Sherpa.ai多方PSU協議：為垂直聯邦學習隱藏交集隱私的對齊方案
垂直聯邦學習需在各方持有互補特徵時完成樣本對齊而不暴露誰與誰是共有樣本。傳統私有集合交集(PSI)會洩漏交集成員，Sherpa.ai提出多方私有集合聯合(PSU)協議，以並集方式隱藏交集關係，並同時支援精確與容錯（鍵入/格式差異）比對。
Sherpa.ai提出多方PSU 保護垂直聯邦學習的交集隱私
垂直聯邦學習需要在各方擁有互補欄位時，先完成私密的樣本對齊。傳統的私有集合交集(PSI)雖可對齊，但會洩漏哪些樣本在交集中，暴露資料間關聯。
本文介紹Sherpa.ai的多方私有集合聯合(PSU)協議，透過以並集為基礎的對齊方式，避免揭露交集成員。協議包含兩種變體：一種保留順序用於精確對齊，另一種則為無序且容錯，能處理鍵入或格式差異的模糊匹配。
作者對協議的正確性與隱私性給出形式化論證，同時分析通訊與計算（如指數運算）複雜度，並定義一套從本地紀錄到共享索引空間的通用映射。該設計將二方方法推廣到多方場景，強調低通訊開銷與可擴展性。
實務應用面向包括跨機構醫療疾病檢測、多方銀行與保險的風險建模，以及電信與金融間的跨域詐欺偵測。多方PSU在保護交集隱私的前提下，提供實務上可用的對齊工具，有助於垂直聯邦學習的落地部署。
延伸閱讀
原始來源：ArXiv AI
系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。
