[发明专利]基于联邦学习的建模方法及装置、设备、存储介质

说明书

本申请公开了一种基于联邦学习的建模方法及装置、设备、存储介质，该方法利用已完成的第一联邦学习任务中算法组件的输出数据或输出模型，直接用于第二联邦学习任务，以获得建模结果，而不必为了获得建模结果，在第二联邦学习任务中再次执行第一联邦学习任务。从而可以在执行第二联邦学习任务时，减少任务执行的工作量和时间，解决现有的联邦学习建模效率低的技术问题，提高联邦学习建模效率，节约资源消耗。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种基于联邦学习的建模方法及装置、设备、存储介质。

背景技术

联邦学习是一种共享的机器学习模式，它可以解决数据孤岛的问题，通过多方协作，获得共享的机器学习模型。由于其在模型训练过程中需要进行多方交互，例如，模型训练过程中参与各方要进行中间加密结果的交互，并且在同等运行环境下，随着模型迭代次数的增加和模型复杂度的增加，模型训练时长需要更多，因此，联邦学习较普通机器学习运行时长更长。

在实际建模生产应用中，任务复用经常遇到，而现有任务复用通常做法是将该任务的配置信息复用到新的任务中，或在此基础上修改和调整配置。虽然减少了任务配置的麻烦，但新任务同样需要重新启动运行，导致建模效率低。

上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。

发明内容

本申请的主要目的在于提供一种基于联邦学习的建模方法及装置、设备、存储介质，旨在解决现有的联邦学习建模效率低的技术问题。

为实现上述目的，本申请提供一种基于联邦学习的建模方法，所述方法包括：

获取第一联邦学习任务的任务输出，所述第一联邦学习任务为已完成的联邦学习任务；

利用所述任务输出，执行第二联邦学习任务，以获得建模结果；其中，所述任务输出为所述第一联邦学习任务中算法组件的输出数据或输出模型。

可选地，若所述任务输出为所述第一联邦学习任务中算法组件的输出数据；

所述利用所述任务输出，执行第二联邦学习任务，以获得建模结果的步骤，包括：

利用所述输出数据，执行第二联邦学习任务，以获得建模结果。

可选地，所述利用所述输出数据，执行第二联邦学习任务，以获得建模结果的步骤，包括：

将所述输出数据输入待训练模型，以获得联邦学习模型。

可选地，所述算法组件为数据处理组件和/或特征工程组件；所述利用所述输出数据，执行第二联邦学习任务，以获得建模结果的步骤，包括：

将所述输出数据分别输入不同参数配置的同一种类的联邦学习模型，以获得多个联邦学习结果。

可选地，所述联邦学习模型包括第一纵向联邦逻辑回归模型和第二纵向联邦逻辑回归模型，所述第一纵向联邦逻辑回归模型和所述第二纵向联邦逻辑回归模型具有不同的参数配置；

所述将所述输出数据分别输入不同参数配置的同一种类的联邦学习模型，以获得多个联邦学习结果的步骤，包括：

将所述输出数据分别输入所述第一纵向联邦逻辑回归模型和所述第二纵向联邦逻辑回归模型，以获得所述第一纵向联邦逻辑回归模型输出的第一联邦学习结果和所述第二纵向联邦逻辑回归模型输出的第二联邦学习结果。

可选地，所述利用所述输出数据，执行第二联邦学习任务，以获得建模结果的步骤，还包括：

将所述输出数据分别输入不同种类的联邦学习模型，以获得多个联邦学习结果。

可选地，所述联邦学习模型还包括纵向联邦模型；