[发明专利]联邦学习的执行方法、系统、客户端及电子设备

说明书

本说明书实施例提供一种联邦学习的执行方法、系统、客户端及电子设备。其中：服务端创建的目标联邦学习任务的成员对象在加入目标联邦学习任务后，将成员对象状态设置为标注状态，以对属于私有信息的样本数据进行标注，得到样本数据的分类标签。标注状态下的成员对象在完成标注后，将成员对象状态设置为就绪状态，以接收并响应服务端发送的启动目标联邦学习任务的训练指令。服务端在监控到不少于预设数量的就绪状态的成员对象时，向就绪状态下的成员对象发送训练指令。就绪状态下的成员对象在接收到训练指令后，将成员对象状态设置为执行状态，以按照安全多方计算协议，基于样本数据和对应的分类标签，执行目标联邦学习任务的训练操作。

技术领域

本文件涉及人工智能技术领域，尤其涉及一种联邦学习的执行方法、系统、客户端及电子设备。

背景技术

深度学习模型凭借机械化的预测识别能力，被越来越多的机构所重视。联邦学习能够在保护机构私有数据隐私的基础上，实现机构之间联合建模，从而解决样本数据割裂的问题。

目前联邦学习属于新兴技术，实现的门槛较高，如何低成本投入、高效率运营，是当前亟需解决的技术问题。

发明内容

本文件目的是提供一种联邦学习的执行方法、系统、客户端及电子设备，能够以较低的成本投入，实现高效率的联邦学习运营。

本说明书实施例具体是这样实现上述目的：

第一方面，提供一种联邦学习的执行方法，包括：

服务端创建的目标联邦学习任务的成员对象在加入所述目标联邦学习任务后，将成员对象状态设置为标注状态，其中，所述标注状态下的所述成员对象对属于私有信息的样本数据进行标注，以得到所述成员对象的样本数据的分类标签；

标注状态下的所述成员对象在完成所述成员对象的样本数据的标注后，将成员对象状态设置为就绪状态，其中，所述就绪状态下的所述成员对象接收并响应服务端发送的启动所述目标联邦学习任务的训练指令；

服务端在监控到不少于预设数量的处于就绪状态的成员对象时，向就绪状态下的所述成员对象发送所述训练指令；

就绪状态下的所述成员对象在接收到所述训练指令后，将成员对象状态设置为执行状态，其中，执行状态下的所述成员对象按照安全多方计算协议，基于所述成员对象的样本数据和对应的分类标签，执行所述目标联邦学习任务的训练操作。

第二方面，提供一种联邦学习的执行方法，包括：

客户端在加入服务端创建的目标联邦学习的成员对象后，将客户端状态设置为标注状态，其中，标注状态下的客户端对属于私有信息的样本数据进行标注，以得到所述客户端的样本数据的分类标签；

标注状态下的所述成员对象在完成所述成员对象的样本数据的标注后，将成员对象状态设置为就绪状态，其中，所述就绪状态下的所述成员对象接收并响应服务端发送的启动所述目标联邦学习任务的训练指令；

服务端在监控到不少于预设数量的处于就绪状态的成员对象时，向就绪状态下的所述成员对象发送所述训练指令；

就绪状态下的所述成员对象在接收到所述训练指令后，将成员对象状态设置为执行状态，其中，执行状态下的所述成员对象按照安全多方计算协议，基于所述成员对象的样本数据和对应的分类标签，执行所述目标联邦学习任务的训练操作。

第三方面，提供一种联邦学习系统，包括：服务端和至少一个加入所述服务端创建的目标联邦学习任务的成员对象；其中，

服务端创建的目标联邦学习任务的成员对象在加入所述目标联邦学习任务后，将成员对象状态设置为标注状态，其中，所述标注状态下的所述成员对象对属于私有信息的样本数据进行标注，以得到所述成员对象的样本数据的分类标签；