[发明专利]一种基于树状拓扑结构的联邦学习方法及装置

权利要求书

1.一种基于树状拓扑结构的联邦学习方法，其特征在于，所述树状拓扑结构包括至少两层结构，每层结构包括至少一个节点，每个节点对应一个训练模型，包括：

若满足预设触发条件，则对所述树状拓扑结构的当前层节点进行抽样处理；

确定所述进行抽样处理后的当前层节点对应的训练模型，对所述确定的训练模型进行联邦聚合。

2.如权利要求1所述的方法，其特征在于，所述确定的训练模型进行联邦聚合，包括：

对所述确定的训练模型进行联邦聚合，得到至少一个当前父层的节点对应的训练模型，所述当前父层为所述当前层节点的父节点所在的层。

3.如权利要求1所述的方法，其特征在于，所述对所述树状拓扑结构的当前层节点进行抽样处理，包括：

从所述当前层节点中抽样出至少一个当前层节点；

删除所述至少一个当前层节点对应的所述训练模型，或者对所述至少一个当前层节点进行标注，以使所述至少一个当前层节点对应的训练模型不参与所述联邦聚合。

4.如权利要求1所述的方法，其特征在于，所述预设触发条件包括如下一种或多种：

所述当前层节点的个数大于第一预设值；

所述当前层节点对应的训练模型不符合第一预设联邦模型条件。

5.如权利要求3所述的方法，其特征在于，所述从所述当前层节点中抽样出至少一个当前层节点，包括：

随机从所述当前层节点中抽样出至少一个当前层节点；或

从所述当前层节点中抽样出预设节点个数的当前层节点。

6.如权利要求1所述的方法，其特征在于，从所述树状拓扑结构的底层开始，依次向顶层进行联邦模型聚合，其中，所述从所述树状拓扑结构的底层开始，依次向顶层进行联邦模型聚合之前，还包括：

接收所述树状拓扑结构的底层节点对应的训练模型，所述训练模型为所述底层节点对应的客户端，通过本地训练数据训练本地模型得到的。

7.如权利要求6所述的方法，其特征在于，还包括：

若所述联邦聚合得到的顶层联邦模型不符合第二预设联邦模型条件，则将所述顶层联邦模型发送给所述底层节点对应的客户端，以使所述客户端将所述顶层联邦模型作为所述本地模型进行下一轮训练；

接收所述客户端进行下一轮训练得到的训练模型，从所述树状拓扑结构的底层开始，依次向顶层进行下一轮联邦模型聚合。

8.一种基于树状拓扑结构的联邦学习聚合装置，其特征在于，所述树状拓扑结构包括至少两层结构，每层结构包括至少一个节点，每个节点对应一个训练模型，包括：

节点抽样单元，用于若满足预设触发条件，则对所述树状拓扑结构的当前层节点进行抽样处理；

联邦聚合单元，用于确定所述进行抽样处理后的当前层节点对应的训练模型，对所述确定的训练模型进行联邦聚合。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可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1-7中任一权利要求所述方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，当所述计算机指令在计算机上运行时，使得计算机执行如权利要求1-7中任一项所述的方法。