【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种联邦学习引擎对齐方法、联邦学习方法、装置及电子设备。
技术介绍
1、联邦学习本质上是一种分布式机器学习框架，它的核心思想是在多个数据源共同参与模型训练时，不需要进行原始数据流转的前提下，仅通过交互模型中间参数进行模型联合训练，原始数据可以不出本地。这种方式实现数据隐私保护和数据共享分析的平衡，即“原始数据不出域、数据可用不可见”的数据应用模式。现阶段，不同厂商依据不同的实现方式以及底层框架，研发得到了不同的联邦学习平台(即联邦学习引擎)。
2、然而，不同的联邦学习引擎之间通常不能互通并协作完成联邦学习任务。目前为实现不同参与方之间的联邦学习任务，通过改造一方的联邦学习引擎内部的组件来适配另一方，使任务协作双方的联邦学习引擎内部组件统一，按照统一的联邦学习任务流程、组件输入输出方式、组件注册与通信方式，然而这种方式需对引擎的内部组件进行改造，容易造成联邦学习的成本较大。
技术实现思路
1、本申请实施例提供一种联邦学习引擎对齐方法、联邦学习方法、装置...
【技术保护点】
1.一种联邦学习引擎对齐方法，其特征在于，应用于管理服务平台，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述向所述第二设备发送第一指示消息之前，还包括：
3.根据权利要求1所述的方法，其特征在于，所述第一信息中包括所述第一联邦学习引擎的标识以及所述第二设备的通信资源信息。
4.根据权利要求1或3所述的方法，其特征在于，所述向所述第二设备发送第一指示消息之后，还包括：
5.根据权利要求4所述的方法，其特征在于，所述接收所述第二设备发送的安装成功消息之后，包括：
6.根据权利要求1所述的方法，其特...
【技术特征摘要】
1.一种联邦学习引擎对齐方法，其特征在于，应用于管理服务平台，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述向所述第二设备发送第一指示消息之前，还包括：
3.根据权利要求1所述的方法，其特征在于，所述第一信息中包括所述第一联邦学习引擎的标识以及所述第二设备的通信资源信息。
4.根据权利要求1或3所述的方法，其特征在于，所述向所述第二设备发送第一指示消息之后，还包括：
5.根据权利要求4所述的方法，其特征在于，所述接收所述第二设备发送的安装成功消息之后，包括：
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述第二信息中包括第二联邦学习引擎的标识以及所述第二设备的通信资源信息。
8.一种联邦学习方法，其特征在于，应用于第一设备，所述方法包括：
9.根据权利要求8所述的方法，其特征在于，所述目标联邦学习引擎为所述第一联邦学习引擎，所述目标信息为所述第一信息，所述第一信息包括所述第一联邦学习引擎的标识以及所述第二设备的通信资源信息。
10.根据权利要求8所述的方法，其特征在于，所述目标联邦学习引擎为所述第二联邦学习引擎，所述目标信息为所述第二信息，...
【专利技术属性】
技术研发人员：刘琛，肖坤，
申请(专利权)人：中国移动通信有限公司研究院，
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。