地理信息数据集联邦共享技术研究

目前,各类地理数据标准不统一、安全密度低、多以孤岛形式存在等问题日益突出,使得各数据节点无法汇聚,严重影响地理信息数据集的模型训练和分析。联邦学习作为一种新兴技术,对地理信息数据产业做出卓越贡献。文章从地理信息数据集孤岛问题出发,使用基于梯度上升树SecureBoost模型的联邦学习框架,从而实现数据汇聚和共享。实验结果表明:联邦共享技术使用去中心化架构会增加模型的训练时间,但在地理信息数据集方面可以大幅度解决数据孤岛问题,实现数据的共享交换。