机器学习模型处理方法、装置及存储介质制造方法及图纸

本申请提供一种机器学习模型处理方法、装置及存储介质，通过UE预先根据第一网络功能实体提供的全局机器学习模型创建目标应用的本地机器学习模型，UE确定与目标应用相关的本地训练数据，并根据本地训练数据对本地机器学习模型进行训练，将训练后的本地机器学习模型的本地模型参数发送给第一网络功能实体，以由第一网络功能实体更新全局机器学习模型。可实现UE和用于提供模型的第一网络功能实体之间的联邦学习，提高UE和网络之间共享、传输和训练机器学习模型的性能，满足快速发展的通信业务与应用需求。与应用需求。与应用需求。

【技术实现步骤摘要】
机器学习模型处理方法、装置及存储介质


[0001]本申请涉及通信
，尤其涉及一种机器学习模型处理方法、装置及存储介质。

技术介绍

[0002]为了实现移动通信网络的智能化数据分析和控制，5G网络中引入了网络数据分析功能(Network Data Analytics Function，NWDAF)。NWDAF基于人工智能(Artificial Intelligence，AI)算法，通过与其它网络功能实体的交互，为其它网络功能实体提供网络数据分析服务。
[0003]NWDAF可以与其它NWDAF之间进行联邦学习，其中联邦学习是一个机器学习框架，可以有效帮助多个NWDAF在满足用户隐私保护及数据安全的要求下，进行数据使用和机器学习建模，以得到优化的机器学习(Machine Learning，ML)模型。现有的涉及NWDAF的联邦学习方法仅能够在NWDAF实体之间实现，不适用于快速发展的通信业务与应用需求。

技术实现思路

[0004]本申请提供一种机器学习模型处理方法、装置及存储介质，以实现UE和用于提供模型的第一网络功能实体之间的联邦学习。
[0005]第一方面，本申请提供一种机器学习模型处理方法，应用于用户设备UE，该方法包括：
[0006]确定与目标应用相关的本地训练数据；
[0007]根据所述本地训练数据对所述目标应用的本地机器学习模型进行训练，得到训练后的本地机器学习模型的本地模型参数，其中，所述本地机器学习模型根据第一网络功能实体训练的全局机器学习模型得到；<br/>[0008]将所述本地模型参数发送给所述第一网络功能实体，所述本地模型参数用于更新所述全局机器学习模型。
[0009]可选的，所述方法还包括：
[0010]从所述第一网络功能实体中获取更新后的全局机器学习模型的全局模型参数，所述全局模型参数用于更新训练后的本地机器学习模型；
[0011]其中，所述全局模型参数为所述第一网络功能实体利用至少一个UE发送的本地模型参数对所述全局机器学习模型进行更新得到的。
[0012]可选的，所述将所述本地模型参数发送给所述第一网络功能实体，包括：
[0013]通过应用层向应用功能AF实体发送携带所述本地模型参数的模型更新信息，以通过所述AF实体将所述模型更新信息发送给所述第一网络功能实体；或者，
[0014]通过应用层向应用功能AF实体发送携带所述本地模型参数的模型更新信息，由所述AF实体通过网络能力开放功能NEF实体将所述模型更新信息发送给所述第一网络功能实体；或者，
[0015]非接入层将携带所述本地模型参数的模型更新信息发送给接入与移动性管理功能AMF实体，以通过所述AMF实体将所述模型更新信息发送给所述第一网络功能实体。
[0016]可选的，所述模型更新信息中还包括以下任意一项或多项：UE标识、应用标识、第一网络功能实体标识，以用于所述AF实体或所述AMF实体确定所述第一网络功能实体和/或全局机器学习模型。
[0017]可选的，所述从所述第一网络功能实体中获取更新后的全局机器学习模型的全局模型参数，包括：
[0018]接收AF实体或AMF实体发送的模型更新响应，其中，所述模型更新响应中包括更新后的全局机器学习模型的全局模型参数的信息。
[0019]可选的，所述本地机器学习模型根据第一网络功能实体训练的全局机器学习模型得到，包括：
[0020]从第一网络功能实体获取全局机器学习模型的第一模型文件；
[0021]根据所述第一模型文件，创建本地机器学习模型。
[0022]可选的，所述从第一网络功能实体获取全局机器学习模型的第一模型文件，包括：
[0023]向第一网络功能实体发送携带UE标识和/或模型描述信息的模型获取信息；
[0024]基于所述模型获取信息，从所述第一网络功能实体中获取全局机器学习模型的第一模型文件的信息。
[0025]可选的，所述向第一网络功能实体发送携带UE标识和/或模型描述信息的模型获取信息，包括：
[0026]通过应用层向AF实体发送携带UE标识和/或模型描述信息的模型获取信息，以通过所述AF实体根据UE标识和/或模型描述信息将所述模型获取信息发送给所述第一网络功能实体；或者，
[0027]通过应用层向AF实体发送携带UE标识和/或模型描述信息的模型获取信息，由所述AF实体通过NEF实体根据UE标识和/或模型描述信息将所述模型获取信息发送给所述第一网络功能实体；或者，
[0028]非接入层将携带UE标识和/或模型描述信息的模型获取信息发送给AMF实体，以通过所述AMF实体根据UE标识和/或模型描述信息将所述模型获取信息发送给所述第一网络功能实体。
[0029]可选的，所述从所述第一网络功能实体中获取全局机器学习模型的第一模型文件，包括：
[0030]接收AF实体或AMF实体发送的模型获取响应，其中，所述模型获取响应中包括第一模型文件的信息，用于根据所述第一模型文件的信息获取所述第一模型文件。
[0031]可选的，所述模型描述信息包括以下至少一项：
[0032]应用标识、应用子特性标识、时间信息、地点信息、其它模型特征信息。
[0033]第二方面，本申请提供一种机器学习模型处理方法，应用于AF实体，该方法包括：
[0034]接收UE通过应用层发送的携带所述本地模型参数的模型更新信息，其中，所述本地机器学习模型为第一网络功能实体预先提供向UE的全局机器学习模型；
[0035]将所述模型更新信息发送给所述第一网络功能实体，所述本地模型参数用于更新所述全局机器学习模型。
[0036]可选的，所述方法还包括：
[0037]从所述第一网络功能实体中获取更新后的全局机器学习模型的全局模型参数的信息，所述全局模型参数用于更新训练后的本地机器学习模型；
[0038]通过应用层向所述UE发送模型更新响应，其中，所述模型更新响应中包括所述全局模型参数的信息；
[0039]其中，所述全局模型参数为所述第一网络功能实体利用至少一个UE发送的本地模型参数对所述全局机器学习模型进行更新得到的。
[0040]可选的，所述将所述模型更新信息发送给所述第一网络功能实体，包括：
[0041]若所述AF实体为可信AF实体，则直接将所述模型更新信息发送给所述第一网络功能实体；或者
[0042]若所述AF实体为不可信AF实体，则通过NEF实体将所述模型更新信息发送给所述第一网络功能实体。
[0043]可选的，所述从所述第一网络功能实体中获取更新后的全局机器学习模型的全局模型参数的信息，包括：
[0044]直接或者通过NEF实体从所述第一网络功能实体中获取更新后的全局机器学习模型的全局模型参数的信息。
[0045]可选的，所述接收UE通过应用层发送的携带所述本地模型参数的模型更新信息之前，还包括：
[0046]接收所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器学习模型处理方法，其特征在于，应用于用户设备UE，该方法包括：确定与目标应用相关的本地训练数据；根据所述本地训练数据对所述目标应用的本地机器学习模型进行训练，得到训练后的本地机器学习模型的本地模型参数，其中，所述本地机器学习模型根据第一网络功能实体训练的全局机器学习模型得到；将所述本地模型参数发送给所述第一网络功能实体，所述本地模型参数用于更新所述全局机器学习模型。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：从所述第一网络功能实体中获取更新后的全局机器学习模型的全局模型参数，所述全局模型参数用于更新训练后的本地机器学习模型；其中，所述全局模型参数为所述第一网络功能实体利用至少一个UE发送的本地模型参数对所述全局机器学习模型进行更新得到的。3.根据权利要求1或2所述的方法，其特征在于，所述将所述本地模型参数发送给所述第一网络功能实体，包括：通过应用层向应用功能AF实体发送携带所述本地模型参数的模型更新信息，以通过所述AF实体将所述模型更新信息发送给所述第一网络功能实体；或者，通过应用层向应用功能AF实体发送携带所述本地模型参数的模型更新信息，由所述AF实体通过网络能力开放功能NEF实体将所述模型更新信息发送给所述第一网络功能实体；或者，非接入层将携带所述本地模型参数的模型更新信息发送给接入与移动性管理功能AMF实体，以通过所述AMF实体将所述模型更新信息发送给所述第一网络功能实体。4.根据权利要求3所述的方法，其特征在于，所述模型更新信息中还包括以下任意一项或多项：UE标识、应用标识、第一网络功能实体标识，以用于所述AF实体或所述AMF实体确定所述第一网络功能实体和/或全局机器学习模型。5.根据权利要求3所述的方法，其特征在于，所述从所述第一网络功能实体中获取更新后的全局机器学习模型的全局模型参数，包括：接收AF实体或AMF实体发送的模型更新响应，其中，所述模型更新响应中包括更新后的全局机器学习模型的全局模型参数的信息。6.根据权利要求1所述的方法，其特征在于，所述本地机器学习模型根据第一网络功能实体训练的全局机器学习模型得到，包括：从第一网络功能实体获取全局机器学习模型的第一模型文件；根据所述第一模型文件，创建本地机器学习模型。7.根据权利要求6所述的方法，其特征在于，所述从第一网络功能实体获取全局机器学习模型的第一模型文件，包括：向第一网络功能实体发送携带UE标识和/或模型描述信息的模型获取信息；基于所述模型获取信息，从所述第一网络功能实体中获取全局机器学习模型的第一模型文件的信息。8.根据权利要求7所述的方法，其特征在于，所述向第一网络功能实体发送携带UE标识和/或模型描述信息的模型获取信息，包括：
通过应用层向AF实体发送携带UE标识和/或模型描述信息的模型获取信息，以通过所述AF实体根据UE标识和/或模型描述信息将所述模型获取信息发送给所述第一网络功能实体；或者，通过应用层向AF实体发送携带UE标识和/或模型描述信息的模型获取信息，由所述AF实体通过NEF实体根据UE标识和/或模型描述信息将所述模型获取信息发送给所述第一网络功能实体；或者，非接入层将携带UE标识和/或模型描述信息的模型获取信息发送给AMF实体，以通过所述AMF实体根据UE标识和/或模型描述信息将所述模型获取信息发送给所述第一网络功能实体。9.根据权利要求7或8所述的方法，其特征在于，所述从所述第一网络功能实体中获取全局机器学习模型的第一模型文件，包括：接收AF实体或AMF实体发送的模型获取响应，其中，所述模型获取响应中包括第一模型文件的信息，用于根据所述第一模型文件的信息获取所述第一模型文件。10.根据权利要求7或8所述的方法，其特征在于，所述模型描述信息包括以下至少一项：应用标识、应用子特性标识、时间信息、地点信息、其它模型特征信息。11.一种机器学习模型处理方法，其特征在于，应用于应用功能AF实体，该方法包括：接收UE通过应用层发送的携带所述本地模型参数的模型更新信息，其中，所述本地机器学习模型为第一网络功能实体预先提供向UE的全局机器学习模型；将所述模型更新信息发送给所述第一网络功能实体，所述本地模型参数用于更新所述全局机器学习模型。12.根据权利要求11所述的方法，其特征在于，还包括：从所述第一网络功能实体中获取更新后的全局机器学习模型的全局模型参数的信息，所述全局模型参数用于更新训练后的本地机器学习模型；通过应用层向所述UE发送模型更新响应，其中，所述模型更新响应中包括所述全局模型参数的信息；其中，所述全局模型参数为所述第一网络功能实体利用至少一个UE发送的本地模型参数对所述全局机器学习模型进行更新得到的。13.根据权利要求11所述的方法，其特征在于，所述将所述模型更新信息发送给所述第一网络功能实体，包括：若所述AF实体为可信AF实体，则直接将所述模型更新信息发送给所述第一网络功能实体；或者若所述AF实体为不可信AF实体，则通过NEF实体将所述模型更新信息发送给所述第一网络功能实体。14.根据权利要求12所述的方法，其特征在于，所述从所述第一网络功能实体中获取更新后的全局机器学习模型的全局模型参数的信息，包括：直接或者通过NEF实体从所述第一网络功能实体中获取更新后的全局机器学习模型的全局模型参数的信息。15.根据权利要求11所述的方法，其特征在于，所述接收UE通过应用层发送的携带所述
本地模型参数的模型更新信息之前，还包括：接收所述UE通过应用层发送的携带UE标识和/或模型描述信息的模...

【专利技术属性】
技术研发人员：段小嫣，
申请(专利权)人：大唐移动通信设备有限公司，
类型：发明
国别省市：