【技术实现步骤摘要】
本专利技术属于数据任务处理，涉及一种扩展安全聚合加速服务的运行时多任务管理方法和系统。
技术介绍
1、联邦学习(fl)是一种多设备协作训练全局模型的隐私保护训练技术。在每一轮训练中，中心服务器利用联邦平均或其衍生算法，通过聚合来自大量客户端的本地模型更新来更新全局模型权重(即模型参数)，然后将更新后的全局模型分发回这些客户端进行下一轮训练。模型更新的大小通常从兆字节到吉字节不等，而客户端可能有数百个，因此训练过程通常会产生巨大的通信开销，并极大地影响训练的持续时间。
2、可编程交换机的出现使传统网络设备能够提供更高水平的灵活性和定制性。众多研究主张在网络边缘部署可编程交换机，以实现网络的自主性和自适应性，最终提升边缘网络的业务性能。当多个客户端的流量汇聚到同一个交换机时，交换机可以主动进行聚合，并将聚合后的流量转发到下游，从而减少流量和通信延迟，这种方法称为网内聚合(in-network aggregation)。此外，交换机可以对接收到的报文立即进行聚合，并且只临时存储部分聚合后的结果，从而实现无状态的聚合，基于此已有研究...
【技术保护点】
1.一种扩展安全聚合加速服务的运行时多任务管理方法，其特征在于，包括步骤：
2.根据权利要求1所述的扩展安全聚合加速服务的运行时多任务管理方法，其特征在于，利用三阶段验证的启发式算法进行聚合交换机的路由计算，未能确定满足约束条件的路由时，所述运行时多任务管理方法还包括步骤：
3.根据权利要求1或2所述的扩展安全聚合加速服务的运行时多任务管理方法，其特征在于，还包括步骤：
4.一种扩展安全聚合加速服务的运行时多任务管理系统，其特征在于，包括：
5.根据权利要求4所述的扩展安全聚合加速服务的运行时多任务管理系统，其特征在于，...
【技术特征摘要】
1.一种扩展安全聚合加速服务的运行时多任务管理方法，其特征在于，包括步骤：
2.根据权利要求1所述的扩展安全聚合加速服务的运行时多任务管理方法，其特征在于，利用三阶段验证的启发式算法进行聚合交换机的路由计算，未能确定满足约束条件的路由时，所述运行时多任务管理方法还包括步骤：
3.根据权利要求1或2所述的扩展安全聚合加速服务的运行时多任务管理方法，其特征在于，还包括步骤：
4.一种扩展安全聚合加速服务的运行时多任务管理系统，其特征在于，包括：
5.根据权利要求4所述的扩展安全聚合加速服务的运行时多任务管理系统，其特征在于，还包括路由重计算模块，用于利用三阶段验证的启发式算法更新最短...
【专利技术属性】
技术研发人员：程葛瑶，夏俊旭，徐振兴，王坤，周书林，李良昊，王振义，米海波，刘凤增，
申请(专利权)人：中国人民解放军国防科技大学，
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。