[发明专利]用于安全地训练和使用模型的系统和方法

说明书

一种用于安全地训练模型的系统和方法，该方法包括：将模型的算法包括到训练模块中；以及将训练模块从供应商计算机系统传送到客户计算机系统。训练模块使用来自客户的数据在客户的计算机系统上操作，并且在客户的计算机系统上操作训练模块之后，实现经训练的训练模块。经训练的训练模块被用于初始化至少一个附加模块，该至少一个附加模块被用于对观察结果进行评分，该至少一个附加模块从客户的计算机系统被传送到供应商的计算机系统。

技术领域

本公开涉及用于机器学习的系统和方法。

背景技术

由于机器学习和相关技术在现代工业资产的设计、制造、管理和改进中的有用性，所以它目前遍及许多技术领域。机器学习算法可以帮助提供改进的产品设计和更智能的管理资产。在典型应用中，具有自适应或学习算法的资产会基于实际数据流和/或虚拟数据流来连续学习或调整其操作，以提高动态环境中的操作稳定性和效率。启用自适应算法的操作和学习的系统通常要负责处理来自测试或生产环境中各种平台的大量结构化传感器数据和非结构化传感器数据，并且得出相对于用于提高操作效率的那些资产的评分评估和预测，从而消除计划外停机时间并且降低维护成本。

默认情况下，由于这些系统的性质，所以获得对最佳模型设计(包括学习基础设施和算法)以及足够完整和多样的数据流以更充分地训练有效模型通常具有挑战性。这是因为模型设计通常为资产供应商所专有，而基础数据(underlying data)几乎总是在资产的现场生成、并且被视为对于资产的每个用户所保密和专有。同时，机器学习系统的供应商既不在资产正在操作的房屋内部，也不在任何时候专门与不少特定客户打交道，这需要将数据从客户传输到供应商、或者将模型设计从供应商传递到客户，这对于供应商和/或客户都不是个具有吸引力的提议。折衷方案是传递数据，并且在托管学习基础设施和算法(例如，云服务)的远程环境上执行训练，该远程环境与客户或供应商内部系统分离和分开。这种方案的缺点还在于供应商不会信任云保持其模型设计私有，并且客户通常不会信任云保持其数据私有和安全。双方还不会信任云网络持续可靠运行。供应商也不希望自己的训练基础设施、算法和知识产权在客户现场公开存在和运行以便访问本地数据流，并且出于同样的原因，客户也不想要存在于且可存取在远程位置中的自己的不受保护的数据训练模型。

发明内容

在一个方面中，本公开描述了一种用于使供应商使用来自客户的数据来促进训练模型的方法。该模型包含算法，并且涉及来自客户的数据的训练过程存在于训练基础设施中。该方法包括：将模型的算法包括到训练模块中；以及将训练模块从供应商计算机系统传送到客户计算机系统。训练模块使用来自客户的数据在客户的计算机系统上操作，并且在客户的计算机系统上操作训练模块之后，实现经训练的训练模块。经训练的训练模块被用于初始化至少一个附加模块，该至少一个附加模块被用于对观察结果进行评分，该至少一个附加模块从客户的计算机系统被传送到供应商的计算机系统。

在另一方面中，本公开描述了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质包括指令，该指令当由供应商计算机系统中的处理设备执行时，使得处理设备：使用该处理设备将模型构造为训练模块；与客户计算机系统通信，该客户计算机系统包含以计算机可读形式存储的客户数据；将训练模块传输到客户计算机系统，以用于基于客户数据来进行训练；以及在客户计算机系统中将训练模块转换为经训练的训练模块，并且初始化操作模块和洞察模块。

在又一方面中，本公开描述了一种系统，该系统包括：存储器，用于存储指令；处理设备，与存储器可操作地耦合以执行存储在存储器中的指令，该处理设备被配置并操作为：将模型构造为训练模块；与客户计算机系统通信，该客户计算机系统包含以计算机可读形式存储的客户数据；将训练模块传输到客户计算机系统，以用于基于客户数据来进行训练；将训练结果从经训练的训练模块提取到在客户计算机系统中的操作模块和洞察模块中；以及从客户计算机系统接收洞察模块以完成模型。

附图说明