【技术实现步骤摘要】
本专利技术涉及联邦学习，具体而言，涉及一种多节点的动态联邦学习算法的评估方法及系统。
技术介绍
1、联邦学习算法允许有多个节点，各节点串行或并行的进行对应的计算，并交互信息，以得到联邦学习结果。现有的联邦学习方案是各节点采用同一种密码学算法，由于各节点的数据量、计算能力、网络能力有差异，在进行某个计算并交互时，可能有些节点计算快，有些节点计算慢，这样系统需要等待所有节点计算完成后汇总结果，降低了总体的计算效率。
2、针对现有技术中各节点采用同一种密码学算法，有些节点计算快，有些节点计算慢，系统需要等待所有节点计算完成后汇总结果，降低了总体的计算效率的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本专利技术实施例中提供一种基于多节点的动态联邦学习算法的评估方法及系统，以解决现有技术中各节点采用同一种密码学算法，有些节点计算快，有些节点计算慢，系统需要等待所有节点计算完成后汇总结果，降低了总体的计算效率的问题。
2、为达到上述目的，一方面，本专利技术提供了一种基于多节点的动态联邦学习算法的评估方法，该方法包括：s1、上一次迭代完成后，记录每个节点在上一次迭代的每次计算和交互时间；并根据迭代变量判断上一次迭代的收敛情况；当不收敛时，进入步骤s2；当收敛时，停止迭代，输出目标评估结果；s2、根据所述每个节点在上一次迭代的每次计算和交互时间计算每个节点在上一次迭代或前n次迭代的平均时间；并根据平均时间判断是否使平均时间最长的节点采用第二密码学算法，使平均时间最
3、可选的，所述根据平均时间判断是否使平均时间最长的节点采用第二密码学算法，使平均时间最短的节点采用第一密码学算法包括：若平均时间最长的节点在上一次迭代中的密码学算法为第一密码学算法，当判定平均时间最长的节点的平均时间与平均时间最短的节点的平均时间的比值大于或等于第一预设阈值，且至少有两个节点在上一次迭代中的密码学算法为第一密码学算法时，将平均时间最长的节点的密码学算法替换为第二密码学算法；若平均时间最短的节点在上一次迭代中的密码学算法为第二密码学算法，预估平均时间最短的节点采用第一密码学算法的平均时间；当判定平均时间最短的节点的预估平均时间与平均时间最长的节点的平均时间的比值小于或等于第二预设阈值时，将平均时间最短的节点的密码学算法替换为第一密码学算法。
4、可选的，所述第一密码学算法的计算速度大于所述第二密码学算法；所述第一密码学算法的安全性高于所述第二密码学算法。
5、可选的，所述根据迭代变量判断上一次迭代的收敛情况，包括：当迭代变量的绝对值或连续若干次迭代的差小于或等于第三预设阈值时，判定上一次迭代为收敛；当迭代变量的绝对值或连续若干次迭代的差大于所述第三预设阈值时，判定上一次迭代为不收敛。
6、可选的，所述迭代变量包括：权重、梯度、预测结果、或迭代次数。
7、另一方面，本专利技术提供了一种基于多节点的动态联邦学习算法的评估系统，该系统包括：判断单元，用于上一次迭代完成后，记录每个节点在上一次迭代的每次计算和交互时间；并根据迭代变量判断上一次迭代的收敛情况；当不收敛时，进入计算和算法替换单元；当收敛时，停止迭代，输出目标评估结果；计算和算法替换单元，用于根据所述每个节点在上一次迭代的每次计算和交互时间计算每个节点在上一次迭代或前n次迭代的平均时间；并根据平均时间判断是否使平均时间最长的节点采用第二密码学算法，使平均时间最短的节点采用第一密码学算法，对联邦学习模型进行计算和当前次迭代；迭代替换单元，用于将当前次迭代作为上一次迭代，返回判断单元。
8、可选的，所述算法替换单元还用于：第一算法替换单元，用于若平均时间最长的节点在上一次迭代中的密码学算法为第一密码学算法，当判定平均时间最长的节点的平均时间与平均时间最短的节点的平均时间的比值大于或等于第一预设阈值，且至少有两个节点在上一次迭代中的密码学算法为第一密码学算法时，将平均时间最长的节点的密码学算法替换为第二密码学算法；第二算法替换单元，用于若平均时间最短的节点在上一次迭代中的密码学算法为第二密码学算法，预估平均时间最短的节点采用第一密码学算法的平均时间；当判定平均时间最短的节点的预估平均时间与平均时间最长的节点的平均时间的比值小于或等于第二预设阈值时，将平均时间最短的节点的密码学算法替换为第一密码学算法。
9、可选的，所述第一密码学算法的计算速度大于所述第二密码学算法；所述第一密码学算法的安全性高于所述第二密码学算法。
10、可选的，所述判断单元还用于：当迭代变量的绝对值或连续若干次迭代的差小于或等于第三预设阈值时，判定上一次迭代为收敛；当迭代变量的绝对值或连续若干次迭代的差大于所述第三预设阈值时，判定上一次迭代为不收敛。
11、可选的，所述迭代变量包括：权重、梯度、预测结果、或迭代次数。
12、本专利技术的有益效果：
13、本专利技术提供了一种基于多节点的动态联邦学习算法的评估方法及系统，其中，该方法包括：s1、上一次迭代完成后，记录每个节点在上一次迭代的每次计算和交互时间；并根据迭代变量判断上一次迭代的收敛情况；当不收敛时，进入步骤s2；当收敛时，停止迭代，输出目标评估结果；s2、根据所述每个节点在上一次迭代的每次计算和交互时间计算每个节点在上一次迭代或前n次迭代的平均时间；并根据平均时间判断是否使平均时间最长的节点采用第二密码学算法，使平均时间最短的节点采用第一密码学算法，对联邦学习模型进行计算和当前次迭代；s3，将当前次迭代作为为上一次迭代，返回s1。该方法使平均时间最长的节点采用安全性弱但计算快的第二密码学算法，使平均时间最短的节点采用安全性高但计算慢的第一密码学算法，使所有节点的计算效率尽量匹配，同时完成联邦学习，这样提升了总体的计算效率，并且保证数据安全性。
本文档来自技高网...【技术保护点】
1.一种基于多节点的动态联邦学习算法的评估方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据平均时间判断是否使平均时间最长的节点采用第二密码学算法，使平均时间最短的节点采用第一密码学算法包括：
3.根据权利要求2所述的方法，其特征在于：
4.根据权利要求1所述的方法，其特征在于，所述根据迭代变量判断上一次迭代的收敛情况，包括：
5.根据权利要求4所述的方法，其特征在于，所述迭代变量包括：
6.一种基于多节点的动态联邦学习算法的评估系统，其特征在于，包括：
7.根据权利要求6所述的系统，其特征在于，所述算法替换单元还用于：
8.根据权利要求7所述的系统，其特征在于：
9.根据权利要求6所述的系统，其特征在于，所述判断单元还用于：
10.根据权利要求9所述的系统，其特征在于，所述迭代变量包括：
【技术特征摘要】
1.一种基于多节点的动态联邦学习算法的评估方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据平均时间判断是否使平均时间最长的节点采用第二密码学算法，使平均时间最短的节点采用第一密码学算法包括：
3.根据权利要求2所述的方法，其特征在于：
4.根据权利要求1所述的方法，其特征在于，所述根据迭代变量判断上一次迭代的收敛情况，包括：
5.根据权利...
【专利技术属性】
技术研发人员：赵骁飞，兰春嘉，
申请(专利权)人：上海零数众合信息科技有限公司，
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。