基于树模型的垂直联邦学习综述
机器学习
2025-04-04 v1 人工智能
摘要
由于其有效性、鲁棒性和可解释性，树基模型在广泛的实际应用中取得了巨大成功，这激发了人们近年来将其应用于垂直联邦学习（VFL）场景。本文从通信和计算协议的角度，对垂直联邦学习中树基模型的应用进行全面研究，提供整体图景。我们将VFL中的树基模型分为两类，即特征聚集模型和标签散布模型，并就其特征、优势、隐私保护机制和应用进行详细讨论。本文还关注树基模型在VFL中的实现，总结了若干设计原则，以满足来自学术研究和工业部署的各种要求。我们进行一系列实验，提供对不同类型树基模型差异和进展的经验性观察。
引用
@article{arxiv.2504.02285,
title = {Tree-based Models for Vertical Federated Learning: A Survey},
author = {Bingchen Qian and Yuexiang Xie and Yaliang Li and Bolin Ding and Jingren Zhou},
journal= {arXiv preprint arXiv:2504.02285},
year = {2025}
}
备注
Accepted by ACM Computing Surveys (CSUR)