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
原因是SQL语句中存在使用隐患字段的情况。 请根据具体提示，涉及以下情形请检查并修改SQL语句： 情形一：直接查询其他参与方的唯一标识、度量数据。 情形二：试图使用唯一标识做条件过滤操作。 情形三：使用直接可以逆推度量数据的简单计算式。 情形四：将标识分组后的度量数据聚合值直接明文呈现。
使用TICS联邦预测进行新数据离线预测 场景描述 准备数据 发布数据集 创建联邦预测作业 发起联邦预测 父主题： 纵向联邦建模场景
发布数据集 企业B分别自己的csv数据文件上传到自己的计算节点上，通过“数据管理”模块创建各自的数据集，并单击“发布”。 企业B的数据集如下： 创建数据集后单击“发布”按钮即可将数据的元数据信息发布到tics空间侧，供其他合作方参考。 父主题： 外部数据共享
要选出企业A自己和大数据厂商B的特征及标签用于后续的训练。 企业A可以选择特征及标签后“启动分箱和IV计算”，通过联邦的统计算法计算出所选特征的iv值，一般而言iv值较高的特征更有区分性，应该作为首选的训练特征；过低的iv值没有区分性会造成训练资源的浪费，过高的iv值又过于突出可能会过度影响训练出来的模型。
cbaebabe5ef03f7c3017bb5b7”这样的一条数据，查询结果中即会返回企业A所选择的企业B的数据字段。 同时企业A的业务系统后台也可以通过API调用的方式调用企业A计算节点的接口发起实时隐匿查询，更好地服务生产业务。 父主题： 外部数据共享
模型训练 企业A在完成特征选择后，可以单击右下角的“启动训练”按钮，配置训练的超参数并开始训练。 等待训练完成后就可以看到训练出的模型指标。 模型训练完成后如果指标不理想可以重复调整7、8两步的所选特征和超参数，直至训练出满意的模型。 父主题： 使用TICS可信联邦学习进行联邦建模
准备数据 企业A和大数据厂商B需要按照训练模型使用的特征，提供用于预测的数据集，要求预测的数据集特征必须包含训练时使用的特征。 表1 企业A的数据 字段名称 字段类型 描述 id string hash过后的手机号字符串 col0-col4 float 企业A数据特征 industry_predict
基本计算能力验证 验证TICS的基础计算能力，以计算各企业在2021年的价值评分，用于评估信贷能力，其中的公式仅为简单的参考计算式。 操作步骤 执行如下的sql作业。 select c.id as `企业id`, 0.5 * a.tax_bal + 0.8 * b.supp_bal
隐私规则防护 使用TICS的隐私规则防护能力确保数据安全。 前提条件 完成数据集发布。 操作步骤 进入多方安全计算的作业执行界面，单击创建。 图1 创建作业 在作业界面中，按照1~4提供的案例和SQL语句进行作业测试。 图2 作业界面 假设有人输入以下代码试图直接查询敏感数据。 select
创建并运行隐私求交作业 企业A单击“作业管理 > 隐私求交 > 创建”，依次填写作业名称、选择需要求交的数据集和对应的求交列、选择算法协议及各种参数，再单击“保存并执行”即可发起一次隐私求交查询。 父主题： 隐私求交黑名单共享场景
其中“不可区分度”即为实时隐匿查询的安全级别，不可区分度越高，则安全级别越高，但查询的速度会变慢，传输的数据量也会变大。 企业A完成信息选择后，单击“保存并提交审批”即可向数据提供方企业B发送一条审批信息。 企业B在自己的计算节点上可以单击“审批管理”，选择“待处理”的实时隐匿查询作业审批，
评估型横向联邦作业流程 基于横向联邦作业的训练结果，可以进一步评估横向联邦模型，将训练好的模型用于预测。 选择对应训练型作业的“历史作业”按钮，获取最新作业的模型结果文件路径。 图1 查看模型结果文件的保存位置 前往工作节点上步骤1展示的路径，下载模型文件。由于Logistic
准备数据 首先，企业A和大数据厂商B需要商议确定要提供的数据范围及对应的元数据信息，例如双方初始决定使用最近三个月的已有用户转化数据作为联邦训练的训练集和评估集。 表1 企业A的数据 字段名称 字段类型 描述 id string hash过后的手机号字符串 col0-col4 float
使用TICS多方安全计算进行联合样本分布统计 场景描述 准备数据 发布数据集 创建样本分布统计作业 执行样本分布联合统计 数据优化 父主题： 纵向联邦建模场景
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 配置作业的执行脚本，训练模型文件。 执行脚本是每个参与方的计算节点在本地会执行的模型训练、评估程序，用于基于本地的数据集训练子模型。 训练
从上面两张表可以看出： （1）训练轮数对于联邦学习模型的性能影响不大，这主要是由于乳腺癌数据集的分类相对简单，且数据集经过了扩充导致的； （2）增大每个参与方本地模型训练的迭代次数，可以显著提升最终联邦学习模型的性能。 参与方数据量不同时，独立训练对比横向联邦训练的准确率 本节实验不再将训练集均匀划
发布数据集 企业A和大数据厂商B分别将自己的csv数据文件上传到自己的计算节点上，通过“数据管理”模块创建各自的数据集。 企业A的数据集如下： 大数据厂商B的数据集如下： 创建数据集后单击“发布”按钮即可将数据的元数据信息发布到tics空间侧，供其他合作方参考。 父主题： 使用TICS可信联邦学习进行联邦建模
场景描述 某企业A在进行新客户营销时的成本过高，想要通过引入外部数据的方式提高营销的效果，降低营销成本。 因此企业A希望与某大数据厂商B展开一项合作，基于双方共有的数据进行联邦建模，使用训练出的联邦模型对新数据进行联邦预测，筛选出高价值的潜在客户，再针对这些客户进行定向营销，达成提高营销效果、降低营销成本的业务诉求。
选择数据 首先企业A要在“数据选择”页面选择双方发布的数据集，已选择的数据集会出现在右侧，所选的数据集会用于后续的步骤。 父主题： 使用TICS可信联邦学习进行联邦建模
败。 解决方案 如果是纵向联邦学习作业，您可以在该纵向联邦作业详情页面尝试新增内存配额和CPU配额，然后重新执行作业。 如果是横向联邦学习作业，您可以在该横向联邦作业详情页面尝试新增内存配额和CPU配额，然后保存、提交审批，等待审批通过后再重新执行作业。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
