【技术实现步骤摘要】
机器学习模型管理方法、装置和系统
[0001]本申请涉及机器学习
,尤其涉及机器学习模型管理方法、装置和系统。
技术介绍
[0002]电信运营商网络作为信息通信的基础设施,是一个需要高度智能化、自动化的自治系统。机器学习模型能够提供强大分析、判断、预测等能力,因此,将机器学习模型应用于电信运营商网络的规划、建设、维护、运行和优化等工作中,成为业界的研究热点。
[0003]联邦学习(federated learning)是一种分布式机器学习技术。如图1所示,每个联邦学习客户端(federated learning client,FLC),如联邦学习客户端1、2、3
……
k,利用本地计算资源和本地网络业务数据进行模型训练,并将本地训练过程中产生的模型参数更新信息Δω,如Δω1、Δω2、Δω3……
Δω
k
,发送给联邦学习服务端(federated learning server,FLS)。联邦学习服务端基于模型更新参数采用汇聚算法进行模型汇聚,得到汇聚机器学习模型。汇聚机器学习模型作为联邦学习客户端下一次执行模型训练的初始模型。联邦学习客户端和联邦学习服务端多次执行上述模型训练过程,直到得到的汇聚机器学习模型满足预设条件时,停止训练。
[0004]由此可以看出,参与联邦学习的各方需要将各自的中间机器学习模型或者模型参数更新信息集中到一起,才能享受联邦学习的好处。然而,电信领域中,根据地区政策/法令或用户需求,电信运营商网络的网络业务数据(包括设备数据、设备 ...
【技术保护点】
【技术特征摘要】
1.一种机器学习模型管理方法,其特征在于,应用于联邦学习服务端,所述联邦学习服务端归属于第一管理域,且与机器学习模型管理中心连接;所述方法包括:从所述机器学习模型管理中心获取第一机器学习模型;基于所述第一机器学习模型和所述第一管理域的本地网络业务数据,与所述第一管理域中的多个联邦学习客户端进行联邦学习,得到第二机器学习模型;向所述机器学习模型管理中心发送所述第二机器学习模型,以使所述第二机器学习模型被第二管理域中的设备使用。2.根据权利要求1所述的方法,其特征在于,所述从所述机器学习模型管理中心获取第一机器学习模型,包括:向所述机器学习模型管理中心发送机器学习模型需求信息;接收所述机器学习模型管理中心根据所述机器学习模型需求信息确定的所述第一机器学习模型。3.根据权利要求2所述的方法,其特征在于,所述机器学习模型需求信息包括机器学习模型对应的模型业务信息和/或机器学习模型训练需求。4.根据权利要求3所述的方法,其特征在于,所述训练需求包括以下至少一项:训练环境、算法类型、网络结构、训练框架、汇聚算法或安全模型。5.根据权利要求1至4任一项所述的方法,其特征在于,所述方法还包括:向所述机器学习模型管理中心发送所述第二机器学习模型的访问权限信息。6.根据权利要求1至5任一项所述的方法,其特征在于,所述方法还包括:向所述多个联邦学习客户端发送所述第二机器学习模型。7.根据权利要求1至6任一项所述的方法,其特征在于,所述向所述机器学习模型管理中心发送所述第二机器学习模型,包括:如果所述第二机器学习模型的应用效果满足预设条件,则向所述机器学习模型管理中心发送所述第二机器学习模型。8.根据权利要求1至7任一项所述的方法,其特征在于,所述基于所述第一机器学习模型和所述第一管理域的本地网络业务数据,与所述第一管理域中的多个联邦学习客户端进行联邦学习,得到第二机器学习模型,包括:向所述第一管理域中的多个联邦学习客户端发送所述第一机器学习模型,以使所述多个联邦学习客户端分别基于所述第一机器学习模型和各自获取的网络业务数据进行联邦学习,得到各自的中间机器学习模型;获取所述多个联邦学习客户端得到的多个中间机器学习模型,并基于所述多个中间机器学习模型汇聚得到所述第二机器学习模型。9.一种机器学习模型管理方法,其特征在于,应用于机器学习模型管理中心,所述机器学习模型管理中心与第一联邦学习服务端连接,所述第一联邦学习服务端归属于第一管理域;所述方法包括:向所述第一联邦学习服务端发送第一机器学习模型;从所述第一联邦学习服务端接收第二机器学习模型;其中,所述第二机器学习模型为所述第一联邦学习服务端基于所述第一机器学习模型和所述第一管理域的本地网络业务数据,与所述第一管理域中的多个联邦学习客户端进行联邦学习得到的;
用所述第二机器学习模型替换所述第一机器学习模型,以使所述第二机器学习模型被第二管理域中的设备使用。10.根据权利要求9所述的方法,其特征在于,在所述向联邦学习服务端发送第一机器学习模型之前,所述方法还包括:接收所述第一联邦学习服务端发送的机器学习模型需求信息;根据所述机器学习模型需求信息,确定所述第一机器学习模型。11.根据权利要求10所述的方法,其特征在于,所述机器学习模型需求信息包括机器学习模型对应的模型业务信息和/或机器学习模型训练需求。12.根据权利要求11所述的方法,其特征在于,所述训练需求包括以下至少一项:训练环境、算法类型、网络结构、训练框架、汇聚算法或安全模型。13.根据权利要求9至12任一项所述的方法,其特征在于,所述第二机器学习模型是基于第一训练框架的机器学习模型;所述方法还包括:将所述第二机器学习模型转换为第三机器学习模型;其中,所述第三机器学习模型是基于第二训练框架的机器学习模型,且所述第三机器学习模型和所述第二机器学习模型是同一模型业务信息对应的机器学习模型。14.根据权利要求9至13任一项所述的方法,其特征在于,所述方法还包括:接收所述第一联邦学习服务端发送的所述第二机器学习模型的访问权限信息。15.根据权利要求9至14任一项所述的方法,其特征在于,所述方法还包括:向第二联邦学习服务端发送第二机器学习模型,其中,所述第二联邦学习服务端归属于所述第二管理域;从所述第二联邦学习服务端接收第四机器学习模型;其中,所述第四机器学习模型为所述第二联邦学习服务端基于所述第二机器学习模型和所述第二管理域的本地网络业务数据,与所述第二管理域中的多个联邦学习客户端进行联邦学习得到的;用所述第四机器学习模型替换所述第二机器学习模型。16.一种联邦学习系统,包括:联邦学习服务端和多个联邦学习客户端,其特征在于:所述联邦学习服务端和所述多个联邦学习客户端归属于第一管理域,且所述联邦学习服务端与机器学习模型管理中心连接;所述联邦学习服务端,用于从所述机器学习模型管理中心获取第一机器学习模型,并向所述多个联邦学习客户端发送所述第一机器学习模型;所述多个联邦学习客户端中的每个联邦学习客户端,用于基于所述第一机器学习模型和各自获取的网络业务数据,进行联邦学习,得到各自的中间机器学习模型;所述联邦学习服务端,还用于获取所述多个联邦学习客户端得到的多个中间机器学习模型,并基于所述多个中间机器学习模型汇聚得到第二机器学习模型,向所述机器学习模型管理中心发送所述第二机器学习模型,以使所述第二机器学习模型被第二管理域中的设备使用。17.根据权利要求16所述的联邦学习系统,其特征在于,所述联邦学习服务端,还用于向所述多个联邦学习客户端发送所述第二机器学习模型;所述多个联邦学习客户端中的每个联邦学习客户端,还用于基于所述第二机器学习模
型执行所述第二机器学习模型对应的模型业务。18.一种网络系统,其特征在于,包括:机器学习模型管理中心、联邦学习服务端和多个联邦学习客户端;所述联邦学习服务端和所述多个联邦学习客户端归属于第一管理域,且所述联邦学习服务端与所述机器学习模型管理中心连接;所述机器学习模型管理中心,用于向所述联邦学习服务端发送第一机器学习模型;所述联邦学习服务端,用于向所述多个联邦学习客户端发送所述第一机器学习模型;所述多个联邦学习客户端中的每个联邦学习客户端,用于基于所述第一机器学习模型和各自获取的网络业务数据,进行联邦学习,得到各自的中间机器学习模型;所述联邦学习服务端,还用于获取所述多个联邦学习客户端得到的多个中间机器学习模型,并基于所述多个中间机器学习模型汇聚得到第二机器学习模型,并向所述机器学习模型管理中心发送所述第二机器学习模型,以使所述第二机器学习模型被第二管理域中的设备使用;所述机器学习模型管理...
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。