一种基于图计算的联邦学习方法和系统技术方案

本发明专利技术公开了一种基于图计算的联邦学习方法和系统，包括模型构建模块、模型运行模块和模型评估模块，所述模型运行模块包括图神经网络组件、机器学习组件和连接组件，所述模型运行模块包括模型参数配置单元、模型运行单元和模型运行结果及日志查看单元，所述模型评估模块包括模型下载单元和模型预测单元。本发明专利技术中，通过发起方、协助方和协调方组建一个联合模型，协作方各自本体保留自己的本地模型，从多方数据源获取图神经网络模型需要的点边特征数据，但数据在各自节点的物理机上并且在模型训练过程中不会传输原数据，并且在进行多方数据对齐时，通过rsa加密的方式进行加密对齐，保证数据隐私性。保证数据隐私性。保证数据隐私性。

【技术实现步骤摘要】
一种基于图计算的联邦学习方法和系统


[0001]本专利技术涉及图计算和联邦学习
，尤其涉及一种基于图计算的联邦学习方法和系统。

技术介绍

[0002]随着大数据以及知识图谱技术的迅速发展，数据量的维度大幅度增加，数据之间存在着难以打破的壁垒，一般情况下人工智能所需要的数据会涉及多个领域，例如在基于人工智能的产品推荐服务中，产品销售方拥有产品数据、用户购买产品数据，但是缺少用户购买能力和支付习惯的数据。
[0003]在大多数行业中，数据是以孤岛的形式存在的，由于行业竞争、隐私安全、行政手续复杂等问题，即使是在同一个公司下的不同部门之间实现数据整合也面临着重重阻力，在现实中想要将分散到各地、各机构的数据进行整合难度很大。
[0004]并且各地、各机构之间的数据整合时会涉及到数据隐私安全问题，虽然，目前存在隐私计算的技术可以解决不同来源或机构的数据隐私安全的问题，但是，没有基于图神经网络的隐私安全计算的方法，不能利用图计算方法来完成联邦学习模型的创建和使用，因此，本专利技术提供一种基于图计算的联邦学习方法和系统。
专利技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图计算的联邦学习系统，其特征在于，包括模型构建模块、模型运行模块和模型评估模块，所述模型运行模块包括图神经网络组件、机器学习组件和连接组件，所述模型运行模块包括模型参数配置单元、模型运行单元和模型运行结果及日志查看单元，所述模型评估模块包括模型下载单元和模型预测单元；所述模型构建模块通过组合图神经网络组件和机器学习组件组成子模型；所述模型运行模块对子模型进行参数配置，并对参数配置完成的子模型进行运行，运行成功后生成联合模型，以dag图的形式运行；所述模型评估模块对联合模型进行评估和预测，查看模型的准确率，并导出联合模型。2.根据权利要求1所述的一种基于图计算的联邦学习系统，其特征在于，还包括端对端缓存器、数据存储器和显示模块，所述端对端缓存器用于协调不同服务节点的处理相关数据，所述数据存储器用于存放端节点运行的数据和日志，所述显示模块用于显示与联合模型运行后相关节点数据和节点日志。3.根据权利要求1所述的一种基于图计算的联邦学习系统，其特征在于，所述连接组件用来连接图神经网络组件和机器学习组件，以构建得到完整的子模型。4.根据权利要求1所述的一种基于图计算的联邦学习系统，其特征在于，所述模型参数配置单元联合发起方和协助方的数据对子模型进行参数配置，并通过模型运行单元对配置完成的子模型进行运行，运行成功后生成联合模型，通过模型运行结果及日志查看单元查看各组件的结果和日志。5.根据权利要求1所述的一种基于...

【专利技术属性】
技术研发人员：陈细平，陈卫强，姚家渭，
申请(专利权)人：杭州半云科技有限公司，
类型：发明
国别省市：