[發(fā)明專利]基于聯(lián)邦學習的量子保密通信服務畫像實現(xiàn)方法

在審

• 申請?zhí)枺?/td>: 202111089530.4
• 申請日: 2021-09-16
• 公開（公告）號: CN113872756A
• 公開（公告）日: 2021-12-31
• 發(fā)明（設計）人: 張遠旸;陳柱;陳德華;王平;夏晨臣;王旭東;李騰龍;翟學鋒
• 申請（專利權）人: 國科量子通信網(wǎng)絡有限公司
• 主分類號: H04L9/08
• 分類號: H04L9/08;H04L12/24;G06K9/62;G06N20/00
• 代理公司: 北京玄法律師事務所 16002
• 代理人: 潘滿根

1.一種基于聯(lián)邦學習的量子保密通信服務畫像實現(xiàn)方法，其特征在于，所述實現(xiàn)方法包括：

步驟S1：數(shù)據(jù)采集，得到各網(wǎng)絡節(jié)點的多維數(shù)據(jù)，數(shù)據(jù)采集包括靜態(tài)數(shù)據(jù)采集和動態(tài)數(shù)據(jù)采集；

步驟S2：根據(jù)采集到的網(wǎng)絡節(jié)點的多維數(shù)據(jù)，構建標簽體系；

步驟S3：根據(jù)各網(wǎng)絡節(jié)點的多維數(shù)據(jù)與標簽體系中標簽的對應關系，實現(xiàn)各節(jié)點的量子保密通信服務畫像。

2.根據(jù)權利要求1所述的實現(xiàn)方法，其特征在于，所述實現(xiàn)方法還包括：

步驟S4：各網(wǎng)絡節(jié)點的服務畫像評價分析。

3.根據(jù)權利要求1所述的實現(xiàn)方法，其特征在于，步驟S3包括：

步驟S31：建立各網(wǎng)絡節(jié)點的多維數(shù)據(jù)與標簽體系中標簽的對應關系；

步驟S32：各網(wǎng)絡節(jié)點利用各自網(wǎng)絡內(nèi)的所有用戶數(shù)據(jù)，使用一個用戶模型建模用戶特質(zhì)，并分成分的將模型參數(shù)發(fā)送至服務器；

步驟S33：服務器接收所有網(wǎng)絡節(jié)點發(fā)送的模型參數(shù)后，分成分的進行加權或者聚合處理，獲得全局用戶模型，并分成分的將全局模型參數(shù)分發(fā)至各網(wǎng)絡節(jié)點；

步驟S34、各網(wǎng)絡節(jié)點結合全局用戶模型的參數(shù)更新本地用戶模型的參數(shù)，并以此實現(xiàn)各節(jié)點的量子保密通信服務畫像。

4.根據(jù)權利要求3所述的實現(xiàn)方法，其特征在于，步驟S31中，對每個網(wǎng)絡節(jié)點，定義一個多維數(shù)據(jù)三元組(u，v，g)，其中，u表示用戶數(shù)據(jù)信息，v表示網(wǎng)絡數(shù)據(jù)信息，g表示業(yè)務數(shù)據(jù)信息，結合標簽體系中標簽，建立起每個網(wǎng)絡節(jié)點的多維數(shù)據(jù)三元組(u，v，g)與標簽體系中標簽的對應關。

5.根據(jù)權利要求3所述的實現(xiàn)方法，其特征在于，步驟S32包括：

a.各網(wǎng)絡節(jié)點利用各自網(wǎng)絡內(nèi)的所有用戶數(shù)據(jù)，進行獨熱編碼，獲得用戶的嵌入表示Emb_u和業(yè)務的嵌入表示Emb_v；

b.使用一個用戶模型建模用戶特質(zhì)，使用映射矩陣KM_u、KM_v處理用戶的嵌入表示Emb_u、業(yè)務的嵌入表示Emb_v，以得到用戶表征、業(yè)務表征；其中，映射矩陣KM_u、KM_v各自由一系列的向量構成，通過隨機初始化得到，大小均為K*L，K是指用戶數(shù)據(jù)中業(yè)務的屬性數(shù)目，一個屬性對應一個向量，L為自定義的緯度值；

c.將模型參數(shù)發(fā)送至服務器，其中映射矩陣KM_u與KM_v作為公開成分直接發(fā)送至服務器；所有用戶及對應業(yè)務的嵌入表示均為私有成分，通過聚類操作后，產(chǎn)生的聚類中心作為一種被保護的私有成分發(fā)送至服務器。

6.根據(jù)權利要求5所述的實現(xiàn)方法，其特征在于，步驟S33包括：

a.服務器接收所有網(wǎng)絡節(jié)點發(fā)送的模型參數(shù)，其中，服務器接收的模型參數(shù)包括公開成分與私有成分；

b.對服務器接收到的所有網(wǎng)絡節(jié)點發(fā)送的模型參數(shù)，進行加權或者聚合處理，其中對于公開成分，服務器將所有網(wǎng)絡節(jié)點中同一屬性的向量進行加權聚合，最終得到全局用戶模型的公開成分；對于私有成分，服務器通過聚類操作后，產(chǎn)生的聚類中心作為全局用戶模型的私有成分；

c.獲得全局用戶模型后，將全局模型參數(shù)分發(fā)至各網(wǎng)絡節(jié)點，其中服務器按照所有網(wǎng)絡節(jié)點發(fā)送的映射矩陣的類型以及映射矩陣中向量對應的屬性，進行向量的融合，并引用向量對應屬性的迭代次數(shù)，以及各個客戶端針對屬性的本地驗證準確性，獲得全局用戶模型，并將全局模型參數(shù)分發(fā)至各網(wǎng)絡節(jié)點。

7.根據(jù)權利要求6所述的實現(xiàn)方法，其特征在于，全局用戶模型的公開成分得到過程如下：

其中，|c|表示網(wǎng)絡節(jié)點總數(shù)，i為網(wǎng)絡節(jié)點索引；表示網(wǎng)絡節(jié)點i中針對屬性k的向量，k＝1，...，k；表示網(wǎng)絡節(jié)點i中針對屬性k的迭代次數(shù)，表示網(wǎng)絡節(jié)點i中針對屬性k的本地驗證準確性；p為閾值，當?shù)陀趐時，否則，然后根據(jù)所有網(wǎng)絡節(jié)點發(fā)送的映射矩陣KM_u與KM_v，獲得各個映射矩陣中各屬性的全局向量，由全局向量組成的兩個映射矩陣即為全局用戶模型的公開成分。