2.3.2　聯(lián)邦特征工程

在非聯(lián)邦機(jī)制下，特征和目標(biāo)標(biāo)簽都是存放在一處的，可以直接計(jì)算出和Pearson相關(guān)系數(shù)。而在聯(lián)邦機(jī)制下，由于數(shù)據(jù)分布在不同的參與方且不同的參與方之間無法進(jìn)行直接的數(shù)據(jù)交換，完成特征工程就需要在基于隱私保護(hù)的前提下對(duì)數(shù)據(jù)進(jìn)行交換和計(jì)算。以聯(lián)邦和的計(jì)算為例，假設(shè)A方只有特征，B方具有和目標(biāo)標(biāo)簽，且。

首先，A方和B方需要進(jìn)行基于隱私保護(hù)的樣本id對(duì)齊，通常采用RSA公鑰加密算法和哈希機(jī)制進(jìn)行隱私保護(hù)。然后，在A方和B方都獲得共有樣本id后，就可以開始進(jìn)行聯(lián)邦和的計(jì)算，通常采用的是Paillier半同態(tài)加密算法，附錄2中有關(guān)于該算法的詳細(xì)介紹，利用Paillier半同態(tài)加密算法就可以實(shí)現(xiàn)聯(lián)邦和的計(jì)算，計(jì)算過程如圖2-3-2所示。

在圖2-3-2中，B方對(duì)和做同態(tài)加密，接著將加密結(jié)果傳給A方。A方將本地的特征分組，并在組中做密文求和，得到結(jié)果后將其傳給B方。B方將接收到的結(jié)果解密，算出A方每個(gè)特征的和。在整個(gè)過程中，A方對(duì)特征進(jìn)行編碼化，因此A方特征的取值是自己獨(dú)立掌握的，沒有透露給B方。B方由于提供了目標(biāo)標(biāo)簽，進(jìn)而獨(dú)立掌握相關(guān)統(tǒng)計(jì)量的計(jì)算結(jié)果。同時(shí)，需要注意的一點(diǎn)是，B方對(duì)二分類的目標(biāo)標(biāo)簽進(jìn)行加密，需要有保護(hù)隱私性的機(jī)制，以免A方根據(jù)樣本分類的不平衡性猜測(cè)出密文對(duì)應(yīng)的明文標(biāo)簽。這里采用的Paillier半同態(tài)加密，在加密的過程中引入了隨機(jī)數(shù)機(jī)制，可以保證即使對(duì)同一個(gè)數(shù)據(jù)，每次的加密結(jié)果也是不一致的。

圖2-3-2　基于Paillier半同態(tài)加密算法的聯(lián)邦和計(jì)算過程

本節(jié)以WOE和IV的計(jì)算過程為例分別介紹了非聯(lián)邦環(huán)境和聯(lián)邦環(huán)境下特征工程的實(shí)現(xiàn)方式。在IV的輔助下，后續(xù)特征選擇過程可以順利進(jìn)行。