一种数据处理方法、设备以及计算机可读存储介质技术

本申请实施例公开一种数据处理方法、设备以及计算机可读存储介质，其中，方法包括：获取N个目标信息链；N个目标信息链均包括子模型参数；N个子模型参数是由N个用户节点分别提供的；对N个子模型参数分别进行模型决策质量评估，确定目标子模型参数；对目标子模型参数进行聚合处理，得到中心模型参数，对中心模型参数进行模型决策质量评估，得到目标质量评估结果；根据中心模型参数以及目标质量评估结果生成目标区块，将目标区块分别广播至N个用户节点，以使每个用户节点对目标区块进行合法性验证，当验证的结果指示目标区块为合法区块时，获取任务决策模型。采用本申请，不仅可以节省数据处理的时间成本，还可以提高任务决策模型的决策精度。的决策精度。的决策精度。

【技术实现步骤摘要】
一种数据处理方法、设备以及计算机可读存储介质


[0001]本申请涉及互联网
，尤其涉及一种数据处理方法、设备以及计算机可读存储介质。

技术介绍

[0002]近年来，各种物联网(Internet of Things，IoT)设备的普及，为人们的生活带来了极大的便利，但由于移动设备的运算能力有限，对运算密集型程序，如人脸识别、增强现实等，其处理速度往往很难满足用户日常需求。为防止移动设备由于运行大量运算，产生高延迟与高电量消耗，移动设备在日常运行中往往需要依赖于云服务器协助进行计算，例如，将本地任务卸载到云服务器运行，从而减少等待时间并延长电池使用寿命。
[0003]相对于传统的云计算，边缘环境下的边缘计算是一种新型的计算范例，它利用物联网设备附近的计算资源(包括边缘服务器以及云服务器)，及时地为用户提供服务。在边缘环境下，实现任务卸载的第一步是确定目标计算资源，即运行移动设备所卸载的任务的计算资源。
[0004]当前确定目标计算资源的任务卸载决策方案可以为基于深度学习的智能任务卸载决策算法，该类算法可以促进任务卸载决策的生成本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：获取N个目标信息链；N为正整数；所述N个目标信息链均包括子模型参数；N个子模型参数是由N个用户节点分别提供的；对N个子模型参数分别进行模型决策质量评估，将质量评估结果满足模型共识条件的子模型参数确定为目标子模型参数；所述目标子模型参数的总数量小于或等于N；对所述目标子模型参数进行聚合处理，得到中心模型参数，对所述中心模型参数进行模型决策质量评估，得到目标质量评估结果；根据所述中心模型参数以及所述目标质量评估结果生成目标区块，在所述目标区块通过区块链共识时，将所述目标区块分别广播至所述N个用户节点，以使每个用户节点分别根据所述目标质量评估结果，对所述目标区块进行合法性验证，当合法性验证的结果指示所述目标区块为合法区块时，获取包含所述中心模型参数的任务决策模型；所述任务决策模型用于决策执行任务的节点。2.根据权利要求1所述的方法，其特征在于，所述N个子模型参数包括子模型参数D
i
，i为正整数，且i小于或等于N；所述对N个子模型参数分别进行模型决策质量评估，包括：获取模拟任务，获取包含所述子模型参数D
i
的任务决策子模型M
i
；将所述模拟任务输入至所述任务决策子模型M
i
，获取所述任务决策子模型M
i
输出的针对所述模拟任务的任务决策节点；根据所述任务决策节点以及所述模拟任务，获取任务决策损失，获取任务环境信息；根据所述任务决策损失以及所述任务环境信息，对所述子模型参数D
i
进行模型决策质量评估，得到所述子模型参数D
i
对应的质量评估结果。3.根据权利要求2所述的方法，其特征在于，所述任务决策损失包括任务决策延误损失以及任务决策能耗损失；所述任务环境信息包括任务信息以及环境信息；所述任务信息用于表征所述模拟任务的基础信息；所述环境信息用于表征所述任务决策节点的基础信息；所述根据所述任务决策损失以及所述任务环境信息，对所述子模型参数D
i
进行模型决策质量评估，包括：对所述任务决策延误损失进行归一化处理，得到单位化后的任务决策延误损失；对所述任务决策能耗损失进行归一化处理，得到单位化后的任务决策能耗损失；对所述单位化后的任务决策延误损失以及所述单位化后的任务决策能耗损失进行加权求和处理，得到单位化后的任务决策损失；对所述任务信息进行归一化处理，得到单位化后的任务信息；对所述环境信息进行归一化处理，得到单位化后的环境信息；对所述单位化后的任务信息以及所述单位化后的环境信息进行求和处理，得到单位化后的任务环境信息；根据所述单位化后的任务决策损失以及所述单位化后的任务环境信息，对所述子模型参数D
i
进行模型决策质量评估。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取N个质量评估结果，将所述N个质量评估结果分别与质量评估结果阈值进行对比，得到N个对比结果；所述N个对比结果包括对比结果G
j
，j为正整数且j小于或等于N；所述对
比结果G
j
包括第一对比结果或第二对比结果；所述第一对比结果用于表征，所述对比结果G
j
对应的质量评估结果小于所述质量评估结果阈值；所述第二对比结果用于表征，所述对比结果G
j
对应的质量评估结果等于或大于所述质量评估结果阈值；若所述对比结果G
j
为所述第二对比结果，则确定所述对比结果G
j
对应的质量评估结果满足所述模型共识条件；若所述对比结果G
j
为所述第一对比结果，则确定所述对比结果G
j
对应的质量评估结果不满足所述模型共识条件，删除质量评估结果不满足所述模型共识条件的子模型参数。5.根据权利要求1所述的方法，其特征在于，所述目标子模型参数包括A个目标子模型参数，A为正整数且A小于或等于N；所述对所述目标子模型参数进行聚合处理，得到中心模型参数，包括：获取所述A个目标子模型参数分别对应的训练样本子数量，对A个训练样本子数量进行求和，得到训练样本总数量；所述A个目标子模型参数包括目标子模型参数Z
t
，所述A个训练样本子数量包括所述目标子模型参数Z
t
对应的训练样本子数量Y
t
；t为正整数且t小于或等于A；获取所述目标子模型参数Z
t
以及所述训练样本子数量Y
t
的运算子结果；对所述A个目标子模型参数分别对应的运算子结果进行求和，得到运算总结果，根据所述运算总结果以及所述训练样本总数量，确定所述中心模型参数。6.根据权利要求1所述的方法，其特征在于，所述根据所述中心模型参数以及所述目标质量评估结果生成目标区块，包括：获取所述中心模型参数对应的迭代次数，根据所述迭代次数、所述中心模型参数以及所述目标质量评估结果生成所述目标区块；获取所述目标区块的第一数字摘要，根据私钥对所述第一数字摘要进行加密，得到第一数字签名；将所述第一数字签名添加至所述目标区块中；所述第一数字签名用于指示所述N个用户节点对所述目标区块进行来源合法验签。7.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取C个待验证信息链；C为正整数且C大于或等于N；所述C个...

【专利技术属性】
技术研发人员：吴华明，曲冠锦，
申请(专利权)人：天津大学，
类型：发明
国别省市：