一种基于联合学习的物联网系统及服务方法技术方案

本发明专利技术公开了一种基于联合学习的物联网系统及服务方法，包括：物联基础设施、云端服务平台和业务应用平台，其中，所述物联基础设施，用于提供基于联合学习的基础设施，基于联合学习算法对所述目标算法模型进行训练，以及利用训练后的目标算法模型对所述业务应用平台获取的业务需求进行处理；所述云端服务平台，用于提供基于联合学习的基础通用算法模型，根据所述业务应用平台获取的业务需求进行所述基础通用算法模型的选择；所述业务应用平台，用于获取用户业务需求，接收云端服务平台发送的处理结果并向用户反馈。通过联合学习和人工智能，在确保数据安全前提下，打造基于联合学习的AI技术生态，进而打破各方数据壁垒、打通行业生态。业生态。业生态。

【技术实现步骤摘要】
一种基于联合学习的物联网系统及服务方法


[0001]本专利技术涉及物联网
，特别涉及一种基于联合学习的物联网系统及服务方法。

技术介绍

[0002]随着物联网技术的发展以及各种物联网IoT设备日益普及，未来IoT端产生的海量数据将很快超过现有互联网的数据体量。边缘和终端智能越来越受到人们的关注，人工智能技术能有效用于处理海量设备端产生的数据。近年来，IoT设备计算能力不断提升，特别是专门用于神经网络计算的AI芯片逐渐成为中高端设备的标配，人工智能逐渐出现了从云端向终端迁移的趋势。智能+是社会未来发展的趋势，赋予IoT设备智能化可以为人们提供更好的服务。
[0003]企业在数字化转型的过程中，经常面临三个问题。
[0004](1)网络安全问题
--
如何保护数据安全
[0005]根本原因有：
[0006]一是在云化以后，数据集中化程度过高，造成数据安全得不到保障，数据非法访问风险加大；
[0007]二是原先的应用服务器是独立的，但上了云系统以后，应用服务器的安全边界越来越小，甚至还会出现很多漏洞，保护机制仍需完善；
[0008]三是从应用层面看，数字应用范围在扩大，但安全匹配滞后；
[0009]四是云计算部署呈明显动态化，但授权仍呈现静态化，从而导致匹配难度较大。
[0010](2)数据流量处理面临压力
[0011]面对庞大的数据流量以及储存数据，需要将云计算和分布式架构相结合，替代传统数据中心架构有利于解决数据储存风险较高的问题，也能够降低网络带宽需求、加快数据传输效率。
[0012](3)“数据孤岛”尚未打通
[0013]一方面由于用户隐私保护、商业机密保护，另一方面由于部门业务差异及开发时间不同，从而导致异构及多个系统平台同时运行，系统数据相对独立、隔离、无法实现数据共享，进而产生“数据孤岛”，不利于数字化转型应用，需要花大量的时间、精力、成本进行资源整合。

技术实现思路

[0014]本专利技术旨在至少在一定程度上解决上述技术问题中的至少一个。
[0015]为此，本专利技术的第一个目的在于提出一种基于联合学习的物联网系统，通过联合学习和人工智能的协议与标准，在确保数据安全及用户隐私的前提下，打造基于联合学习的AI技术生态，进而打破各方数据壁垒、打通行业生态。
[0016]本专利技术的第二个目的在于提出一种基于联合学习的物联网服务方法，通过联合学
习和人工智能的协议与标准，在确保数据安全及用户隐私的前提下，打造基于联合学习的AI技术生态，进而打破各方数据壁垒、打通行业生态。
[0017]第一方面，本专利技术实施例公开了一种基于联合学习的物联网系统，该物联网系统包括：物联基础设施、云端服务平台和业务应用平台，其中，
[0018]所述物联基础设施，用于提供基于联合学习的基础设施，与所述云端服务平台进行交互，接收所述云端服务平台发送的目标算法模型并基于联合学习算法对所述目标算法模型进行训练，以及利用训练后的目标算法模型对所述业务应用平台获取的业务需求进行处理；
[0019]所述云端服务平台，用于提供基于联合学习的基础通用算法模型，根据所述业务应用平台获取的业务需求进行所述基础通用算法模型的选择，并将选择的目标算法模型下发到所述物联基础设施，以及向所述业务应用平台发送所述物联基础设施针对所述业务需求的处理结果；
[0020]所述业务应用平台，用于获取用户业务需求，接收所述云端服务平台发送的处理结果并向用户反馈。
[0021]作为本专利技术的一个优选，所述物联基础设施与所述云端服务平台之间通过网络通信协议和API网关进行交互。
[0022]作为本专利技术的一个优选，所述基础通用算法模型包括：机器学习算法、深度学习算法和计算机视觉算法。
[0023]作为本专利技术的一个优选，所述机器学习算法包括：线性分类算法、逻辑回归算法、决策树算法、支持向量机SVM算法、朴素贝叶斯算法和K-means算法。
[0024]作为本专利技术的一个优选，所述深度学习算法包括：卷积神经网络CNN算法、递归神经网络RNN算法、深度神经网络DNN算法、自编码神经网络算法、深度置信网络算法、语音识别算法和自然语言处理算法。
[0025]作为本专利技术的一个优选，所述计算机视觉算法包括：图像处理、图像识别、图像理解和视频分析。
[0026]作为本专利技术的一个优选，所述云端服务平台具有联合学习引擎，用于将所述机器学习算法、所述深度学习算法和/或所述计算机视觉算法与联合学习进行结合，为所述业务应用平台的业务需求提供基于联合学习的智能算法。
[0027]作为本专利技术的一个优选，所述联合学习引擎至少管控分布式并行计算、端云统一模型、联合策略选择、安全协议和加密算法。
[0028]作为本专利技术的一个优选，所述物联网系统应用于所有行业的所有业务需求；所述行业至少包括：农林牧渔业、医疗卫生业、建筑建材、冶金矿产业、石油化工业、水利水电业、交通运输业、信息产业、机械机电业、轻工食品业、服装纺织业、专业服务业、环保绿化业和电子电工业。
[0029]第二方面，本专利技术实施例提供了一种基于联合学习的物联网服务方法，该方法包括：
[0030]业务应用平台获取用户业务需求；
[0031]云端服务平台跟据所述业务应用平台获取的业务需求进行基础通用算法模型的选择，并将选择的目标算法模型下发到物联基础设施；
[0032]所述物联基础设施基于联合学习算法对所述目标算法模型进行训练；
[0033]所述物联基础设施利用训练后的目标算法模型对所述业务应用平台获取的业务需求进行处理；
[0034]所述物联基础设施将处理结果通过所述业务应用平台发送给所述业务应用平台。
[0035]与现有技术相比，本专利技术至少具有以下有益效果：
[0036]通过联合学习和人工智能的协议与标准，在确保数据安全及用户隐私的前提下，打造基于联合学习的AI技术生态，进而打破各方数据壁垒、打通行业生态。并且附加的优点会在下面的具体实施例中给出，也会在下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0037]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0038]图1是本专利技术一个实施例提供的一种基于联合学习的物联网系统的结构框图；
[0039]图2是本专利技术一个实施例提供的一种基于联合学习的物联网系统的结构示意图；
[0040]图3是本专利技术一个实施例提供的一种基于联合学习的物联网服务方法的流程示意图。
具体实施方式
[0041]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于联合学习的物联网系统，其特征在于，包括：物联基础设施、云端服务平台和业务应用平台，其中，所述物联基础设施，用于提供基于联合学习的基础设施，与所述云端服务平台进行交互，接收所述云端服务平台发送的目标算法模型并基于联合学习算法对所述目标算法模型进行训练，以及利用训练后的目标算法模型对所述业务应用平台获取的业务需求进行处理；所述云端服务平台，用于提供基于联合学习的基础通用算法模型，根据所述业务应用平台获取的业务需求进行所述基础通用算法模型的选择，并将选择的目标算法模型下发到所述物联基础设施，以及向所述业务应用平台发送所述物联基础设施针对所述业务需求的处理结果；所述业务应用平台，用于获取用户业务需求，接收所述云端服务平台发送的处理结果并向用户反馈。2.根据权利要求1所述基于联合学习的物联网系统，其特征在于，所述物联基础设施与所述云端服务平台之间通过网络通信协议和API网关进行交互。3.根据权利要求1所述基于联合学习的物联网系统，其特征在于，所述基础通用算法模型包括：机器学习算法、深度学习算法和计算机视觉算法。4.根据权利要求3所述基于联合学习的物联网系统，其特征在于，所述机器学习算法包括：线性分类算法、逻辑回归算法、决策树算法、支持向量机SVM算法、朴素贝叶斯算法和K-means算法。5.根据权利要求3所述基于联合学习的物联网系统，其特征在于，所述深度学习算法包括：卷积神经网络CNN算法、递归神经网络RNN算法、深度神经网络DNN算法、自编码神经网络算法、深度置信网...

【专利技术属性】
技术研发人员：张敏，高庆，
申请(专利权)人：新智数字科技有限公司，
类型：发明
国别省市：