[發明專利]針對邊云協同的聯邦學習系統及方法

在審

• 申請號: 202110339975.7
• 申請日: 2021-03-30
• 公開（公告）號: CN113077060A
• 公開（公告）日: 2021-07-06
• 發明（設計）人: 陳益強;孫偉豪;楊曉東;于漢超;王永斌;張忠平;肖益珊
• 申請（專利權）人: 中國科學院計算技術研究所
• 主分類號: G06N20/20
• 分類號: G06N20/20;H04L9/00;H04L29/06;H04L29/08
• 代理公司: 北京泛華偉業知識產權代理有限公司 11280
• 代理人: 王勇;蘇曉麗

1.一種針對邊云協同的聯邦學習系統，包括邊緣設備和云端服務器；

所述云端服務器被配置為：向參與協同的各個邊緣設備下發初始的全局模型和密鑰，以及對從各個邊緣設備接收的模型參數進行聚合，并將聚合后的模型參數返回至各個邊緣設備；

所述邊緣設備被配置為：基于本地數據對全局模型進行訓練；根據來自云端服務器的密鑰對訓練后得到的模型參數進行加密并將加密后的模型參數上傳至云端服務器；以及采用來自云端服務器的模型參數更新其本地的全局模型。

2.根據權利要求1所述的系統，其中所述云端服務器對從各個邊緣設備接收的模型參數進行聚合包括對從各個邊緣設備接收的模型參數求平均值，以得到聚合后的模型參數。

3.根據權利要求1所述的系統，其中所述邊緣設備還被配置為將參與對全局模型進行訓練的數據數目與訓練后得到的模型參數一起上傳至云端服務器。

4.根據權利要求1所述的系統，其中所述云端服務器對從各個邊緣設備接收的模型參數進行聚合包括將從各個邊緣設備接收的數據數目作為其相應模型參數的權重，對從各個邊緣設備接收的模型參數求加權平均值，以得到聚合后的模型參數。

5.根據權利要求1-5中任一項所述的系統，其中采用同態加密算法對邊緣設備與云端服務器之間傳輸的模型參數進行加密。

6.根據權利要求1-5中任一項所述的系統，其中所述全局模型為極限學習機模型，其包括一個輸入層、一個隱藏層和一個輸出層。

7.根據權利要求6所述的系統，其中所述云端服務器向參與協同的各個邊緣設備下發初始的全局模型包括指定用于該全局模型的輸入權重、輸入偏置和隱藏層節點數，以及其中所述邊緣設備訓練后得到的模型參數為該全局模型的輸出權重。

8.一種針對邊云協同的聯邦學習方法，包括：

由云端服務器向參與協同的各邊緣設備下發初始的全局模型和密鑰；

由每個邊緣設備基于本地數據對全局模型進行訓練；

由每個邊緣設備根據來自云端服務器的密鑰對訓練后得到的模型參數進行加密并將加密后的模型參數上傳至云端服務器；

由云端服務器對從各個邊緣設備收到的模型參數進行聚合，并將聚合后的模型參數返回至各個邊緣設備；

由每個邊緣設備采用來自云端服務器的模型參數更新其本地的全局模型。

9.根據權利要求8所述的方法，其中采用同態加密算法對邊緣設備與云端服務器之間傳輸的模型參數進行加密。

10.一種計算機可讀存儲介質，其特征在于，該計算機可讀存儲介質上存儲有計算機程序，所述程序被執行時實現權利要求8-9中任一項所述的方法。