[發明專利]一種任務處理方法、系統、設備及介質

在審

• 申請號: 202010093590.2
• 申請日: 2020-02-14
• 公開（公告）號: CN111339553A
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 周曦;姚志強
• 申請（專利權）人: 云從科技集團股份有限公司
• 主分類號: G06F21/62
• 分類號: G06F21/62;G06Q40/02
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 尹麗云

1.一種任務處理方法，其特征在于，包括有：

各個任務處理端分別獲取對應的分解后的訓練任務；

每個任務處理端基于本地訓練數據及從其他任務處理端獲取的隨機數或參數，執行所述分解后的訓練任務。

2.根據權利要求1所述的任務處理方法，其特征在于，所述各個任務處理端分別獲取對應的分解后的訓練任務之前，還包括：

任務處理平臺接收所述任務處理端傳輸的訓練任務請求后，對所述訓練任務進行分解，獲得分解后的訓練任務，并將所述分解后的訓練任務分配給對應的任務處理端。

3.根據權利要求1所述的任務處理方法，其特征在于，執行所述分解后的訓練任務之后，還包括：輸出共享模型。

4.根據權利要求1所述的任務處理方法，其特征在于，各個任務處理端分別獲取對應的分解后的訓練任務后，每個任務處理端讀取本地訓練數據；

每個任務處理端從其他任務處理端獲取隨機數或加密參數，并基于所述隨機數或加密參數，對其他任務處理端傳輸過來的加密數據進行解密，獲得解密后的數據；

通過所述本地訓練數據、所述解密后的數據，進行學習訓練。

5.根據權利要求1所述的任務處理方法，其特征在于，各個任務處理端分別獲取對應的分解后的訓練任務后，每個任務處理端讀取本地訓練數據；

每個任務處理端從其他任務處理端獲取模型訓練過程隨機數或模型訓練過程參數；

依據所述模型訓練過程隨機數或模型訓練過程參數及本地訓練數據，進行學習訓練。

6.根據權利要求1所述的任務處理方法，其特征在于，各個任務處理端分別獲取對應的分解后的訓練任務后，每個任務處理端讀取本地訓練數據；

每個任務處理端從其他任務處理端獲取訓練參數；

依據所述訓練參數及本地訓練數據，進行學習訓練。

7.根據權利要求6所述的任務處理方法，其特征在于，所述訓練參數包括：卷積神經網絡層數、卷積核大小。

8.根據權利要求1所述的任務處理方法，其特征在于，每個任務處理端從其他任務處理端獲取隨機數或參數的次數為一次或多次。

9.根據權利要求4至6任一所述的任務處理方法，其特征在于，所述學習訓練采用的學習算法包括以下至少之一：線性回歸、邏輯回歸、樹模型、深度神經網絡、圖神經網絡。

10.根據權利要求4至6任一所述的任務處理方法，其特征在于，所述訓練數據包括以下至少之一：社保數據、公積金數據、固定資產數據、流動資產數據。

11.根據權利要求10所述的任務處理方法，其特征在于，所述流動資產數據包括以下至少之一：存款數據、貸款數據。

12.根據權利要求4所述的任務處理方法，其特征在于，所述加密數據為非隱私數據。

13.一種任務處理系統，其特征在于，包括有：

獲取模塊，用于各個任務處理端分別獲取對應的分解后的訓練任務，以及用于每個任務處理端獲取本地訓練數據、從其他任務處理端獲取隨機數或參數；

執行模塊，用于執行所述分解后的訓練任務。

14.根據權利要求13所述的任務處理系統，其特征在于，所述各個任務處理端分別獲取對應的分解后的訓練任務之前，還包括：

任務處理平臺接收所述任務處理端傳輸的訓練任務請求后，對所述訓練任務進行分解，獲得分解后的訓練任務，并將所述分解后的訓練任務分配給對應的任務處理端。

15.根據權利要求13所述的任務處理系統，其特征在于，執行所述分解后的訓練任務之后，還包括：輸出共享模型。