联邦学习模型自动生成系统及方法技术方案

本发明专利技术公开了联邦学习模型自动生成系统及方法，包括用户端口模块、接口互联模块、联邦平台模块、备用模型模块、模型生成模块、云端连接模块和迭代更新模块，所述用户端口模块控制连接接口互联模块，本发明专利技术，在数据传输之前对加密数据进行分割排序处理，并生成对应的特征解码数据链，数据传输后结合特征解码数据链进行排序还原，避免数据在传输的过程中发生泄露，消除了安全隐患；利用迭代更新模块结合平台数据自动优化学习模型的固有参数，无需重新上传数据进行训练，缩短了模型更迭计算的周期，提高了系统的实用性；利用备用模型模块接收数据中的样本信息，辅助生产云端数据的备用模型，满足了用户的个性化需求，提高了用户的使用体验。使用体验。使用体验。

【技术实现步骤摘要】
联邦学习模型自动生成系统及方法


[0001]本专利技术涉及联邦学习
，具体为联邦学习模型自动生成系统及方法。

技术介绍

[0002]联邦学习是一种分布式机器学习技术，在用户可以在不用想数据的情况下共同建模，生成更加准确的数据模型，在企业服务器架构中得到了管饭的使用，现有的联邦数据模型系统安全性能差，数据上传的过程中容易发生信息的泄露，存在一定管的安全隐患；同时系统模型在建立后无法进行参数优化，数据整体变化后需要重新上传学习，模型更迭计算的周期长，影响了系统的实用性；且现有的模型生成方法无法结合上传数据为用户提供由大数据训练出的备用模型，难以满足用户的个性化需求，降低了用户的使用体验；因此设计联邦学习模型自动生成系统及方法是很有必要的。

技术实现思路

[0003]本专利技术的目的在于提供联邦学习模型自动生成系统及方法，以解决上述
技术介绍
中提出的问题。
[0004]为实现上述目的，本专利技术提供如下技术方案：联邦学习模型自动生成系统，包括用户端口模块、接口互联模块、联邦平台模块、备用模型模块、模型生成模块、云端连接模块和迭代更新模块，所述用户端口模块控制连接接口互联模块，且接口互联模块控制连接联邦平台模块，联邦平台模块分别控制连接备用模型模块和模型生成模块，且备用模型模块和模型生成模块分别控制连接云端连接模块和迭代更新模块，迭代更新模块控制连接联邦平台模块。
[0005]优选的，所述用户端口模块由用户登入模块、安全验证模块、管理平台模块和端口传输模块组成，用户登入模块控制连接安全验证模块，且安全验证模块控制连接管理平台模块，管理平台模块控制连接端口传输模块。
[0006]优选的，所述接口互联模块由端口连接模块、格式转化模块、加密处理模块、分割排序模块、传输连接模块、整理还原模块和接口输出模块组成，端口连接模块控制连接格式转化模块，且格式转化模块控制连接加密处理模块。
[0007]优选的，所述加密处理模块控制连接分割排序模块，且分割排序模块控制连接传输连接模块，传输连接模块控制连接整理还原模块，且整理还原模块控制连接接口输出模块。
[0008]优选的，所述备用模型模块由指令接收模块、云端调用模块、辅助运算模块、云端模型模块和备用输出模块组成，指令接收模块控制连接云端调用模块，且云端调用模块分别控制连接辅助运算模块和云端模型模块，云端模型模块分别控制连接辅助运算模块和备用输出模块。
[0009]优选的，所述模型生成模块由数据接收模块、数据整合模块、数据划分模块、基础训练模块、深度训练模块、优化训练模块和模型输出模块组成，数据接收模块控制连接数据
整合模块，且数据整合模块控制连接数据划分模块，数据划分模块分别控制连接基础训练模块、深度训练模块和优化训练模块，且基础训练模块控制连接深度训练模块，深度训练模块控制连接优化训练模块，优化训练模块控制连接模型输出模块。
[0010]优选的，所述迭代更新模块由迭代分析模块、数据更迭模块、模型更迭模块、模型调用模块和优化输出模块组成，迭代分析模块控制连接数据更迭模块，且数据更迭模块控制连接模型更迭模块，模型更迭模块分别控制连接模型调用模块和优化输出模块。
[0011]联邦学习模型自动生成方法，包括以下步骤：步骤一，数据上传；步骤二，模型训练；步骤三，辅助训练；步骤四，参数优化；
[0012]其中上述步骤一中，客户从用户端口模块中的用户登入模块进行登录操作，并通过安全验证模块进行登录的安全验证，随后进入到管理平台模块中，随后上传需要模型所需的数据，接着端口传输模块将数据传输到接口互联模块中，并利用接口互联模块将数据传输到联邦平台模块中，其中接口互联模块的数据传输过程为：首先端口连接模块接收初始数据，随后由格式转化模块验证数据格式，并将格式转化为传输格式，接着加密处理模块对转化格式后的数据进行加密处理，然后分割排序模块对加密后的数据进行分割处理，之后对分割后的数据进行随机排序，并生成对应的特征解码数据链，随后传输连接模块将分割数据和特征解码数据链发送到整理还原模块中，由整理还原模块结合特征解码数据链对分割数据进行排序还原，还原后由接口输出模块进行数据输出；
[0013]其中上述步骤二中，联邦平台模块将接收的数据发送到模型生成模块中，并由数据接收模块进行接收，同时由数据整合模块整合所有来着联邦平台模块的数据，接着通过数据划分模块对整合数据进行划分，将数据划分为初始训练数据、深化训练数据和优化训练数据，之后分别将初始训练数据、深化训练数据和优化训练数据传输到基础训练模块、深度训练模块和优化训练模块中，接着基础训练模块结合初始训练数据进行初步训练，生成初始模型，随后深度训练模块使用深化训练数据对初始模型进行深化训练，生成深化模型，接着优化训练模块结合优化训练数据对深化模型进行优化训练，然后通过模型输出模块将优化训练模块后的学习模型发送回联邦平台模块，之后利用接口互联模块反馈到用户端口模块中；
[0014]其中上述步骤三中，联邦平台模块采集接收数据中的样本信息，并将样本信息发送到备用模型模块中，随后指令接收模块接收样本信息，并结合样本信息向云端调用模块发送调用指令，之后云端调用模块从云端连接模块调用云端中的类似数据，并通过辅助运算模块和云端模型模块分析云端数据进行训练整合，之后将生成的云端数据模型发送到备用输出模块中，接着备用输出模块将云端数据模型发送回联邦平台模块，并利用接口互联模块反馈到用户端口模块中；
[0015]其中上述步骤四中，联邦平台模块将发送到平台的数据传输到迭代更新模块中，之后迭代更新模块中的迭代分析模块结合新传数据进行更迭分析，判定数据变化后数据更迭模块对新传数据进行整合，随后将整合的新传数据发送到模型更迭模块中，同时模型调用模块调用模型生成模块中的学习模型，然后模型更迭模块通过新传数据对学习模型进行更迭训练，训练完成后通过优化输出模块优化学习模型中参数，并通过接口互联模块将优化参数发送回用户端口模块。
[0016]与现有技术相比，本专利技术的有益效果是：该联邦学习模型自动生成系统及方法，利
用分割排序模块在数据传输之前对加密后的数据进行分割处理，之后对分割后的数据进行随机排序，并生成对应的特征解码数据链，数据传输后由整理还原模块结合特征解码数据链对分割数据进行排序还原，避免数据在传输的过程中发生泄露，消除了安全隐患；利用迭代分析模块结合新传数据进行更迭分析，判定数据变化后数据更迭模块对新传数据进行整合，随后将整合的新传数据发送到模型更迭模块中，同时模型调用模块调用模型生成模块中的学习模型，然后模型更迭模块通过新传数据对学习模型进行更迭训练，自动优化学习模型的固有参数，无需重新上传数据进行训练，缩短了模型更迭计算的周期，提高了系统的实用性；利用指令接收模块接收采集接收数据中的样本信息，之后云端调用模块从云端连接模块调用云端中的类似数据，并通过辅助运算模块和云端模型模块分析云端数据进行训练整合，辅助生产云端数据的备用模型，满足了用户的个性化需求，提高了用户的使用体验。
附图说明
...

【技术保护点】

【技术特征摘要】
1.联邦学习模型自动生成系统，包括用户端口模块(1)、接口互联模块(2)、联邦平台模块(3)、备用模型模块(4)、模型生成模块(5)、云端连接模块(6)和迭代更新模块(7)，其特征在于：所述用户端口模块(1)控制连接接口互联模块(2)，且接口互联模块(2)控制连接联邦平台模块(3)，联邦平台模块(3)分别控制连接备用模型模块(4)和模型生成模块(5)，且备用模型模块(4)和模型生成模块(5)分别控制连接云端连接模块(6)和迭代更新模块(7)，迭代更新模块(7)控制连接联邦平台模块(3)。2.根据权利要求1所述的联邦学习模型自动生成系统，其特征在于：所述用户端口模块(1)由用户登入模块(11)、安全验证模块(12)、管理平台模块(13)和端口传输模块(14)组成，用户登入模块(11)控制连接安全验证模块(12)，且安全验证模块(12)控制连接管理平台模块(13)，管理平台模块(13)控制连接端口传输模块(14)。3.根据权利要求1所述的联邦学习模型自动生成系统，其特征在于：所述接口互联模块(2)由端口连接模块(21)、格式转化模块(22)、加密处理模块(23)、分割排序模块(24)、传输连接模块(25)、整理还原模块(26)和接口输出模块(27)组成，端口连接模块(21)控制连接格式转化模块(22)，且格式转化模块(22)控制连接加密处理模块(23)。4.根据权利要求3所述的联邦学习模型自动生成系统，其特征在于：所述加密处理模块(23)控制连接分割排序模块(24)，且分割排序模块(24)控制连接传输连接模块(25)，传输连接模块(25)控制连接整理还原模块(26)，且整理还原模块(26)控制连接接口输出模块(27)。5.根据权利要求1所述的联邦学习模型自动生成系统，其特征在于：所述备用模型模块(4)由指令接收模块(41)、云端调用模块(42)、辅助运算模块(43)、云端模型模块(44)和备用输出模块(45)组成，指令接收模块(41)控制连接云端调用模块(42)，且云端调用模块(42)分别控制连接辅助运算模块(43)和云端模型模块(44)，云端模型模块(44)分别控制连接辅助运算模块(43)和备用输出模块(45)。6.根据权利要求1所述的联邦学习模型自动生成系统，其特征在于：所述模型生成模块(5)由数据接收模块(51)、数据整合模块(52)、数据划分模块(53)、基础训练模块(54)、深度训练模块(55)、优化训练模块(56)和模型输出模块(57)组成，数据接收模块(51)控制连接数据整合模块(52)，且数据整合模块(52)控制连接数据划分模块(53)，数据划分模块(53)分别控制连接基础训练模块(54)、深度训练模块(55)和优化训练模块(56)，且基础训练模块(54)控制连接深度训练模块(55)，深度训练模块(55)控制连接优化训练模块(56)，优化训练模块(56)控制连接模型输出模块(57)。7.根据权利要求1所述的联邦学习模型自动生成系统，其特征在于：所述迭代更新模块(7)由迭代分析模块(71)、数据更迭模块(72)、模型更迭模块(73)、模型调用模块(74)和优化输出模块(75)组成，迭代分析模块(71)控制连接数据更迭模块(72)，且数据更迭模块(72)控制连接模型更迭模块(73)，模型更迭模块(73...

【专利技术属性】
技术研发人员：郭泉兵，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：