[發明專利]用于聯邦學習的處理器、異構處理系統及隱私數據傳輸方法

有效

• 申請號: 202010664237.5
• 申請日: 2020-07-10
• 公開（公告）號: CN112000598B
• 公開（公告）日: 2022-06-21
• 發明（設計）人: 王亞玲;王瑋;胡水海
• 申請（專利權）人: 深圳致星科技有限公司
• 主分類號: G06F13/28
• 分類號: G06F13/28;G06F13/42;G06N20/00
• 代理公司: 深圳市力道知識產權代理事務所(普通合伙) 44507
• 代理人: 何姣

本說明書的實施例提供一種異構處理系統。該異構處理系統適用于聯邦學習場景。該異構處理系統包括主處理設備及從處理設備，主處理設備和從處理設備包括PCIe高速接口模塊，PCIe高速接口模塊包括DMA控制器。主處理設備和從處理設備之間通過PCIe高速接口的DMA方式來傳輸任務處理源數據，通過DMA或PIO方式傳輸任務配置數據。該異構處理系統通過PCIe高速接口模塊的DMA控制器為主處理設備與從處理設備開辟了一條直接傳送數據的通路，無需主處理設備過多干預傳送操作，減少了主處理設備進行中斷處理的次數，同時減少主處理設備的工作負擔，具有快速傳輸大量數據的能力，很好地滿足了聯邦學習中數據傳輸實時性和高速性的要求。

技術領域

本說明書實施例通常涉及隱私計算領域，尤其涉及處理器、異構處理系統及隱私數據傳輸方法。

背景技術

聯邦學習(Federated Learning)是一種基于同態加密的分布式機器學習技術，參與各方在不披露明文數據的前提下共建模型。實現各參與方的自有數據不出本地，而是通過加密機制下的參數交換，即在不違反數據隱私法規的情況下，建立一個虛擬的共有模型，保護用戶隱私及數據安全。同態加密涉及對高位寬、大整數的數學計算，加之聯邦學習訓練中產生的海量數據，對數據傳輸系統造成了巨大的壓力，極大地提高了對數據傳輸帶寬的需求。

發明內容

鑒于上述內容，本說明書的實施例提供處理器、異構處理系統及隱私數據傳輸方法。利用該處理器、異構處理系統及數據傳輸方法，可以實現高效的隱私數據傳輸。

根據本說明書的實施例的一個方面，提供一種第一處理器，包括：第一高速接口模塊，所述第一高速接口模塊包括第一DMA控制器，將所述第一高速接口模塊配置為通過DMA方式從外部處理設備接收任務處理源數據，通過DMA方式或PIO方式從外部處理設備接收任務配置數據，以及通過DMA方式向外部處理設備發送任務處理結果數據；讀/寫控制模塊，被配置為控制從存儲器中的數據的讀/寫操作，讀取從存儲器中的任務處理源數據分配給計算模塊，并將所述計算模塊處理得到的計算處理結果數據存儲到所述從存儲器中；計算模塊，根據預定的加密算法對接收到的任務處理源數據進行任務計算處理，得到任務處理結果數據。

可選地，在上述方面的一個示例中，所述第一處理器還包括寄存器，所述任務配置數據存儲到所述寄存器中，所述第一DMA控制器包括：存儲訪問模塊，所述存儲訪問模塊包括上行模塊和下行模塊，所述上行模塊用于對接收到的任務處理源數據和任務配置數據進行處理，所述下行模塊用于對接收到的任務處理結果數據進行處理；接收引擎，通過所述接收引擎將第一高速接口模塊收到的所述任務處理源數據和/或所述任務配置數據發送給所述存儲訪問模塊；發送引擎，通過所述發送引擎將所述存儲訪問模塊中接收到的所述任務處理結果數據發送給所述第一高速接口模塊。

可選地，在上述方面的一個示例中，所述第一高速接口模塊還包括中斷控制器，當所述計算模塊完成預定的計算任務時，所述中斷控制器向所述外部處理設備發送中斷消息。

可選地，在上述方面的一個示例中，所述上行模塊包括上行控制單元和上行數據處理單元，所述上行控制單元對所述任務配置數據進行處理，所述上行數據處理單元對所述任務處理源數據進行處理，所述下行模塊包括下行控制單元和下行數據處理單元，所述下行控制單元對所述中斷控制器進行控制，所述下行數據處理單元對所述任務處理結果數據進行處理。

可選地，在上述方面的一個示例中，所述第一處理器包括FPGA、GPU、ASIC中的至少一種。

可選地，在上述方面的一個示例中，所述計算模塊采用并行計算架構，所述并行計算架構包括由多個處理單元組成的分層結構，各個處理單元是具備獨立任務處理能力的最小處理單元。

根據本說明書的實施例的另一方面，提供一種處理設備，包括如上所述的第一處理器；以及存儲器，與所述第一處理器可通信地連接，被配置為存儲從外部處理設備接收的任務處理源數據和發送給所述外部處理設備的任務處理結果數據。