垂直联邦XGB (SecureBoost)#

在垂直联邦学习场景中，数据根据特征进行垂直分割，这意味着每个参与者的数据样本是一致的，但具有不同的列和类型。

SecureBoost简介#

在垂直联邦学习场景中，每个参与方都拥有具有相同样本但不同特征空间的数据。SecureBoost优先保护标签持有者的信息，并旨在与原始的XGBoost算法一样准确。

与其MPC技术驱动的对应物——基于密钥共享的XGB相比，SecureBoost通常更快。更具体地说，SecureBoost的计算成本比ss_xgb高，但后者通常受到网络带宽的限制。换句话说，当我们拥有更多的CPU计算资源但较少的网络资源时，SecureBoost更快。

得到了HEU设备的支持, 我们的SecureBoost实现提供了高性能和尖端速度。

请查看这个简单的教程

请注意，联邦树模型算法 SecureBoost 不是可证明安全的算法。存在可能导致数据泄露的已知攻击。因此，当担心数据安全时，我们建议使用 MPC-XGB 而不是 SecureBoost。查看我们的MPC-XGB实现。