联邦学习方法及装置制造方法及图纸

本申请实施例提供一种联邦学习方法及装置，应用于区块链系统中的虚拟服务端，虚拟服务端为区块链系统中的任一候选服务端，该方法包括：创建联邦学习任务，联邦学习任务中包括有多个待训练算法；从多个候选服务端中确定出第一服务端，第一服务端用于向区块链系统中的多个客户端发起针对待训练算法中的第一训练算法的训练；向第一服务端发送第一训练算法的训练指示。与现有技术相比，由于通过虚拟服务端，从多个候选服务端中确定出每个训练算法所使用的候选服务端，从而使得单个服务端无法聚合所有数据，从而降低了数据泄露的风险，提高了数据的安全性。了数据的安全性。了数据的安全性。

【技术实现步骤摘要】
联邦学习方法及装置


[0001]本专利技术涉及机器学习领域，尤其涉及一种联邦学习方法及装置。

技术介绍

[0002]联邦学习，又称为联邦机器学习(Federated machine learning/Federated Learning)，是一个机器学习框架。联邦学习可以有效帮助多个设备在满足用户隐私保护、数据安全和政府法规的要求下，进行数据使用和机器学习建模。联邦学习作为分布式的机器学习，可以有效解决数据孤岛问题，让参与方在不共享数据的基础上联合建模，能从技术上打破数据孤岛，实现人工智能(artificial intelligence，AI)协作。
[0003]现有技术中，服务端-客户端(Master-Client)结构为常用的联邦学习框架，服务端在整个架构中处于核心地位。具体的，单个服务端连接多个数据客户端，服务端管理整个联邦学习的训练，进行数据聚合和任务分派。
[0004]然而，由于服务端处于核心节点位置，训练过程中服务端会执行数据聚合，单个服务端会获取联邦学习的所有训练的数据，对于客户端而言，这可能会造成数据泄露的风险，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种联邦学习方法，其特征在于，应用于区块链系统中的虚拟服务端，所述虚拟服务端为所述区块链系统中的任一候选服务端，所述方法包括：创建联邦学习任务，所述联邦学习任务中包括有多个待训练算法；从多个所述候选服务端中确定出第一服务端，所述第一服务端用于向所述区块链系统中的多个客户端发起针对所述多个待训练算法中的第一训练算法的训练；向所述第一服务端发送所述第一训练算法的训练指示。2.根据权利要求1所述的方法，其特征在于，所述从多个所述候选服务端中确定出第一服务端，包括：利用选举算法，从所述多个候选服务端中确定出第一服务端。3.根据权利要求2所述的方法，其特征在于，在所述从多个所述候选服务端中确定出第一服务端之前，所述方法还包括：接收所述候选服务端中的第二服务端发送的第一消息，所述第一消息用于表征所述第二服务端发生故障；所述利用选举算法，从所述多个候选服务端中确定出第一服务端，包括：利用所述选举算法，从除所述第二服务端以外的所述多个候选服务端中确定出第一服务端。4.根据权利要求1所述的方法，其特征在于，所述创建联邦学习任务，包括：根据所述多个客户端的信息，创建联邦学习任务。5.根据权利要求4所述的方法，其特征在于，在所述创建联邦学习任务之后，所述方法还包括：根据所述多个客户端的信息，从数据库中选取所述第一训练算法对应的训练参数，所述第一训练算法对应的训练参数用于辅助训练所述第一训练算法。6.根据权利要求5所述的方法，其特征在于，所述训练指示中包括有所述第一训练算法对应的训练参数。7.根据权利要求1所述的方法，其特征在于，在所述向所述第一服务端发送所述第一训练算法的训练指示之后，所述方法还包括：将所述述第一训练算法的训练指示保存在所述区块链系统中。8.根据权利要求1所述的方法，其特征在于，所述方法还包括：接收待加入端发起的加入请求，所述加入请求用于请求加入所述区块链系统，所述待加入端为待加入的候选服务端或者待加入的客户端；根据所述加入请求，将所述待加入端加入所述区块链系统。9.根据权利要求8所述的方法，其特征在于，所述加入请求中包括有所述待加...

【专利技术属性】
技术研发人员：王佩琪，刘展，顾松庠，孙海波，王义，
申请(专利权)人：京东科技控股股份有限公司，
类型：发明
国别省市：