[發明專利]一種基于圖計算的聯邦學習方法和系統

在審

• 申請號: 202210073741.7
• 申請日: 2022-01-21
• 公開（公告）號: CN114444659A
• 公開（公告）日: 2022-05-06
• 發明（設計）人: 陳細平;陳衛強;姚家渭
• 申請（專利權）人: 杭州半云科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06N20/00;G06F21/60
• 代理公司: 杭州山泰專利代理事務所(普通合伙) 33438
• 代理人: 周玲

1.一種基于圖計算的聯邦學習系統，其特征在于，包括模型構建模塊、模型運行模塊和模型評估模塊，所述模型運行模塊包括圖神經網絡組件、機器學習組件和連接組件，所述模型運行模塊包括模型參數配置單元、模型運行單元和模型運行結果及日志查看單元，所述模型評估模塊包括模型下載單元和模型預測單元；

所述模型構建模塊通過組合圖神經網絡組件和機器學習組件組成子模型；

所述模型運行模塊對子模型進行參數配置，并對參數配置完成的子模型進行運行，運行成功后生成聯合模型，以dag圖的形式運行；

所述模型評估模塊對聯合模型進行評估和預測，查看模型的準確率，并導出聯合模型。

2.根據權利要求1所述的一種基于圖計算的聯邦學習系統，其特征在于，還包括端對端緩存器、數據存儲器和顯示模塊，所述端對端緩存器用于協調不同服務節點的處理相關數據，所述數據存儲器用于存放端節點運行的數據和日志，所述顯示模塊用于顯示與聯合模型運行后相關節點數據和節點日志。

3.根據權利要求1所述的一種基于圖計算的聯邦學習系統，其特征在于，所述連接組件用來連接圖神經網絡組件和機器學習組件，以構建得到完整的子模型。

4.根據權利要求1所述的一種基于圖計算的聯邦學習系統，其特征在于，所述模型參數配置單元聯合發起方和協助方的數據對子模型進行參數配置，并通過模型運行單元對配置完成的子模型進行運行，運行成功后生成聯合模型，通過模型運行結果及日志查看單元查看各組件的結果和日志。

5.根據權利要求1所述的一種基于圖計算的聯邦學習系統，其特征在于，所述模型預測單元對聯合模型進行評估和預測，查看模型的準確率，通過模型下載單元導出聯合模型。

6.一種基于圖計算的聯邦學習方法，其特征在于，包括以下步驟：

S1、本地數據集準備：根據發起方、協助方的不同權限對數據集進行配置和選用，發起方在配置聯合模型時，選擇發起方本地節點的數據集以及協助方向外提供的數據集；

S2、聯邦學習建模：在模型構建模塊內，通過在畫布中拖拽機器學習組件和圖神經網絡組件組合成子模型，對不同組件的參數進行配置；

S3、子模型運行訓練和聯合模型的生成：在模型運行模塊內，通過非對稱加密方式將發起方、協助方的數據集經過加密后，再對子模型進行訓練，發起方聯合所有參與方的子模型和數據生成聯合模型，發起方和各協助方的節點互相物理隔離，數據之間的通信會通過一個各方信任的可信節點進行；

S4、聯合模型評估和導出：在模型評估模塊內，對已經訓練好的聯合模型進行評估和預測，查看模型的準確率，并導出聯合模型。

7.根據權利要求6所述的一種基于圖計算的聯邦學習方法，其特征在于，在步驟S3中，子模型運行訓練采用迭代訓練的方式，即直到loss達到預期或者訓練次數達到設置的最大值時完成子模型的訓練，發起方和協助方在本地通過對應圖神經網絡得出權重更新模型后一起發送到可信節點進行聚合、加密和解密操作，然后發起方和協助方通過和可信節點之間的通信權重傳遞和更新，重復上述迭代直至收斂或者達到最大迭代次數。