[发明专利]一种基于汽车用户数据的联邦学习方法及系统

说明书

本发明适用于联邦学习技术领域，提供了一种基于汽车用户数据的联邦学习方法及系统，其中，所述方法包括：根据发起方的预设任务构建初始模型，将初始模型上传至中心服务器，各参与方接收中心服务器所下发的初始模型；获取各成员方的汽车用户数据，采用汽车用户数据在本地训练各成员方的初始模型，获取各成员方的模型参数，成员方包括发起方和参与方；获取各成员方的模型参数权重，根据成员方的模型参数和模型参数权重获取聚合模型参数；根据聚合模型参数对中心服务器的模型参数进行更新，并根据中心服务器更新后的模型参数更新各成员方的模型参数；解决了现有技术中联邦学习模型参数的聚合方式不合理的问题。

技术领域

本发明涉及联邦学习技术领域，尤其涉及一种基于汽车用户数据的联邦学习方法及系统。

背景技术

汽车4S店有大量的客户数据，这些客户数据对于汽车销售及生产的优化有很大帮助。受限于用户隐私的问题，这些数据不能直接向其他4S店或汽车生产厂家共享，因此可以通过联邦学习，在保证用户隐私的前提下还能实现知识共享。

联邦学习的过程为中心节点将同一个模型发布给各个子节点，子节点利用自身数据对模型进行训练，然后将训练后的模型参数上传给中心节点，中心节点将各子节点的参数进行聚合得到新的模型。在现有技术中，中心节点对各子节点的参数进行聚合中，多采用将各子节点上传梯度进行平均计算，并以此作为联邦模型参数。但是这种平均计算的方法既不能有效利用子节点数据，也不便于后续利润分配、价值计算，子节点也无法用这样的模型进行本地化训练以解决自身生产销售中的问题。

发明内容

本发明提供一种基于汽车用户数据的联邦学习方法及系统，以解决现有技术联邦学习模型参数的聚合方式不合理的问题。

本发明提供的基于汽车用户数据的联邦学习方法，包括：

根据发起方的预设任务构建初始模型，将所述初始模型上传至中心服务器，各参与方接收中心服务器所下发的初始模型；

获取各成员方的汽车用户数据，采用所述汽车用户数据在本地训练各成员方的初始模型，获取各成员方的模型参数，所述成员方包括发起方和参与方；

获取各成员方的模型参数权重，根据所述成员方的模型参数和所述模型参数权重获取聚合模型参数；

根据所述聚合模型参数对所述中心服务器的模型参数进行更新，并根据所述中心服务器更新后的模型参数更新各成员方的模型参数。

可选的，所述获取各成员方的模型参数权重，具体包括：

获取各成员方的汽车用户数据质量，根据所述汽车用户数据质量获取质量评价参数；

根据所述预设任务获取各成员方的价值评价参数；

根据所述质量评价参数和所述价值评价参数获取各成员方的模型参数权重。

可选的，所述根据预设任务获取各成员方的价值评价参数，具体包括：

根据预设任务对各成员方的汽车用户数据进行分类，获取各成员方的价值数据；

根据所述预设任务和所述发起方的价值数据获取所述发起方的价值评价参数和各个类别价值数据的价值权重；

根据所述价值权重和所述参与方的价值数据获取所述参与方的价值评价参数。

可选的，所述根据所述预设任务和所述发起方的价值数据获取所述发起方的价值评价参数和各个类别价值数据的价值权重，具体包括：

获取所述发起方的汽车数据；

根据所述发起方的汽车数据建立价值权重确定规则；

根据所述价值权重确定规则、所述预设任务和所述发起方的价值数据获取所述发起方的价值评价参数和各个类别价值数据的价值权重。