基于异步分组联邦学习的数据保护方法、装置及系统制造方法及图纸

本申请提供一种基于异步分组联邦学习的数据保护方法、装置及系统，该方法包括：将初始全局模型参数和初始扰动参数发送给物联网终端，以使物联网终端基于初始全局模型参数获取局部模型参数，基于局部模型参数和初始扰动参数生成扰动模型参数；从多个物联网终端获取多个扰动模型参数，基于多个扰动模型参数和每个扰动模型参数对应的权重系数确定目标全局模型参数；若目标全局模型参数未收敛，获取新的初始扰动参数，将目标全局模型参数确定为初始全局模型参数，将初始全局模型参数和初始扰动参数发送给物联网终端；若目标全局模型参数已收敛，将目标全局模型参数确定为已训练参数。通过本申请方案，避免数据安全隐患，保证数据安全，节省带宽资源。节省带宽资源。节省带宽资源。

【技术实现步骤摘要】
基于异步分组联邦学习的数据保护方法、装置及系统


[0001]本申请涉及数据处理
，尤其是涉及一种基于异步分组联邦学习的数据保护方法、装置及系统。

技术介绍

[0002]机器学习是实现人工智能的一种途径，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习用于研究计算机如何模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习更加注重算法设计，使计算机能够自动地从数据中学习规律，并利用规律对未知数据进行预测。机器学习已经有了十分广泛的应用，如深度学习、数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、语音识别和手写识别等。
[0003]为了采用机器学习实现人工智能处理，需要获取大量样本数据（如图像数据，即具有标签数据的图像），并基于这些样本数据训练出机器学习模型（如具有目标检测功能、目标分类功能的机器学习模型），并将机器学习模型部署到物联网终端，以使物联网终端基于机器学习模型实现人工智能处理。
[0004]由于物联网终本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于异步分组联邦学习的数据保护方法，其特征在于，应用于物联网系统中的服务器，物联网系统还包括多个物联网终端，所述方法包括：获取初始全局模型参数和初始扰动参数，将初始全局模型参数和初始扰动参数发送给物联网终端，以使物联网终端基于所述初始全局模型参数获取局部模型参数，基于所述局部模型参数和所述初始扰动参数生成扰动模型参数；从多个物联网终端获取多个扰动模型参数，并基于所述多个扰动模型参数和每个扰动模型参数对应的权重系数确定目标全局模型参数；若目标全局模型参数未收敛，则获取新的初始扰动参数，并将目标全局模型参数确定为初始全局模型参数，返回执行将初始全局模型参数和初始扰动参数发送给物联网终端的操作；若目标全局模型参数已收敛，则将目标全局模型参数确定为已训练参数，所述已训练参数用于对数据进行处理。2.根据权利要求1所述的方法，其特征在于，所述基于所述多个扰动模型参数和每个扰动模型参数对应的权重系数确定目标全局模型参数之前，还包括：基于验证数据集确定每个扰动模型参数对应的预测准确率，基于每个扰动模型参数对应的预测准确率将所述多个扰动模型参数划分为至少两个参数组；基于所述参数组为每个扰动模型参数配置权重系数；其中，同一参数组内的扰动模型参数对应相同的权重系数，不同参数组内的扰动模型参数对应不同的权重系数，且预测准确率越大的参数组对应的权重系数越大。3.根据权利要求1所述的方法，其特征在于，若所述目标全局模型参数未收敛，所述获取新的初始扰动参数，包括：基于所述目标全局模型参数对应的预测准确率和所述初始全局模型参数对应的预测准确率，确定所述初始扰动参数对应的参数调整值；基于所述初始扰动参数和所述参数调整值生成新的初始扰动参数。4.根据权利要求1所述的方法，其特征在于，所述获取新的初始扰动参数，并将目标全局模型参数确定为初始全局模型参数，返回执行将初始全局模型参数和初始扰动参数发送给物联网终端的操作，包括：若目标全局模型参数对应的预测准确率大于初始全局模型参数对应的预测准确率，且目标全局模型参数对应的预测准确率小于预设阈值，则获取新的初始扰动参数，并将目标全局模型参数确定为初始全局模型参数，并返回执行将初始全局模型参数和初始扰动参数发送给物联网终端的操作。5.根据权利要求4所述的方法，其特征在于，所述基于所述多个扰动模型参数和每个扰动模型参数对应的权重系数确定目标全局模型参数之后，若目标全局模型参数未收敛，所述方法还包括：若所述目标全局模型参数对应的预测准确率大于所述初始全局模型参数对应的预测准确率，且所述目标全局模型参数对应的预测准确率不小于所述预设阈值，则将所述目标全局模型参数确定为初始全局模型参数，将初始全局模型参数发送给物联网终端，以使物联网终端基于所述初始全局模型参数获取局部模型参数，将所述局部模型参数确定为扰动模型参数；若所述目标全局模型参数对应的预测准确率不大于所述初始全局模型参数对应的预
测准确率，则获取新的初始扰动参数，保持初始全局模型参数不变，并返回执行将初始全局模型参数和初始扰动参数发送给物联网终端的操作。6.根据权利要求1所述的方法，其特征在于，针对每个物联网终端，从所述物联网终端获取扰动模型参数，包括：接收所述物联网终端发送的推送消息，所述推送消息是所述物联网终端在生成扰动模型参数之后发送，且所述推送消息包括扰动模型参数；或者，向所述物联网终端发送请求消息，若接收到所述物联网终端返回的响应消息，则从所述响应消息中解析出所述物联网终端生成的扰动模型参数；若未接收到所述物联网终端返回的响应消息，则在间隔预设时长之后，继续向所述物联网终端发送请求消息，直到接收到所述物联网终端返回的响应消息。7.根据权利要求1所述的方法，其特征在于，针对每个物联网终端，将初始全局模型参数和初始扰动参数发送给所述物联网终端，包括：在接收到所述物联网终端发送的请求消息之后，向所述物联网终端发送响应消息，所述...

【专利技术属性】
技术研发人员：周少鹏，王滨，朱伟康，王旭，毕志城，张峰，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：