检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
签署合约 用数方在接受到供数方发送的数据合约，若满足需求或与前期约定一致，可签署合约，若不一致，可选择拒绝合约。 前提条件 空间组建完成，参考组建空间。 空间成员完成计算节点部署，配置参数时选择挂载方式和数据目录，参考部署计算节点。 空间成员在计算节点中完成数据发布，参考发布数据。
络FiBiNet算法。 用户登录进入计算节点页面。 在左侧导航树上依次选择“作业管理 > 联邦预测”，打开联邦预测作业页面。 在“联邦预测”页面，选择实时预测的Tab页，单击创建。 图1 创建作业 在弹出的对话框中编辑“作业名称”，选择“算法类型”。 选择“算法类型”之后，勾选“
训练型横向联邦作业流程 联邦学习分为横向联邦及纵向联邦。相同行业间，特征一致，数据主体不同，采用横向联邦。不同行业间，数据主体一致，特征不同，采用纵向联邦。xx医院的应用场景为不同主体的相同特征建模，因此选用横向联邦。 创建训练型横向联邦学习作业。 图1 创建训练型横向联邦学习作业
可验证代码示例 数据准备 数据集发布 隐私规则防护 基本计算能力验证 基于MPC算法的高安全级别计算 统计型作业的差分隐私保护 父主题： 多方安全计算场景
以及分布图。 图4 描述性统计 执行预处理。单击列表字段后的添加预处理方法，系统将利用所选的预处理方法（转换函数）将特征数据转换成更加适合算法模型的特征数据。当前TICS支持的特征预处理方法如表1所示。对于一个字段，可以添加多种预处理方法，并且建议按照如下处理顺序进行编排： 连续
基于TICS实现端到端的企业积分查询作业 简介 阶段一：数据发布 阶段二：隐私规则防护 阶段三：审批防护 阶段四：基本计算能力验证 阶段五：基于MPC算法的高安全级别计算 阶段六：统计型作业的差分隐私保护
数据管理>数据创建页面，选择对应连接器（连接器管理中已建立完备），将需要共享的数据发布至空间侧，并支持通过转换函数将特征数据转换成更加适合算法模型的特征数据。 使用场景 连接器使用场景：参与方的数据信息分布在不同的资源服务上，即可通过连接器管理功能来快速连接到名下的各类资源服务。
非敏感（Nonsensitive） 不涉及隐私的数据， 例如所处城市、公司类型等。 脱敏（Desensitization） 按照一定的算法，将原始数据的敏感部分隐去。 作业（Job） 作业是指用户创建的分析、学习任务。 作业实例（Job instance） 作业每次运行都将产
或者包含下列任何字符：\ / : * ? " < > |，长度要求在1~128之间。 algorithm_type String 纵向联邦算法类型枚举，XG_BOOST，LIGHT_BGM，LOGISTIC_REGRESSION 逻辑回归，NEURAL_NETWORK 神经网络，FIBINET
包含下列任何字符：\ / : * ? " < > |，长度要求在1~128之间。 algorithm_type 是 String 纵向联邦算法类型枚举，XG_BOOST，LIGHT_BGM，LOGISTIC_REGRESSION 逻辑回归，NEURAL_NETWORK 神经网络，FIBINET
联邦学习运行平台枚举值。LOCAL，MODEL_ARTS learning_rate String 纵向联邦算法学习率 algorithm_type String 纵向联邦算法类型枚举。 XG_BOOST, LightGBM LOGISTIC_REGRESSION 逻辑回归 NEURAL_NETWORK
确认申请 供数方接受用数方的数据使用需求，审视是否符合用数方需求或与前期的约定一致，若不符合，可拒绝申请；若符合，则确认申请，接下来便拟定合约，发送给用数方签署。 前提条件 存在已创建的申请。 约束限制 仅供数方操作，即该数据集的提供方去确认申请。 用数方提交申请后未撤回的申请，一旦供数方确认申请，申请内容无法修改。
授权IAM用户使用TICS 准备数据 启用区块链审计服务（可选） 获取认证信息 空间管理 组建空间 管理空间 代理管理 部署代理 管理代理 管理数据 管理任务 管理算法 审计日志 作业管理 多方安全计算作业 可信联邦学习作业 联邦预测作业 常见问题 了解更多常见问题、案例和解决方案 热门案例 什么是区域和可用区？
联邦学习运行平台枚举值。LOCAL，MODEL_ARTS learning_rate String 纵向联邦算法学习率 algorithm_type String 纵向联邦算法类型枚举。 XG_BOOST, LightGBM LOGISTIC_REGRESSION 逻辑回归 NEURAL_NETWORK
3）独立的测试集，用于准确评估横向联邦学习得到的模型准确率。此外由于原始的数据集较小，采用了Imbalanced-Learn中的SMOTE算法，进行了数据集的扩充。下表为扩充过后的数据集统计信息。 乳腺癌数据集统计信息。 统计量 取值 特征数目 30 xx医院的训练样本数目 7366
agent_id 是 String 作业发起可信计算节点id，最大32位，由字母和数字组成 algorithm_type 否 String 纵向联邦算法类型枚举值。XG_BOOST，LIGHT_BGM， LOGISTIC_REGRESSION（逻辑回归），NEURAL_NETWORK，FIBINET
"dayu002", "stages" : [ { "id" : 5, "stage_name" : "执行算法阶段_5", "processors" : [ { "id" : "FiBiNetMessagePas
符：\ / : * ? " < > |，长度要求在1~128之间 ，最大值2的31次方-1 algorithm 否 String 样本对齐算法。 OPRF, SQL_JOIN; datasets 否 Map<String,String> 样本对齐数据集 align_ids 否 Map<String
data_type String 字段类型 privacy_policy_type String 字段数据隐私处理方式:NONE.不处理,HASH.哈希,MASK.掩码 privacy_policy String 字段数据处理类型:NONE.不处理（默认）,ANONYMIZE.脱敏 sql_col_privacy_type
实例集合 total Long 总记录数 表5 FlJobListVo 参数 参数类型 描述 algorithm_type String 纵向联邦算法类型枚举。XG_BOOSTXGBoost，LIGHT_BGMLightGBM，LOGISTIC_REGRESSION逻辑回归，NEURAL
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
