[发明专利]基于联邦学习的模型训练方法、装置和电子设备

权利要求书

1.一种基于联邦学习的模型训练方法，应用于服务器，所述方法包括：

利用以下步骤进行迭代处理，直至满足迭代结束条件：

接收多个参与方上传的第一模型参数信息及其对应的模型性能；

以接收的第一模型参数信息为初始种群中的个体，以接收的模型性能为初始种群中个体的适应度，根据适应度，对初始种群中的个体进行遗传操作，得到优化种群；其中，所述优化种群包括多个个体，所述多个个体用于表示多个第二模型参数信息；

向每个参与方发送所述多个第二模型参数信息，其中，所述多个第二模型参数信息用于供参与方从中选择模型性能最优的第二模型参数信息作为第一模型参数信息，选择的第一模型参数信息及其对应的模型性能用于供参与方上传至服务器。

2.如权利要求1所述的方法，所述第一模型参数信息包括多个子信息，所述初始种群中的个体包含多个基因，每个基因用于表示一个子信息；

所述对初始种群中的个体进行遗传操作，包括：

从初始种群中选择适应度最优的多个个体作为第一个体；

对第一个体中的基因进行交叉操作，得到新的个体作为第二个体；

对第二个体中的基因进行变异操作，得到新的个体优化种群中的个体。

3.如权利要求2所述的方法，所述对第一个体中的基因进行交叉操作，包括：

将多个第一个体划分到多个组中，每组中包括多个第一个体；

将每组中的多个第一个体聚合为一个第三个体；

对第三个体中的基因进行交叉操作，得到新的个体作为第二个体。

4.如权利要求1所述的方法，所述迭代结束条件包括：迭代次数满足第一预设条件。

5.如权利要求1所述的方法，所述迭代结束条件包括：模型性能满足第二预设条件；

所述对初始种群中的个体进行遗传操作，包括：

根据接收的模型性能，确定参考模型性能；

在参考模型性能不满足第二预设条件时，以接收的第一模型参数信息为初始种群中的个体，以接收的模型性能为初始种群中个体的适应度，根据适应度，对初始种群中的个体进行遗传操作，得到优化种群；其中，所述优化种群中的个体用于表示第二模型参数信息。

6.如权利要求5所述的方法，所述参考模型性能包括平均模型性能。

7.如权利要求1所述的方法，在进行迭代处理之前，所述方法还包括：

获取机器学习模型的超参数；

向多个参与方发送超参数。

8.如权利要求1所述的方法，所述第一模型参数信息包括第一模型参数的明文或者密文；所述第二模型参数信息包括第二模型参数的明文或者密文。

9.一种基于联邦学习的模型训练方法，应用于参与方，所述方法包括：

利用以下步骤进行迭代处理，直至满足迭代结束条件：

接收服务器发送的多个第二模型参数信息；

确定第二模型参数信息对应的模型性能；

选择模型性能最优的第二模型参数信息作为第一模型参数信息；

向服务器上传选择的第一模型参数信息及其对应的模型性能，以使服务器以接收的第一模型参数信息为初始种群中的个体，以接收的模型性能为初始种群中个体的适应度，根据适应度，对初始种群中的个体进行遗传操作，得到优化种群，所述优化种群包括多个个体，所述多个个体用于表示多个第二模型参数信息，向参与方发送所述多个第二模型参数信息；

在迭代结束以后，根据选择的第一模型参数信息确定机器学习模型。

10.如权利要求9所述的方法，所述确定第二模型参数信息对应的模型性能，包括：

利用测试数据，对第二模型参数信息对应的机器学习模型进行测试，得到模型性能。