[發明專利]基于聯邦學習的模型更新方法、信息發送方法及設備

在審

• 申請號: 202011121251.7
• 申請日: 2020-10-19
• 公開（公告）號: CN114386613A
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 于路;信倫
• 申請（專利權）人: 中國移動通信有限公司研究院;中國移動通信集團有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 許靜;胡影

1.一種基于聯邦學習的模型更新方法，應用于服務器，其特征在于，包括：

獲取至少兩個目標終端發送的第一模型參數，并獲取所述至少兩個目標終端的訓練數據的質量評估結果，所述第一模型參數是所述目標終端基于所述訓練數據對目標聯邦學習模型進行模型更新得到的更新后的模型參數；

根據所述至少兩個目標終端的訓練數據的質量評估結果，對所述第一模型參數進行加權求和，得到第二模型參數；

根據所述第二模型參數，對所述目標聯邦學習模型進行模型更新。

2.根據權利要求1所述的方法，其特征在于，所述質量評估結果是對所述訓練數據的數據量、數據完整性和數據分布均衡性中的至少之一進行評估得到。

3.根據權利要求1所述的方法，其特征在于，所述目標聯邦學習模型為腦卒中患者居家養護康復管理模型。

4.根據權利要求1所述的方法，其特征在于，所述獲取至少兩個目標終端發送的第一模型參數之前，還包括：

獲取至少兩個終端的訓練數據的質量評估結果；

根據所述至少兩個終端的訓練數據的質量評估結果，從所述終端中選擇所述目標終端。

5.根據權利要求4所述的方法，其特征在于，所述根據所述至少兩個終端的訓練數據的質量評估結果，從所述終端中選擇所述目標終端，包括：

根據所述至少兩個終端的訓練數據的質量評估結果，從所述終端中選擇第一終端；

向所述第一終端發送所述目標聯邦學習模型的初始參數；

在預設時間段內，接收所述第一終端發送的第一模型參數，所述第一模型參數是所述第一終端在接收到所述初始參數之后對所述目標聯邦學習模型進行模型更新得到的更新后的模型參數；

將在所述預設時間內接收到的所述第一模型參數對應的所述第一終端作為所述目標終端。

6.一種信息發送方法，應用于終端，其特征在于，包括：

向服務器發送第一模型參數和訓練數據的質量評估結果，以使得所述服務器根據所述質量評估結果對至少兩個所述終端發送的所述第一模型參數進行加權求和，得到第二模型參數，并根據所述第二模型參數，對目標聯邦學習模型進行模型更新；

其中，所述第一模型參數是所述終端基于所述訓練數據對所述目標聯邦學習模型進行模型更新得到的更新后的模型參數。

7.根據權利要求6所述的方法，其特征在于，所述質量評估結果是對所述訓練數據的數據量、數據完整性和數據分布均衡性中的至少之一進行評估得到。

8.根據權利要求6所述的方法，其特征在于，所述目標聯邦學習模型為腦卒中患者居家養護康復管理模型。

9.根據權利要求6所述的方法，其特征在于，所述向服務器發送第一模型參數和訓練數據的質量評估結果包括：

向所述服務器發送所述訓練數據的質量評估結果；

接收所述服務器在接收到所述訓練數據的質量評估結果后發送的所述目標聯邦學習模型的初始參數；

根據所述初始參數和所述訓練數據對所述目標聯邦學習模型進行模型更新，得到第一模型參數；

將所述第一模型參數發送至所述服務器。

10.一種服務器，其特征在于，包括：

獲取模塊，用于獲取至少兩個目標終端發送的第一模型參數，并獲取所述至少兩個目標終端的訓練數據的質量評估結果，所述第一模型參數是所述目標終端基于所述訓練數據對目標聯邦學習模型進行模型更新得到的更新后的模型參數；

加權求和模塊，用于根據所述至少兩個目標終端的訓練數據的質量評估結果，對所述第一模型參數進行加權求和，得到第二模型參數；

全局模型更新模塊，用于根據所述第二模型參數，對所述目標聯邦學習模型進行模型更新。