[發明專利]時延數據的調整方法和裝置、電子設備和存儲介質

有效

• 申請號: 202110235536.1
• 申請日: 2021-03-03
• 公開（公告）號: CN112994981B
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 蔡怡蕾;鄭悅;景艷山
• 申請（專利權）人: 上海明略人工智能（集團）有限公司
• 主分類號: H04L43/0852
• 分類號: H04L43/0852;G06K9/62
• 代理公司: 北京華夏泰和知識產權代理有限公司 11662
• 代理人: 曾軍;杜欣

本申請提供了一種時延數據的調整方法和裝置、電子設備和存儲介質，其中，該方法包括：在第一預設時間內獲取多個參與方的訓練參數所對應的多個網絡時延，其中，訓練參數為參與方訓練數據聚合模型的參數；在多個差值中存在大于第一時延閾值的第一差值的情況下，根據網絡時延確定多個參與方對應的待迭代次數，其中，多個差值中的每個差值是多個網絡時延中兩個網絡時延之間的差值；根據待迭代次數，確定多個參與方傳輸訓練參數至數據聚合模型的時延時間。通過本申請，解決了相關技術中存在的聯邦學習的數據聚合模型訓練效率較低的問題。

技術領域

本申請涉及數據處理領域，尤其涉及一種時延數據的調整方法和裝置、電子設備和存儲介質。

背景技術

人工智能的發展依賴于大量的優質數據，在企業中，除了少數大規模企業擁有大量數據外，更多的中小規模企業都存在數據量少、數據質量差等原因，不足以支撐人工智能技術的開發和實現。為了尋求更大的利益，多個公司或機構會以數據買賣或合作的方式將多方數據進行融合，從而訓練出效果更優的人工智能模型。

但是由于各項數據安全法案的提出，這些中小規模企業無法直接尋求和外界的合作，數據往往以孤島的形式分散在各個企業中，為了打破現有的數據孤島的僵局，聯邦學習技術應運而生。其中，聯邦學習技術可以通過安全手段使各方參與者在不相互泄漏數據隱私的前提下，協同訓練一個效果堪比數據聚合后訓練的模型。該方法既保障了數據隱私安全，又實現了多方共贏。

但是現有的聯邦學習技術也存在著一些問題，其中最為主要的就是數據傳輸的高時延低并發問題，即多個參與方的模型訓練時長不等，傳輸時延各異，這就會導致負責模型聚合的第三方收到某些參與方的訓練參數后，一直等待其余參與方的訓練參數，會導致聯邦學習的數據聚合模型訓練效率較低。

發明內容

本申請提供了一種時延數據的調整方法和裝置、電子設備和存儲介質，以至少解決相關技術中存在聯邦學習的數據聚合模型訓練效率較低的問題。

根據本申請實施例的一個方面，提供了一種時延數據的調整方法，包括：在第一預設時間內獲取多個參與方的訓練參數所對應的多個網絡時延，其中，所述訓練參數為所述參與方訓練數據聚合模型的參數；在多個差值中存在大于第一時延閾值的第一差值的情況下，根據所述網絡時延確定所述多個參與方對應的待迭代次數，其中，所述多個差值中的每個差值是所述多個網絡時延中兩個網絡時延之間的差值；根據所述待迭代次數，確定所述多個參與方傳輸所述訓練參數至所述數據聚合模型的時延時間。

根據本申請實施例的另一個方面，還提供了一種時延數據的調整裝置，所述裝置包括：第一獲取單元，用于在第一預設時間內獲取多個參與方的訓練參數所對應的多個網絡時延，其中，所述訓練參數為所述參與方訓練數據聚合模型的參數；第一確定單元，用于在多個差值中存在大于第一時延閾值的第一差值的情況下，根據所述網絡時延確定所述多個參與方對應的待迭代次數，其中，所述多個差值中的每個差值是所述多個網絡時延中兩個網絡時延之間的差值；第二確定單元，用于根據所述待迭代次數，確定所述多個參與方傳輸所述訓練參數至所述數據聚合模型的時延時間。

根據本申請實施例的又一個方面，還提供了一種電子設備，包括處理器、通信接口、存儲器和通信總線，其中，處理器、通信接口和存儲器通過通信總線完成相互間的通信；其中，存儲器，用于存儲計算機程序；處理器，用于通過運行所述存儲器上所存儲的所述計算機程序來執行上述任一實施例中的方法步驟。

根據本申請實施例的又一個方面，還提供了一種計算機可讀的存儲介質，該存儲介質中存儲有計算機程序，其中，該計算機程序被設置為運行時執行上述任一實施例中的方法步驟。