[发明专利]提升匹配效率的联邦学习方法及设备、电子设备和介质

说明书

本公开提供一种提升匹配效率的联邦学习方法及设备、电子设备和介质，涉及人工智能技术领域，具体涉及深度学习，可用于云平台。该提升匹配效率的联邦学习方法，包括：响应于用于联邦学习的数据提供方的个数大于第一阈值，将联邦学习所需的数据字段发送到协调方；从协调方接收包含所需的数据字段的数据提供方的信息，以确定剩余数据提供方，其中，协调方上保存有各数据提供方的数据字段；以及分别与剩余数据提供方中的每一个进行联邦建模。

技术领域

本公开涉及人工智能技术领域，具体涉及深度学习，特别涉及一种提升匹配效率的联邦学习方法及设备、电子设备和介质。

背景技术

联邦学习(Federated Learning)是一种打破数据孤岛、释放AI应用潜能的分布式机器学习技术，能够让联邦学习各参与方在不披露底层数据和底层数据加密(混淆)形态的前提下，通过交换加密的机器学习中间结果实现联合建模。联邦学习已经广泛适用于金融、消费互联网等行业的业务创新场景。

其中，作为加入到联邦学习的联邦参与者，数据提供方是将自己数据提供给其他联邦参与者进行模型训练的参与者，数据使用方法是使用其他参与者数据进行建模提升自身场景效果的参与者。当越来越多数据提供方加入数据联邦的同时，也加大了数据使用方对应用数据来源的甄选难度。现有的人工梳理判断效率较低，如果联邦参与者比较多，则需要比较长的梳理时间；而且，人工判断主要依赖专家水平，而联邦学习模型有效性取决于比较多的因素，有可能会出现人工判断无效但实际数据有效，或者相反的情况。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

根据本公开的一个方面，提供了一种提升匹配效率的联邦学习方法，包括：响应于用于联邦学习的数据提供方的个数大于第一阈值，将联邦学习所需的数据字段发送到协调方；从所述协调方接收包含所述所需的数据字段的数据提供方的信息，以确定剩余数据提供方，其中，所述协调方上保存有各数据提供方的数据字段；以及分别与所述剩余数据提供方中的每一个进行联邦建模。

根据本公开的另一个方面，提供了一种提升匹配效率的联邦学习方法，包括：从数据使用方接收其联邦学习所需的数据字段；将所接收的数据字段与保存的各个数据提供方的数据字段进行比对，以得到比对结果；基于所述比对结果确定包含所述所需的数据字段的数据提供方；以及将所述确定的包含所述所需的数据字段的数据提供方的信息发送到所述数据使用方。

根据本公开的又一个方面，提供了一种提升匹配效率的联邦学习设备，包括：第一响应单元，配置为响应于用于联邦学习的数据提供方的个数大于第一阈值，将联邦学习所需的数据字段发送到协调方；接收单元，配置为从所述协调方接收包含所述所需的数据字段的数据提供方的信息，以确定剩余数据提供方，其中，所述协调方上保存有各数据提供方的数据字段；以及训练单元，配置为分别与所述剩余数据提供方中的每一个进行联邦建模。

根据本公开的又一个方面，提供了一种提升匹配效率的联邦学习设备，包括：接收单元，配置为从数据使用方接收其联邦学习所需的数据字段；第一比对单元，配置为将所接收的数据字段与保存的各个数据提供方的数据字段进行比对，以得到比对结果；第一确定单元，配置为基于所述比对结果确定包含所述所需的数据字段的数据提供方；以及第一发送单元，配置为将所述确定的包含所述所需的数据字段的数据提供方的信息发送到所述数据使用方。

根据本公开的又一个方面，提供了一种电子设备，包括：处理器；以及存储程序的存储器，该程序包括指令，该指令在由处理器执行时使处理器执行本公开中的一个方面所述的提升匹配效率的联邦学习方法。

根据本公开的又一个方面，提供了一种存储程序的计算机可读存储介质，该程序包括指令，该指令在由电子设备的处理器执行时，致使电子设备执行本公开中的一个方面所述的提升匹配效率的联邦学习方法。