[发明专利]联邦学习完好性预测方法及系统

权利要求书

1.一种联邦学习完好性预测方法，其特征在于，所述方法包括：

获取服务器中用于完好性检测的初始模型；

获取数据库中用于模型训练的数据；

根据所述数据对所述初始模型进行更新生成参与方模型，并将所述参与方模型发送至所述服务器；

获取所述服务器根据多个参与方模型生成的聚合模型；

使用机器学习算法通过所述聚合模型对自身的参与方模型进行更新生成完好性预测模型；

根据所述完好性预测模型进行完好性预测。

2.如权利要求1所述的方法，其特征在于，所述初始模型为行业通用模型或空白模型。

3.如权利要求1所述的方法，其特征在于，获取所述服务器根据多个参与方模型生成的聚合模型，的步骤之前包括：

在检测到参与方中的所述数据有更新时，所述参与方将更新后的参与方模型发送至所述服务器。

4.如权利要求1所述的方法，其特征在于，使用机器学习算法通过所述聚合模型对自身的参与方模型进行更新生成完好性预测模型，的步骤包括：

从所述聚合模型中获取所述数据，并对所述数据进行数据清洗及预处理；

根据模型需求确定特征选择方法；

根据待检测问题类型以及所述特征选择方法，生成相应类型的待优化模型；

根据所述待检测问题类型，对所述待优化模型的模型参数进行调节；

根据模型评估指标对所述待优化模型的优劣进行评估；

根据所述评估结果确认是否需要对所述待优化模型进行迭代训练；

若需要，则继续执行根据所述待检测问题类型，对所述待优化模型的模型参数进行调节的步骤；

若不需要，则将所述待优化模型确认为所述完好性预测模型。

5.如权利要求4所述的方法，其特征在于，从所述聚合模型中获取所述数据，并对所述数据进行数据清洗及预处理，的步骤之后还包括：

检测所述数据中是否存在脏数据错误；

若存在，则重复对所述数据进行数据清洗及预处理的步骤；

若不存在，则执行根据模型需求确定特征选择方法的步骤。

6.如权利要求4所述的方法，其特征在于，所述待检测问题类型包括：回归问题和分类问题。

7.如权利要求4所述的方法，其特征在于，所述模型评估指标至少包括以下中一项：平方根误差、平均绝对误差、平均平方误差、决定系数、精度、召回率、精确率、F值、ROC－AUC曲线、混淆矩阵和PRC曲线。

8.一种联邦学习完好性预测系统，其特征在于，所述系统包括：服务器以及多个联邦参与方；

联邦参与方获取所述服务器中用于完好性检测的初始模型以及从本地数据库中获取用于模型训练的数据，根据所述数据对所述初始模型进行更新生成参与方模型，并将所述参与方模型发送至所述服务器；

所述服务器根据多个参与方模型生成的聚合模型，并返回所述聚合模型至所述联邦参与方；

所述联邦参与方使用机器学习算法通过所述聚合模型对自身的参与方模型进行更新生成完好性预测模型，并根据所述完好性预测模型进行完好性预测。

9.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现根据权利要求1至7中任一项方法的步骤。

10.一种计算机设备，包括存储器和处理器，在所述存储器上存储有能够在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7中任一项方法的步骤。