【技术实现步骤摘要】
联邦学习方法、装置和存储介质
[0001]本专利技术涉及无线通信领域，尤其涉及一种联邦学习方法、装置和存储介质。
技术介绍
[0002]传统的以云端为中心的机器学习方法中，从移动设备收集到的数据，比如文本、音频、视频等数据资源需要全部上传到云端，由云端的数据中心对数据进行训练。为了保证数据拥有方的隐私安全，联邦学习应运而生。联邦学习(FL，Federated Learning)是一种新兴的人工智能基础技术，其目标是在保证各参与方数据安全、保护个人隐私数据的前提下，在多参与方或多计算结点之间开展机器学习。目前，联邦学习技术已经实现一些应用和落地。
[0003]联邦学习允许智能终端利用本地数据对模型进行训练，训练结束后，智能终端不需要向云端发送涉及设备隐私的敏感数据，而只需上传更新后的模型，联邦学习的中心服务器再对收集到的模型数据进行聚合。但是，联邦学习过程中包含了大量数据传输的过程，从云端中心服务器直接与处于网络边缘的智能终端进行多次的交互，而各智能终端的通信能力各不相同，不可避免的会产生传输时延，影响联邦学习的整体性...
【技术保护点】
【技术特征摘要】
1.一种联邦学习方法，其特征在于，应用于边缘节点；所述方法包括：接收联邦学习平台发送的联邦学习任务，将所述联邦学习任务发送给终端；接收所述终端通过边缘网络发送的模型信息。2.根据权利要求1所述的方法，其特征在于，所述边缘节点包括：边缘应用、边缘计算平台；所述联邦学习任务，包括：执行任务的时长限制；所述方法还包括：边缘应用根据所述执行任务的时长限制和执行任务所需的传输数据量，确定所述第一带宽；获取第二带宽，根据所述第一带宽和所述第二带宽的差值；其中，所述第一带宽表征执行所述联邦学习任务所需的带宽；所述第二带宽表征所述终端实际具有的带宽；确定所述差值满足预设条件，向所述边缘计算平台发送所述带宽定制请求；所述带宽定制请求用于请求为所述终端分配执行联邦学习任务所需的带宽能力；所述边缘计算平台根据所述带宽定制请求调控所述终端的上下行带宽；所述带宽定制请求包括以下至少之一：终端的身份信息、终端的网际互连协议IP地址信息、执行所述联邦学习任务所需的带宽的参数、联邦学习任务的信息。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：所述边缘应用确定联邦学习任务结束，向所述边缘计算平台发送带宽恢复请求；所述带宽恢复请求用于将终端的带宽恢复为原状态；所述边缘计算平台执行所述带宽恢复请求并发送恢复反馈。4.根据权利要求1所述的方法，其特征在于，所述接收所述终端通过边缘网络发送的模型信息，包括：接收至少一个终端发送的第四模型信息；所述第四模型信息包括：终端经过训练得到的模型的参数；所述方法还包括：根据至少一个第四模型信息进行聚合更新，得到第五模型信息；所述第五模型信息包括：聚合更新后的模型的参数；将所述第五模型信息发送到至少一个终端；所述第五模型信息由各终端接收后对终端本地的模型进行更新和训练，得到第六模型信息；再次接收至少一个终端发送的第六模型信息，并根据至少一个第六模型信息进行聚合更新，得到新的模型信息，将得到的新的模型信息发送到至少一个终端，由终端再次进行更新和训练，如此反复更新和训练，直至得到满足收敛要求的第一模型信息；所述第一模型信息用于发送给终端和/或联邦学习平台。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：相应于所述联邦学习任务与多个边缘应用相关，接收第二模型信息；所述第二模型信息，包括：所述联邦学习平台将多个边缘应用的第一模型信息进行聚合更新后得到的模型的参数；根据所述第二模型信息进行更新和训练，得到第三模型信息并发送给联邦学习平台；所述第三模型信息，用于由所述联邦学习平台接收后再次进行聚合更新，得到新的模型信
息并发送给每个边缘应用，如此反复更新和训练，直至得到满足收敛要求的目标模型信息。6.一种联邦学习方法，其特征在于，应用于终端；所述方法包括：接收边缘应用发送的联邦学习任务；执行所述联邦学习任务，得到模型训练后的第四模型信息；所述第四模型信息包括：终端经过训练得到的模型的参数；将所述第四模型信息发送至所述边缘应用。7.根据权利要求6所述的方法，其特征在于，所述联邦学习任务包括以下至少之一：待训练的模型、训练所需数据特征及标签、训练时间信息；所述执行所述联邦学习任务，包括：根据所述联邦学习任务中所述训练所需数据特征及标签，收集所需数据；按照所述联邦学习任务的的训练时间信息，根据收集的数据及标签、和所述待训练的模型执行模型训练，得到训练后的第四模型信息。8...
【专利技术属性】
技术研发人员：王钰，耿慧拯，李春梅，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：
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。