[发明专利]基于联邦学习的模型训练方法、装置、系统、设备和介质

权利要求书

1.一种基于联邦学习的模型训练方法，其特征在于，由各私有云端服务器执行，包括：

基于本地数据对本地模型进行训练，将训练后的本地模型算法参数发送给公有云端服务器，以使所述公有云端服务器验证是否需要采用所接收的所述算法参数更新联合模型算法参数；

接收所述公有云端服务器推送的更新后的联合模型算法参数；

若验证需要采用所接收的所述联合模型算法参数更新本地模型，则将本地模型算法参数更新为所接收的联合模型算法参数。

2.根据权利要求1所述的方法，其特征在于，验证是否需要采用所接收的所述联合模型算法参数更新本地模型包括：

采用先验数据集计算本地模型的效果指标得到第一指标值；

将本地模型算法参数替换为所接收的所述联合模型算法参数后，采用所述先验数据集计算替换算法参数后的本地模型的效果指标得到第二指标值；

根据所述第一指标值和所述第二指标值的大小确定是否需要采用所接收的所述联合模型算法参数更新本地模型。

3.根据权利要求1所述的方法，其特征在于，所述公有云端服务器验证是否需要采用所接收的所述算法参数更新联合模型算法参数包括：

采用先验数据集计算联合模型的效果指标得到第三指标值；

将联合模型的算法参数替换为所接收的所述本地模型算法参数后，采用所述先验数据集计算替换算法参数后的联合模型的效果指标得到第四指标值；

根据所述第三指标值和所述第四指标值的大小确定是否需要采用所接收的所述本地模型算法参数更新联合模型。

4.根据权利要2或3所述的方法，其特征在于，所述效果指标包括准确率和/或召回率。

5.根据权利要求1所述的方法，其特征在于，在基于本地数据对本地模型进行训练之前还包括，接收公有云端服务器下发的初始模型算法参数；

基于本地数据对本地模型进行训练包括：基于所述初始模型算法参数和本地数据对本地模型进行训练。

6.一种基于联邦学习的模型训练装置，其特征在于，配置于各私有云端服务器中，所述装置包括：

本地训练与参数上传单元，用于基于本地数据对本地模型进行训练，将训练后的本地模型算法参数发送给公有云端服务器，以使所述公有云端服务器验证是否需要采用所接收的所述算法参数更新联合模型算法参数；

联合模型参数接收单元，用于接收所述公有云端服务器推送的更新后的联合模型算法参数；

验证与更新单元，用于若验证需要采用所接收的所述联合模型算法参数更新本地模型，则将本地模型算法参数更新为所接收的联合模型算法参数。

7.一种基于联邦学习的模型训练系统，其特征在于，包括公有云端服务器和多个私有云端服务器；

各私有云端服务器基于本地数据对本地模型进行训练，将训练后的本地模型算法参数发送给所述公有云端服务器；

所述公有云端服务器验证是否需要采用所接收的参数更新联合模型算法参数，若是则采用所接收的参数更新联合模型算法参数，将更新后的联合模型算法参数推送到各私有云端服务器；

各私有云端服务器若接收到所述公有云端服务器推送的联合模型算法参数，则验证是否需要采用所接收的所述联合模型算法参数更新本地模型，若是则将本地模型算法参数更新为所接收的联合模型算法参数。

8.根据权利要求1所述的系统，其特征在于，在各私有云端服务器基于本地数据对本地模型进行训练之前还包括：

所述公有云端服务器将初始模型算法参数发送到各私有云端服务器，各私有云端服务器基于所述初始模型算法参数和本地数据对本地模型进行训练。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；以及

存储器，用于存储可执行指令，所述可执行指令在被所述一个或多个处理器执行时，使得所述电子设备执行如权利要求1-5中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-5任一项所述的方法。