择问题存在"维数灾难"和计算代价高等挑战.受隐私保护的限制,大量高维数据可能分布存储在不同机构(称为参与方)而不能共享,进一步增加了多方高维数据联合特征选择的难度.鉴于此,本文提出一种代理联合辅助的联邦进化特征选择算法,解决隐私保护下多方参与的高维特征选择问题.设计一种代理辅助的联邦进化特征选择算法框架,并基于该框架,给出代理模型联合构建与管理策略、基于代理模型的联合评价策略和个体联合更新策略.最后,将所提算法用于10组测试数据集,并与3种典型的封装式进化特征选择算法进行对比.结果表明,所提算法在充分保护参与方数据隐私的前提下,不仅能够保证算法的分类性能,还能显著提升算法的运行时间.
关键词：特征选择进化算法代理辅助隐私保护
分类号：TP309(计算技术、计算机技术)TP18(自动化基础理论)
资助基金：国家自然科学基金(62306009)安徽省自然科学基金项目(2308085QF209)
论文发表日期：2025-08-01
在线出版日期：2026-08-28（本平台首次上网日期，不代表文献的发表时间）
页数：10( 497-506 )
英文信息