一种基于联邦学习的计算系统、方法、终端及存储介质技术方案

本发明专利技术涉及人工智能技术领域，具体涉及基于联邦学习的计算系统、方法、终端及存储介质，系统包括：发起终端、至少一个参与终端和中心节点；发起终端通过中心节点与至少一个参与终端连接，发起终端与参与终端达成邀约关系，在达成邀约关系后，对发起终端与参与终端存储的样本数据进行联合训练得到联合训练联邦学习模型，发起终端基于得到的联合训练联邦学习模型对发起终端需要预测的样本数据进行预测得到预测结果，本发明专利技术通过发起终端与参考终端达成邀约关系，通过邀约关系的确定，确定各方数据的使用许可，使得训练过程更加清晰，样本数据的使用更加规范。据的使用更加规范。据的使用更加规范。

【技术实现步骤摘要】
一种基于联邦学习的计算系统、方法、终端及存储介质


[0001]本专利技术涉及人工智能
，具体涉及基于联邦学习的计算系统、方法、终端及存储介质。

技术介绍

[0002]随着新型电力系统建设逐步推进，电力及相关社会企业，各部门、各地区之间的数据要素共享交换更为频繁，数据安全流动、开放、协作、共享已经成为深挖数据价值必不可少的方式。基于联邦学习对电力数据与外部数据进行计算，并根据计算结果，可使得电网业务自身赋能升级、提质增效。
[0003]联邦学习（Federated Learning，FL）在电网中得到广泛应用，联邦学习本质是分布式机器学习，通过中间加密数据的交互来完成多方联合的机器学习训练。联邦学习是以一个中央服务器为中心节点，中央服务器生成通用模型供各参与方下载，各参与方利用本地数据训练模型，将训练后的模型更新内容上传。中央服务器聚合更新内容后，优化初始通用模型，各参与方继续下载更新的通用模型训练迭代，上述过程不断重复直至达到既定标准。
[0004]整个联邦学习过程中，虽然各参与方的数据始终保存在本地服务器，降低了数据泄露的风险，但是联邦学习的过程中存在训练过程不清晰，样本数据使用不规范的问题。

技术实现思路

[0005]本专利技术的目的是提供一种基于联邦学习的计算系统、方法、终端及存储介质，有助于提高训练过程的清晰性和样本数据使用的规范性。
[0006]本专利技术所提供的具体技术方案如下：一种基于联邦学习的计算系统，包括：发起终端、至少一个参与终端和中心节点；发起终端通过中心节点与至少一个参与终端连接，发起终端与参与终端达成邀约关系，在达成邀约关系后，对发起终端与参与终端存储的样本数据进行联合训练得到联合训练联邦学习模型，发起终端基于得到的联合训练联邦学习模型对发起终端需要预测的样本数据进行预测得到预测结果。
[0007]进一步地，所述中心节点包括注册发现模块和邀约管理模块；所述注册发现模块用于基于获取到发起终端和参与终端的基本信息以及发起终端和参与终端存储的样本数据，接收发起终端和参与终端的注册；所述邀约管理模块用于对发起终端发起的邀约转发至参与终端，达成邀约关系。
[0008]另一专利技术，本专利技术提供了一种基于联邦学习的计算方法，包括：S1、发起终端从多个存储不同训练样本数据的参与终端中选择存储有所需训练样本数据的参与终端作为目标终端；S2、发起终端向中心节点发起训练邀约，中心节点向目标终端转发训练邀约，使发起终端与目标终端达成邀约关系，其中，训练邀约包括训练期限、所选择的目标终端以及所
需的训练样本数据；S3、基于达成的邀约关系，发起终端和目标终端在所述训练期限内，使用发起终端与参与终端存储的训练样本数据进行联合训练得到联合训练联邦学习模型；S4、发起终端基于得到的联合训练联邦学习模型对预测样本数据进行预测，并生成预测结果。
[0009]进一步地，所述步骤S2包括：发起终端向中心节点发送训练邀约；中心节点对训练邀约进行分析，以在训练期限内，向目标终端发送邀约请求；目标终端针对邀约请求向中心节点作出邀约反馈；中心节点基于邀约反馈，生成目标终端的邀约状态，其中，邀约状态包括接受邀约和不接受邀约；发起终端获取目标终端的邀约状态，并判断目标终端的邀约状态是否均为接受邀约，若是，则发起终端与目标终端达成邀约关系；若否，则发起终端与各目标终端无法达成邀约关系。
[0010]进一步地，所述步骤S3还包括：选择训练邀约和算法并设置参数；启动训练实例，并对训练实例的训练过程进行数据采集，生成训练结果；基于训练结果，得到联合训练联邦学习模型和训练评估数据。
[0011]进一步地，所述步骤S4包括：发起终端选择所生成的联合训练联邦学习模型以及所需预测的样本数据，并向目标终端发起预测邀约；目标终端对接收到的预测邀请进行处理，并作出预测邀请反馈，其中，预测邀请反馈包括接受邀约和不接受邀约；若目标终端均接受邀约，则发起终端上传预测样本并基于所选择的联合训练联邦学习模型对所需预测的样本数据进行预测，并收集预测结果；若目标终端中任一目标终端不接受邀约，则结束预测。
[0012]另一方面，本专利技术提供了一种基于联邦学习的计算终端，包括：样本库管理模块、模型库管理模块、算法库管理模块、预测任务管理模块、训练管理模块和邀约管理模块；样本库管理模块用于存储和管理各专业、各类型样本数据，为训练环境提供标准训练样本数据，并用于对训练样本数据进行统一存储、管理、更新、维护与共享；算法库管理模块用于提供内置算法应用和算法自定义；邀约模块用于发起和处理邀约；训练任务管理模块用于基于选择的算法，启动训练实例，并对训练实例的训练过程进行数据采集，生成训练结果；模型库管理模块用于基于训练结果，得到联合训练联邦学习模型和训练评估数据并进行存储；预测任务管理模块用于基于得到的联合训练联邦学习模型对所需预测的样本数据进行预测，得到预测结果。
[0013]进一步地，邀约管理模块还用于解耦获取到的样本数据描述信息。
[0014]进一步地，所述终端还包括运行看板模块；所述运行看板模块通过代码复用的形式集成FATE框架任务看板，以对训练与预测的实时进度与历史数据进行展示。
[0015]又另一方面，本专利技术提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令执行时实现以上所述的基于联邦学习的计算方法。
[0016]本专利技术的有益效果在于：本专利技术通过发起终端与参考终端达成邀约关系，通过邀约关系的确定，确定各方数据的使用许可，使得训练过程更加清晰，样本数据的使用更加规范。
[0017]其次，中心节点的注册发现功能，对样本数据进行统一维护与管理，邀约时不需要对每个参与方的样本数据进行单独请求，只需要在中心节点获取即可，起到解耦的作用。
[0018]此外，本专利技术设计原理可靠，结构简单，具有非常广泛的应用前景。
附图说明
[0019]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0020]图1示出了本专利技术一个实施例的基于联邦学习的计算系统的原理图框图示意图。
[0021]图2示出了本专利技术一个实施例的发起终端的原理框图示意图。
[0022]图3示出了本专利技术一个实例的中心节点的原理框图示意图。
[0023]图4示出了本专利技术一个实施例的基于联邦学习的计算方法的流程图。
具体实施方式
[0024]为了使本
的人员更好地理解本专利技术中的技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于联邦学习的计算系统，其特征在于，包括：发起终端、至少一个参与终端和中心节点；发起终端通过中心节点与至少一个参与终端连接，发起终端与参与终端达成邀约关系，在达成邀约关系后，对发起终端与参与终端存储的训练样本数据进行联合训练得到联合训练联邦学习模型，发起终端基于得到的联合训练联邦学习模型对发起终端需要预测的样本数据进行预测得到预测结果。2.根据权利要求1所述的基于联邦学习的计算系统，其特征在于，所述中心节点包括注册发现模块和邀约管理模块；所述注册发现模块用于基于获取到发起终端和参与终端的基本信息以及发起终端和参与终端存储的样本数据，接收发起终端和参与终端的注册；所述邀约管理模块用于对发起终端发起的邀约转发至参与终端，达成邀约关系。3.一种基于联邦学习的计算方法，其特征在于，包括以下步骤：S1、发起终端从多个存储不同训练样本数据的参与终端中选择存储有所需训练样本数据的参与终端作为目标终端；S2、发起终端向中心节点发起训练邀约，中心节点向目标终端转发训练邀约，使发起终端与目标终端达成邀约关系，其中，训练邀约包括训练期限、所选择的目标终端以及所需的训练样本数据；S3、基于达成的邀约关系，发起终端和目标终端在所述训练期限内，使用发起终端与参与终端存储的训练样本数据进行联合训练得到联合训练联邦学习模型；S4、发起终端基于得到的联合训练联邦学习模型对预测样本数据进行预测，并生成预测结果。4.根据权利要求3所述的基于联邦学习的计算方法，其特征在于，所述步骤S2包括：发起终端向中心节点发送训练邀约；中心节点对训练邀约进行分析，以在训练期限内，向目标终端发送邀约请求；目标终端针对邀约请求向中心节点作出邀约反馈；中心节点基于邀约反馈，生成目标终端的邀约状态，其中，邀约状态包括接受邀约和不接受邀约；发起终端获取目标终端的邀约状态，并判断目标终端的邀约状态是否均为接受邀约，若是，则发起终端与目标终端达成邀约关系；若否，则发起终端与各目标终端无法达成邀约关系。5.根据权利要求3所述的基于联邦学习的计算方法，其特征在于，...

【专利技术属性】
技术研发人员：闫廷廷，付成花，高紫婷，闫晨阳，张文娟，
申请(专利权)人：国网信息通信产业集团有限公司，
类型：发明
国别省市：