[发明专利]适用于联邦学习的信息交互系统及方法

权利要求书

1.一种适用于联邦学习的信息交互系统，其特征在于，包括至少两个参与方和一个协调方，每个参与方具有一个图网络，图网络数据为各自业务系统运行产生的数据，图网络中包含若干个节点，且各个图网络之间具有相同的至少一个节点；其中，

各个参与方并行地将自身图网络中的所有节点用定长向量表征，得到每个节点的表征向量，并基于节点的表征向量及各自的标签属性，进行图神经网络模型的训练，且训练过程中向所述协调方上传梯度信息；

所述协调方根据所有参与方上传的梯度信息，对各个参与方上传的梯度信息进行修正，并将修正后的梯度信息下发给各个参与方；

各个参与方接收协调方反馈的修正后的梯度信息，并基于协调方修正后的梯度信息更新节点的表征向量。

2.根据权利要求1所述的适用于联邦学习的信息交互系统，其特征在于，所述各个参与方在将自身图网络中的所有节点用定长向量表征，得到每个节点的表征向量时，首先将每个节点所具有的属性划分为可编码属性和标签属性，所述可编码属性为若干个；然后将节点中所述可编码属性编码为定长向量，得到每个节点的可编码属性的表征向量；最后对各个可编码属性的表征向量进行聚合，得到该节点的表征向量，且每个节点的特征向量的长度一致。

3.根据权利要求2所述的适用于联邦学习的信息交互系统，其特征在于，各个参与方将节点中所述可编码属性编码为定长向量时，通过预先训练好的属性编码器对可编码属性进行编码，编码为表征向量。

4.根据权利要求2所述的适用于联邦学习的信息交互系统，其特征在于，以节点为单位，协调方定期或定量统计该节点的梯度变化，并采用均值的方式，将各个参与方上报的梯度信息进行修正，并广播给各个参与方。

5.一种适用于联邦学习的信息交互方法，其特征在于，适用于信息交互系统，所述信息交互系统包括至少两个参与方和一个协调方，每个参与方具有一个图网络，图网络数据为各自业务系统运行产生的数据，图网络中包含若干个节点，且各个图网络之间具有相同的至少一个节点；所述适用于联邦学习的信息交互方法包括以下步骤：

各个参与方将自身图网络中的所有节点用定长向量表征，得到每个节点的表征向量，并基于节点的表征向量及各自的标签属性，进行图神经网络模型的训练，且训练过程中向所述协调方上传梯度信息；

所述协调方根据所有参与方上传的梯度信息，对各个参与方上传的梯度信息进行修正，并将修正后的梯度信息下发给各个参与方；

各个参与方接收协调方反馈的修正后的梯度信息，并基于协调方修正后的梯度信息更新节点的表征向量。

6.根据权利要求5所述的适用于联邦学习的信息交互方法，其特征在于，所述各个参与方在将自身图网络中的所有节点用定长向量表征，得到每个节点的表征向量的步骤，包括：

将每个节点所具有的属性划分为可编码属性和标签属性，所述可编码属性为若干个；

将节点中所述可编码属性编码为定长向量，得到每个节点的可编码属性的表征向量；

对各个可编码属性的表征向量进行聚合，得到该节点的表征向量，且每个节点的特征向量的长度一致。

7.根据权利要求6所述的适用于联邦学习的信息交互方法，其特征在于，所述各个参与方将节点中所述可编码属性编码为定长向量的步骤中，通过预先训练好的属性编码器对可编码属性进行编码，编码为表征向量。

8.根据权利要求5所述的适用于联邦学习的信息交互方法，其特征在于，所述协调方根据所有参与方上传的梯度信息，对各个参与方上传的梯度信息进行修正的步骤，包括：协调方定期或定量统计梯度的变化，并采用均值的方式，将各个参与方上报的梯度信息进行修正。

9.一种适用于联邦学习的信息交互方法，其特征在于，适用于信息交互系统，所述信息交互系统包括至少两个参与方和一个协调方，每个参与方具有一个图网络，图网络数据为各自业务系统运行产生的数据，图网络中包含若干个节点，且各个图网络之间具有相同的至少一个节点；所述适用于联邦学习的信息交互方法包括以下步骤：

参与方基于自身的图网络，针对于每一个节点进行属性划分，将属性分成可编码属性和标签属性；其中，所述可编码属性为若干个；

针对于每个节点，将每个可编码属性编码为表征向量；

针对于每个节点，将所有可编码属性的表征向量进行聚合，得到节点的表征向量；

利用得到的各个节点的表征向量，采用图神经网络模型进行标签属性学习，并在学习过程中向协调方上传梯度信息，以便于协调方对所述梯度信息进行修正；

基于所述修正后的梯度信息更新节点的表征向量，并基于更新后的节点的表征向量继续训练，直至训练结束。