[发明专利]联邦学习参与者选择方法、装置、设备和存储介质

权利要求书

1.一种联邦学习参与者选择方法，其特征在于，包括：

获取多个待选择参与者，其中，所述参与者是指参与联邦学习的基站；

分别确定每个所述待选择参与者的数据质量因子，业务因子和稳定性因子；

基于多个所述待选择参与者的数据质量因子，业务因子和稳定性因子确定被选中的参与者；

所述确定所述待选择参与者的数据质量因子，业务因子和稳定性因子，包括：

基于联邦学习类型确定所述待选择参与者的数据质量因子，业务因子和稳定性因子；

所述联邦学习类型包括如下一个或多个：KPI劣化检测，小区权重优化，光模块故障预测；

在所述联邦学习类型是KPI劣化检测或光模块故障预测的情况下，基于多个所述待选择参与者的数据质量因子，业务因子和稳定性因子确定被选中的参与者，包括：

基于多个所述待选择参与者的数据质量因子，业务因子和稳定性因子确定每个待选择参与者的选取参数；

将所述选取参数进行排序，将排在前L个的所述待选择参与者确定为被选中的参与者；

在所述联邦学习类型是小区权重优化的情况下，基于联邦学习类型确定所述待选择参与者的数据质量因子，业务因子和稳定性因子，包括：

基于所述待选择参与者的QoS告警参数确定数据质量因子；

基于所述待选择参与者的经纬度确定业务因子；

基于所述待选择参与者的在服时间确定稳定性因子。

2.根据权利要求1所述的方法，其特征在于，基于多个所述待选择参与者的数据质量因子，业务因子和稳定性因子确定被选中的参与者，包括：

将数据质量因子，业务因子和稳定性因子满足最优函数取值的待选择参与者确定为被选中的参与者。

3.根据权利要求2所述的方法，其特征在于，所述最优函数为：f(data,value,available)＝

其中，n是指待选择参与者的总个数，i是第i个待选择参与者，data是数据质量因子，value是业务因子，available是稳定性因子，a是第一阈值，由各个待选择参与者的value值确定，b是第二阈值，由各个待选择参与者的data值确定，c是第三阈值，由各个待选择参与者的available值确定，Latitude是纬度值，Longitude是经度值。

4.根据权利要求1所述的方法，其特征在于，在所述联邦学习类型是KPI劣化检测的情况下，基于联邦学习类型确定所述待选择参与者的数据质量因子，业务因子和稳定性因子，包括：

基于所述待选择参与者的性能数据完整性参数确定数据质量因子；

基于所述待选择参与者的QoS告警参数确定业务因子；

基于所述待选择参与者的在服时间确定稳定性因子。

5.根据权利要求1所述的方法，其特征在于，基于多个所述待选择参与者的数据质量因子，业务因子和稳定性因子确定每个待选择参与者的选取参数，包括：

针对每个待选择的参与者，对数据质量因子，业务因子和稳定性因子分别采用线性标准化方法进行归一化处理；

将归一化处理后的数据质量因子，业务因子和稳定性因子进行第一加权处理，得到待选择参与者的选取参数。

6.根据权利要求1所述的方法，其特征在于，在所述联邦学习类型是光模块故障预测的情况下，基于联邦学习类型确定所述待选择参与者的数据质量因子，业务因子和稳定性因子，包括：

基于所述待选择参与者的性能数据完整性参数确定数据质量因子；

基于所述待选择参与者的光模块链路的质量参数确定业务因子；

基于所述待选择参与者的在服时间确定稳定性因子。

7.根据权利要求6所述的方法，其特征在于，基于多个所述待选择参与者的数据质量因子，业务因子和稳定性因子确定每个待选择参与者的选取参数，包括：

针对每个待选择的参与者，将数据质量因子，业务因子和稳定性因子进行第二加权处理，得到待选择参与者的选取参数。