[發明專利]機器學習系統、方法及電子設備

在審

• 申請號: 202010907359.2
• 申請日: 2020-09-02
• 公開（公告）號: CN113537507A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 李偉;陳守志;蘇函晶;洪立濤
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 李昂;張穎玲

本申請提供了一種機器學習系統、方法、電子設備及計算機可讀存儲介質；涉及云計算技術領域的數據計算和數據傳輸；方法包括：接收任意兩個子計算系統之間的數據轉移請求；當檢測到數據轉移請求滿足跨系統數據轉移的安全性條件時，授權執行與數據轉移請求對應的數據轉移操作；其中，多個子計算系統用于根據所存儲的數據，執行對應的處理階段中的計算任務。通過本申請，能夠加強機器學習模型的處理流程的數據安全性。

技術領域

本申請涉及云計算技術和人工智能技術，尤其涉及一種機器學習系統、方法、電子設備及計算機可讀存儲介質。

背景技術

人工智能(Artificial Intelligence，AI)是利用數字計算機或者數字計算機控制的機器模擬、延伸和擴展人的智能，感知環境、獲取知識并使用知識獲得最佳結果的理論、方法、技術及應用系統。機器學習(Machine Learning，ML)是人工智能的一個重要分支，主要研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。

機器學習模型的生命周期(包括建模和應用)是一個多流程、靈活性較強的過程，涉及云技術的大數據處理，例如不同子流程的數據計算和數據傳輸；被劃分為多個子流程，每個子流程由對應的子系統承載。

在建模過程和應用過程中，出于各種需要經常對機器學習模型的參數及特征等數據進行調整，如果調整出錯會引發不同子系統中的安全事故，導致不同子流程中的數據丟失或破壞，影響了數據安全性。

發明內容

本申請實施例提供一種機器學習系統、方法、電子設備及計算機可讀存儲介質，能夠加強機器學習模型的處理流程的數據安全性。

本申請實施例的技術方案是這樣實現的：

本申請實施例提供一種機器學習系統，包括：

發布系統以及多個子計算系統，所述多個子計算系統彼此隔離，且對應機器學習模型的不同處理階段；其中，

所述多個子計算系統，用于根據所存儲的數據，執行對應的處理階段中的計算任務；

所述發布系統，用于接收任意兩個所述子計算系統之間的數據轉移請求；當檢測到所述數據轉移請求滿足跨系統數據轉移的安全性條件時，授權執行與所述數據轉移請求對應的數據轉移操作。

本申請實施例提供一種機器學習方法，應用于多個子計算系統，所述多個子計算系統彼此隔離，且對應機器學習模型的不同處理階段；

所述機器學習方法，包括：

接收任意兩個所述子計算系統之間的數據轉移請求；

當檢測到所述數據轉移請求滿足跨系統數據轉移的安全性條件時，授權執行與所述數據轉移請求對應的數據轉移操作；

其中，所述多個子計算系統用于根據所存儲的數據，執行對應的處理階段中的計算任務。

在上述方案中，還包括：

所述多個子計算系統，用于通過以下至少之一實現彼此隔離：

使用不同的計算資源執行各自的計算任務；使用不同的存儲資源存儲執行計算任務所需要使用的數據、以及計算任務的結果。

在上述方案中，所述多個子計算系統包括離線計算系統、近線計算系統以及在線計算系統；所述機器學習方法還包括：

所述離線計算系統根據所存儲的歷史數據，執行所述機器學習模型的離線訓練計算任務；

其中，所述離線訓練計算任務包括：基于所述歷史數據的特征統計轉換、基于特征統計轉換得到的歷史特征從所述歷史數據中抽取歷史樣本、基于所述歷史樣本訓練所述機器學習模型；