隐私保护下多方高维数据联邦特征选择算法

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