[發明專利]用于安全地訓練和使用模型的系統和方法

在審

• 申請號: 202010346364.0
• 申請日: 2020-04-27
• 公開（公告）號: CN111859776A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: A·庫馳里亞;K·E·哈珀
• 申請（專利權）人: ABB瑞士股份有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/08;G06N20/00
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 李輝

一種用于安全地訓練模型的系統和方法，該方法包括：將模型的算法包括到訓練模塊中；以及將訓練模塊從供應商計算機系統傳送到客戶計算機系統。訓練模塊使用來自客戶的數據在客戶的計算機系統上操作，并且在客戶的計算機系統上操作訓練模塊之后，實現經訓練的訓練模塊。經訓練的訓練模塊被用于初始化至少一個附加模塊，該至少一個附加模塊被用于對觀察結果進行評分，該至少一個附加模塊從客戶的計算機系統被傳送到供應商的計算機系統。

技術領域

本公開涉及用于機器學習的系統和方法。

背景技術

由于機器學習和相關技術在現代工業資產的設計、制造、管理和改進中的有用性，所以它目前遍及許多技術領域。機器學習算法可以幫助提供改進的產品設計和更智能的管理資產。在典型應用中，具有自適應或學習算法的資產會基于實際數據流和/或虛擬數據流來連續學習或調整其操作，以提高動態環境中的操作穩定性和效率。啟用自適應算法的操作和學習的系統通常要負責處理來自測試或生產環境中各種平臺的大量結構化傳感器數據和非結構化傳感器數據，并且得出相對于用于提高操作效率的那些資產的評分評估和預測，從而消除計劃外停機時間并且降低維護成本。

默認情況下，由于這些系統的性質，所以獲得對最佳模型設計(包括學習基礎設施和算法)以及足夠完整和多樣的數據流以更充分地訓練有效模型通常具有挑戰性。這是因為模型設計通常為資產供應商所專有，而基礎數據(underlying data)幾乎總是在資產的現場生成、并且被視為對于資產的每個用戶所保密和專有。同時，機器學習系統的供應商既不在資產正在操作的房屋內部，也不在任何時候專門與不少特定客戶打交道，這需要將數據從客戶傳輸到供應商、或者將模型設計從供應商傳遞到客戶，這對于供應商和/或客戶都不是個具有吸引力的提議。折衷方案是傳遞數據，并且在托管學習基礎設施和算法(例如，云服務)的遠程環境上執行訓練，該遠程環境與客戶或供應商內部系統分離和分開。這種方案的缺點還在于供應商不會信任云保持其模型設計私有，并且客戶通常不會信任云保持其數據私有和安全。雙方還不會信任云網絡持續可靠運行。供應商也不希望自己的訓練基礎設施、算法和知識產權在客戶現場公開存在和運行以便訪問本地數據流，并且出于同樣的原因，客戶也不想要存在于且可存取在遠程位置中的自己的不受保護的數據訓練模型。

發明內容

在一個方面中，本公開描述了一種用于使供應商使用來自客戶的數據來促進訓練模型的方法。該模型包含算法，并且涉及來自客戶的數據的訓練過程存在于訓練基礎設施中。該方法包括：將模型的算法包括到訓練模塊中；以及將訓練模塊從供應商計算機系統傳送到客戶計算機系統。訓練模塊使用來自客戶的數據在客戶的計算機系統上操作，并且在客戶的計算機系統上操作訓練模塊之后，實現經訓練的訓練模塊。經訓練的訓練模塊被用于初始化至少一個附加模塊，該至少一個附加模塊被用于對觀察結果進行評分，該至少一個附加模塊從客戶的計算機系統被傳送到供應商的計算機系統。

在另一方面中，本公開描述了一種非暫態計算機可讀存儲介質，非暫態計算機可讀存儲介質包括指令，該指令當由供應商計算機系統中的處理設備執行時，使得處理設備：使用該處理設備將模型構造為訓練模塊；與客戶計算機系統通信，該客戶計算機系統包含以計算機可讀形式存儲的客戶數據；將訓練模塊傳輸到客戶計算機系統，以用于基于客戶數據來進行訓練；以及在客戶計算機系統中將訓練模塊轉換為經訓練的訓練模塊，并且初始化操作模塊和洞察模塊。

在又一方面中，本公開描述了一種系統，該系統包括：存儲器，用于存儲指令；處理設備，與存儲器可操作地耦合以執行存儲在存儲器中的指令，該處理設備被配置并操作為：將模型構造為訓練模塊；與客戶計算機系統通信，該客戶計算機系統包含以計算機可讀形式存儲的客戶數據；將訓練模塊傳輸到客戶計算機系統，以用于基于客戶數據來進行訓練；將訓練結果從經訓練的訓練模塊提取到在客戶計算機系統中的操作模塊和洞察模塊中；以及從客戶計算機系統接收洞察模塊以完成模型。

附圖說明