[发明专利]横向联邦学习方法、装置、设备及计算机存储介质

权利要求书

1.一种横向联邦学习方法，其特征在于，所述横向联邦学习方法包括如下步骤：

社区协调者获取中央协调者发送的全局模型参数，并将所述全局模型参数发送至与所述社区协调者对应的各参与者；

所述社区协调者获取各所述参与者发送的基于所述全局模型参数进行模型训练得到的模型参数更新，对各所述模型参数更新进行融合以获取社区模型参数更新，并确定是否需要将所述社区模型参数更新发送至所述中央协调者；

若是，则将所述社区模型参数更新发送至所述中央协调者，获取所述中央协调者基于所述社区模型参数更新返回的全局模型参数更新，并将所述全局模型参数更新发送至各所述参与者，以便各所述参与者基于所述全局模型参数更新进行模型训练。

2.如权利要求1所述的横向联邦学习方法，其特征在于，所述确定是否需要将所述社区模型参数更新发送至所述中央协调者的步骤之后，包括：

若否，则将所述社区模型参数更新发送至各所述参与者，并获取各所述参与者发送的新模型参数更新；

对各所述新模型参数更新进行融合，以获取融合后的新社区模型参数更新，并将所述新社区模型参数更新发送至所述中央协调者；

获取所述中央协调者基于所述新社区模型参数更新返回的新全局模型参数更新，并将所述新全局模型参数更新发送至各所述参与者，以便各所述参与者基于所述新全局模型参数更新进行模型训练。

3.如权利要求2所述的横向联邦学习方法，其特征在于，所述将所述新社区模型参数更新发送至所述中央协调者的步骤，包括：

获取所述社区协调者对应的预设要求，并判断所述社区协调者获取到的总的社区模型参数更新的次数是否符合预设要求，其中，所述总的社区模型参数更新包括所述社区模型参数更新和所述新社区模型参数更新；

若符合，则将所述新社区模型参数更新发送至所述中央协调者。

4.如权利要求3所述的横向联邦学习方法，其特征在于，所述判断所述社区协调者获取到的总的社区模型参数更新的次数是否符合预设要求的步骤之后，包括：

若不符合，则将所述新社区模型参数更新发送至各所述参与者，以便各所述参与者基于所述新社区模型参数更新进行模型训练。

5.如权利要求1所述的横向联邦学习方法，其特征在于，所述获取所述中央协调者基于所述社区模型参数更新返回的全局模型参数更新，将所述全局模型参数更新发送至各所述参与者的步骤，包括：

确定在预设时间段内是否接收到所述中央协调者返回的全局模型参数更新，其中，所述中央协调者对所述社区模型参数更新进行融合，以获得所述全局模型参数更新；

若在预设时间段内接收到所述全局模型参数更新，则将所述全局模型参数更新发送至各所述参与者。

6.如权利要求5所述的横向联邦学习方法，其特征在于，所述确定在预设时间段内是否接收到所述中央协调者返回的全局模型参数更新的步骤之后，包括：

若在预设时间段内未接收到所述全局模型参数更新，则将所述社区模型参数更新发送至各所述参与者，以便各所述参与者基于所述社区模型参数更新进行模型训练。

7.如权利要求1所述的横向联邦学习方法，其特征在于，所述社区协调者获取中央协调者发送的全局模型参数，并将所述全局模型参数发送至与所述社区协调者对应的各参与者的步骤，包括：

在社区协调者中获取中央协调者基于预设的第一加密方式进行加密的全局模型参数，并对所述全局模型参数进行解密；

基于预设的第二加密方式对已解密的全局模型参数进行加密，并将按照所述第二加密方式进行加密的全局模型参数发送到与所述社区协调者对应的各参与者，其中，所述第一加密方式和所述第二加密方式不相同。