[发明专利]一种半分布式联邦学习协同优化缓存部署系统及方法

权利要求书

1.一种半分布式联邦学习协同优化缓存部署系统，其特征在于，为由智能网关层SG和密集部署的无线接入点层AP构成的边缘缓存网络架构；所述无线接入点层AP包括依次设置的用户请求收集模块、请求特征提取模块、协同学习模块、本地模型训练模块、缓存模块；用户请求收集模块用于收集无线接入点层AP覆盖范围下终端用户的内容请求信息用户请求收集模块；请求特征提取模块用于提取用户请求内容的包含细粒度上下文信息的不同媒体特征，并将不同的媒体特征所对应的信息发送到所述智能网关层SG的请求特征提取模块；协同学习模块在智能网关层SG确定AP联盟以及代表AP后，联盟内其他非代表AP将本地收集到的数据信息共享给代表AP；本地模型训练模块在每次通信轮次中，由代表AP负责本地模型训练，并将局部模型参数的更新作为反馈发回智能网关层SG；缓存模块根据智能网关层SG生成的缓存决策，将具体的媒体内容预取到本地缓存中。

2.根据权利要求1所述的一种半分布式联邦学习协同优化缓存部署系统，其特征在于，所述智能网关层SG包括依次设置联盟决策模块、全局模型聚合模块、缓存决策模块；所述联盟决策模块将所有AP划分为不同AP联盟；全局模型聚合模块通过计算所有接收到的局部模型的加权来生成的全局模型；缓存决策模块基于联邦学习架构中的深度学习文件流行度预测的全局模型预测内容流行度而生成缓存决策。

3.根据权利要求1所述的一种半分布式联邦学习协同优化缓存部署系统，其特征在于，所述联盟决策模块收集无线接入点层AP发送来的用户请求数据特征信息，基于智能网关和超密集部署的AP构成的分层网络架构，利用基于跨媒体数据特征相似性度量的聚类算法将所有AP划分为不同AP联盟，并根据平均传输最小的原则确定代表AP。

4.基于权利要求2-3任意一项所述的一种半分布式联邦学习协同优化缓存部署系统的方法，其特征在于，所述智能网关层SG侧的流程步骤为：

SA1、智能网关层SG的联盟决策模块接收网络域下所有无线接入点层AP请求的特征数据；

SA2、智能网关层SG根据每个无线接入点层AP的请求内容，基于跨媒体数据特征相似性度量的类聚算法将所有AP划分为若干个差异子组，每个子组形成一个AP联盟；

SA3、判断是否开启新一轮通信轮次，如果是进入步骤SA4,否则进入步骤SA6；

SA4、智能网关层SG向基于平均传输距离最小的原则在每个AP联盟内选择代表AP内发送全局模型；

SA5、智能网关层SG传输全局模型至无线接入点层中的代表AP，代表AP将全局模型传输到对应的AP联盟中进行训练，获得更新的局部模型；然后全局模型聚合模块将获得的代表AP的全部局部模型聚合形成更新后的全局模型；

SA6、通信轮次完成后，判断是否收敛，如果没有收敛，则返回执行步骤SA3，如果已经收敛，则智能网关层SG的缓存决策模块确定获得缓存决策。

5.基于权利要求4所述的一种半分布式联邦学习协同优化缓存部署系统的方法，其特征在于，所述无线接入点层AP侧的流程如下：

SB1、无线接入点层AP的用户请求收集模块收集终端用户请求数据后，请求特征提取模块提取用户请求数据特征；

SB2、根据智能网关层SG联盟决策模块来判断无线接入点层AP是否是代表AP，如果是，代表AP从智能网关层SG下载全局模型，如果不是，进入步骤SB3；

SB3、代表AP利用协同学习模块收集和存储联盟AP内其他AP本地数据，并通过本地模型训练模块利用联盟内所有AP提取的用户请求特征数据进行本地模型训练，然后代表AP上传局部模型到智能网关层SG；

SB4，通信轮次完成后，判断是否收敛，当收敛时，代表AP接收智能网关层SG的缓存决策，缓存模块进行联盟AP内容缓存。