【技术实现步骤摘要】
本申请涉及通信领域，尤其涉及信息传输方法及通信装置。
技术介绍
1、通信网络中的功能网元可以利用人工智能(artificial intelligence，ai)技术和通信网络中的大数据，通过模型训练和推理，输出分析数据，以辅助通信网络策略制定和网络资源调整。对于功能网元获取数据集，通信网络各域之间可能会因数据隐私保护，导致功能网元无法获取所需数据，进而会导致模型训练不可行或精度较低。
2、为此，可以使用分布式联合建模的方式进行模型训练，打破数据孤岛。例如，多个功能网元(或称为参与方)之间通过纵向联邦学习(vertical federated learning，vfl)，可以在不共享原始数据的基础上联合建模，实现ai协作。
3、目前，vfl要求各个参与方之间的数据集具有相同的样本空间(或称为样本标识集合)，进而在模型训练过程开始之前，各个参与方之间进行样本对齐，以确定共同的样本标识。然而，具体如何进行样本对齐，以提高样本对齐的效率和成功率，还有待研究。
技术实现思路
...
【技术保护点】
1.一种信息传输方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述样本对齐需求包括以下至少一项：第三样本对齐类型、第三样本对齐算法、或者用于样本对齐的第三时间段。
5.根据权利要求2-4中任一项所述的方法，其特征在于，所述第二网元的信息还包括以下至少一项：第四样本对齐类型、第四样本对齐算法、或者支持样本对齐的第四时间段。
6.根据权利要求2-5中任一项所述的方法...
【技术特征摘要】
1.一种信息传输方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述样本对齐需求包括以下至少一项：第三样本对齐类型、第三样本对齐算法、或者用于样本对齐的第三时间段。
5.根据权利要求2-4中任一项所述的方法，其特征在于，所述第二网元的信息还包括以下至少一项：第四样本对齐类型、第四样本对齐算法、或者支持样本对齐的第四时间段。
6.根据权利要求2-5中任一项所述的方法，其特征在于，所述方法还包括：
7.根据权利要求2-6中任一项所述的方法，其特征在于，所述至少一个第一样本对齐算法为所述第一网元与所述第二网元共同支持的算法。
8.根据权利要求1-7中任一项所述的方法，其特征在于，所述第一信息还用于指示以下至少一项：所述第一网元支持用于样本对齐的样本个数、所述第一网元支持的第一样本对齐类型、或者所述第一网元支持样本对齐的至少一个第一时间段。
9.根据权利要求8所述的方法，其特征在于，所述至少一个第一样本对齐算法与所述至少一个第一时间段关联。
10.根据权利要求1-9中任一项所述的方法，其特征在于，所述第一响应还用于指示所述第二网元支持用于样本对齐的样本个数，和/或，所述第二网元支持样本对齐的第二时间段；
11.根据权利要求1-10中任一项所述的方法，其特征在于，所述方法还包括：
12.根据权利要求11所述的方法，其特征在于，所述方法还包括：
13.根据权利要求11或12所述的方法，其特征在于，所述第一消息还用于指示用于样本对齐的目标时间段。
14.根据权利要求1-13中任一项所述的方法，其特征在于，所述方法还包括：
15.根据权利要求14所述的方法，其特征在于，所述第三消息还用于指示不执行样本对齐的原因。
16.一种信息传输方法，其特征在于，所述方法包括：
17.根据权利要求16所述的方法，其特征在于，所述第一指示信息用于指示提供用于纵向联邦学习模型训练的样本标识，包括：所述第一指示信息用于指示提供用于所述纵向联邦学习模型训练的数据集对应的样本标识，所述第一样本标识为来自所述第二网元的用于所述纵向联邦学习模型训练的数据集对应的样本标识。
18.根据权利要求16或17所述的方法，其特征在于，所述第二网元为参与所述...
【专利技术属性】
技术研发人员：封召，胡力，张志芹，王远，
申请(专利权)人：华为技术有限公司，
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。