近日，同盾科技正式公布消息称，旗下人工智能研究院最新研发的“基于XGBoost的跨样本联邦学习、测试方法、系统、设备和介质”顺利通过国家知识产权局的发明专利授权，这将进一步丰富同盾科技人工智能“专利库”。

据了解，XGBoost是Boosting中的经典算法，也是业界被广泛使用的机器学习模型。Boosting算法的原理是将多个弱分类的结果集成在一起，形成一个强分类器。XGBoost延续Boosting算法的原理，将多棵树模型集成在一起，其核心思想是通过不断拟合前面树的预测结果与真实标签之间的残差，从而使最终的预测结果尽可能接近真实标签。每新增一棵树，树的结点会根据样本特征的划分点将结点分裂成左右子结点，以结点分裂增益最大的划分点来进行结点分裂，从而逐步形成一棵树。

同盾专家团队在本发明中提供的基于XGBoost的跨样本联邦学习建模过程中，将根据参与方所承担的不同作用将其划分为训练方和聚合方，其中训练方为联邦建模过程中提供数据的参与方，聚合方可以是训练方当中的一方或者所有训练方共同选择的某一其他机构或组织，在联邦建模过程中对训练方提供的信息进行联邦聚合或计算，在建模过程中，聚合方与每一训练方之间保持通信，训练方之间则不能相互通信。

同盾知识联邦建模结束后，每一参与方均可获得相同结构的联邦XGBoost模型，从而可进一步实现本地预测和推理。该方案可广泛应用于多领域的涉及到敏感数据的应用场景建模中，能够有效保护各方数据隐私和安全，真正实现让数据“可用不可见”。

同盾专家表示，为了在保护数据安全和隐私的同时，打破机构之间的障碍，同盾科技人工智能研究院正在打造一个能够支持安全多方检索、安全多方计算、安全多方学习、安全多方推理的一个统一的知识框架和技术体系，为安全的知识融合、管理、使用的生态系统建设提供设计指南和标准。