【技术实现步骤摘要】
模型更新系统、模型更新方法及相关设备
本申请实施例涉及网络控制领域,尤其涉及模型更新系统、模型更新方法及相关设备。
技术介绍
随着人工智能(artificialintelligence,AI)的快速发展,AI模型凭借着灵活、智能等特点在网络中被广泛使用。网络设备配置AI模型后,网络设备将网络设备上的特征数据作为AI模型的输入,网络设备上的特征数据由网络设备的流量场景决定,不同的流量场景会产生不同的特征数据,在网络设备向AI模型输入特征数据后,网络设备可以根据AI模型获得输出结果。网络设备可以根据该输出结果做出相应的决策,或者将该输出结果发送给其它网络设备,帮助其它网络设备利用该输出结果做出相应的决策。由于AI模型是根据训练数据训练得到的,当网络设备的场景与训练数据的采集场景不相同,或者网络设备的场景与训练数据的采集场景本来相同,但是由于网络设备的场景发生变化,导致网络设备的场景与训练数据的采集场景不相同,AI模型的性能可能会下降,因此如何保持AI模型的性能,是一个急需解决的问题。
技术实现思路
本申请实施例提供了一种模型更新系统、模型更新方法及相关设备,可以在更新第一模型的基础上,提高私密性。本申请实施例第一方面提供了一种模型更新系统,包括:局点分析设备和第一分析设备;第一分析设备可以获取第一模型,在获得第一模型后,第一分析设备可以向局点分析设备发送该第一模型;局点分析设备可以获取到网络设备发送的第一特征数据;在接收到第一模型后,局点分析设备可以利用第一训练样本训练 ...
【技术保护点】
1.一种模型更新系统,其特征在于,包括:/n局点分析设备和第一分析设备;/n所述局点分析设备,用于接收第一分析设备发送的第一模型,利用第一训练样本训练所述第一模型,获得第二模型,所述第一训练样本包括所述局点分析设备所对应的局点网络的网络设备的第一特征数据,获取所述第一模型和所述第二模型的差异数据,并向所述第一分析设备发送所述差异数据;/n所述第一分析设备,用于向所述局点分析设备发送第一模型,接收所述局点分析设备发送的所述差异数据,并根据所述差异数据更新所述第一模型,获得第三模型。/n
【技术特征摘要】
1.一种模型更新系统,其特征在于,包括:
局点分析设备和第一分析设备;
所述局点分析设备,用于接收第一分析设备发送的第一模型,利用第一训练样本训练所述第一模型,获得第二模型,所述第一训练样本包括所述局点分析设备所对应的局点网络的网络设备的第一特征数据,获取所述第一模型和所述第二模型的差异数据,并向所述第一分析设备发送所述差异数据;
所述第一分析设备,用于向所述局点分析设备发送第一模型,接收所述局点分析设备发送的所述差异数据,并根据所述差异数据更新所述第一模型,获得第三模型。
2.根据权利要求1所述的系统,其特征在于,
所述局点分析设备还用于确定所述第一模型是否发生劣化,若所述局点分析设备确定所述第一模型发生劣化,则所述局点分析设备利用所述第一训练样本训练所述第一模型,获得所述第二模型。
3.根据权利要求2所述的系统,其特征在于,所述系统包括N个所述局点分析设备,所述N为大于1的整数;
所述第一分析设备,具体用于向所述N个所述局点分析设备发送所述第一模型,接收L个所述局点分析设备发送的多个所述差异数据,所述L为大于1,且小于或等于N的整数,并根据多个所述差异数据更新所述第一模型,获得所述第三模型。
4.根据权利要求3所述的系统,其特征在于,
所述第一分析设备,还用于统计向所述第一分析设备发送所述差异数据的所述局点分析设备的数量L,若所述L与所述N的比值达到阈值K,所述K大于0且小于或等于1,则所述第一分析设备利用所述差异数据更新所述第一模型,获得所述第三模型。
5.根据权利要求1至4任意一项所述的系统,其特征在于,所述系统还包括:
网络设备;
所述网络设备,用于接收所述局点分析设备发送的更新后的模型,所述更新后的模型包括所述第二模型或所述第三模型,所述网络设备根据所述网络设备的待预测特征数据,利用所述更新后的模型输出推理结果;
所述局点分析设备,还用于向所述网络设备发送更新后的模型;
或,
所述网络设备,用于向所述局点分析设备发送所述网络设备的待预测特征数据,
所述局点分析设备,还用于根据所述网络设备的待预测特征数据,利用所述更新后的模型输出推理结果。
6.根据权利要求5所述的系统,其特征在于,
所述网络设备,具体用于根据所述网络设备的待预测特征数据,利用所述更新后的模型进行分类结果的预测;
或,
所述局点分析设备,具体用于根据所述网络设备的待预测特征数据,利用所述更新后的模型进行分类结果的预测。
7.根据权利要求6所述的系统,其特征在于,所述待预测特征数据包括关键绩效指标KPI特征数据,所述KPI特征数据为KPI时间序列的特征数据,或者为KPI数据。
8.根据权利要求1至7任意一项所述的系统,其特征在于,所述差异数据为梯度信息。
9.一种模型更新方法,其特征在于,包括:
局点分析设备接收第一分析设备发送的第一模型;
所述局点分析设备利用第一训练样本训练所述第一模型,获得第二模型,所述第一训练样本包括所述局点分析设备所对应的局点网络的网络设备的第一特征数据;
所述局点分析设备获取所述第一模型和所述第二模型的差异数据;
所述局点分析设备向所述第一分析设备发送所述差异数据,用于请求所述第一分析设备根据所述差异数据更新所述第一模型,获得第三模型。
10.根据权利要求9所述的方法,其特征在于,所述方法还包括:
所述局点分析设备确定所述第一模型是否发生劣化,若所述局点分析设备确定所述第一模型发生劣化时,则执行所述局点分析设备利用第一训练样本训练所述第一模型,获得第二模型的步骤。
11.根据权利要求10所述的方法,其特征在于,所述方法还包括:
所述局点分析设备获取所述第一模型的性能量化指标;
所述局点分析设备确定所述第一模型的性能量化指标是否小于目标阈值;
若所述第一模型的性能量化指标小于所述目标阈值,则所述局点分析设备确定所述第一模型发生劣化。
12.根据权利要求11所述的方法,其特征在于,所述方法还包括:
所述局点分析设备获取所述网络设备的第二特征数据;
所述局点分析设备获取所述第一模型根据所述第二特征数据得出的第一推理结果;
所述局点分析设备获取所述第一模型的性能量化指标包括:
所述局点分析设备根据所述第一推理结果和所述第二特征数据的预设标签获取所述第一模型的准确率,将所述准确率作为所述第一模型的性能量化指标,或所述局点分析设备根据所述第一推理结果和所述第二特征数据的预设标签获取所述第一模型的召回率,将所述召回率作为所述第一模型的性能量化指标。
13.根据权利要求12所述的方法,其特征在于,所述方法还包括:
所述局点分析设备向所述网络设备发送第一数据请求,用于请求所述网络设备向所述局点分析设备发送第二训练样本,所述第二训练样本包括所述第二特征数据和所述第一推理结果,所述第一推理结果由所述第一模型根据所述第二特征数据获得。
14.根据权利要求9至13任意一项所述的方法,其特征在于,所述方法还包括:
所述局点分析设备向所述网络设备发送更新后的模型,所述更新后的模型包括所述第二模型或所述第三模型,用于根据所述网络设备的待预测特征数据,输出推理结果。
15.根据权利要求9至13任意一项所述的方法,其特征在于,所述方法还包括:
所述局点分析设备向所述网络设备发送更新后的模型,所述更新后的模型包括所述第二模型或所述第三模型,用于根据所述网络设备的待预测特征数据,进行分类结果的预测,所述待预测特征数据包括KPI特征数据。
16.根据权利要求9至13任意一项所述的方法,其特征在于,所述方法还包括:
所述局点分析设备接收所述网络设备的待预测特征数据;
所述局点分析设备根据所述网络设备的待预测特征数据,利用更新后的模型输出推理结果,所述更新后的模型包括所述第二模型或所述第三模型。
17.根据权利要求16所述的方法,其特征在于,所述待预测特征数据包括KPI特征数据;
所述局点分析设备根据所述网络设备的待预测特征数据,利用更新后的模型输出推理结果包括:
所述局点分析设备根据所述网络设备的待预测特征数据,利用更新后的模型进行分类结果的预测。
18.根据权利要求15或17所述的方法,其特征在于,所述KPI特征数据为KPI时间序列的特征数据,或者为KPI数据。
19.根据权利要求9至18任意一项所述的方法,其特征在于,所述方法还包括:
所述局点分析设备利用测试数据测试所述第二模型,所述测试数据包括真实标签;
所述局点分析设备保存劣化数据,用于让所述局点分析设备利用所述劣化数据更新所述局点分析设备中的模型,所述劣化数据属于所述测试数据,所述劣化数据的推理标签不等于所述真实标签,所述推理标签由所述局点分析设备利用测试数据测试所述第二模型得到。
20.一种模型更新方法,其特征在于,包括:
第一分析设备向局点分析设备发送第一模型,所述第一模型用于根据网络设备的待预测特征数据输出推理结果;
所述第一分析设备接收所述第一模型和第二模型的差异数据,所述第二模型由所述局点分析设备利用第一训...
【专利技术属性】
技术研发人员:常庆龙,张彦芳,孙旭东,薛莉,张亮,
申请(专利权)人:华为技术有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。