[发明专利]基于联邦学习的模型更新方法、信息发送方法及设备

权利要求书

1.一种基于联邦学习的模型更新方法，应用于服务器，其特征在于，包括：

获取至少两个目标终端发送的第一模型参数，并获取所述至少两个目标终端的训练数据的质量评估结果，所述第一模型参数是所述目标终端基于所述训练数据对目标联邦学习模型进行模型更新得到的更新后的模型参数；

根据所述至少两个目标终端的训练数据的质量评估结果，对所述第一模型参数进行加权求和，得到第二模型参数；

根据所述第二模型参数，对所述目标联邦学习模型进行模型更新。

2.根据权利要求1所述的方法，其特征在于，所述质量评估结果是对所述训练数据的数据量、数据完整性和数据分布均衡性中的至少之一进行评估得到。

3.根据权利要求1所述的方法，其特征在于，所述目标联邦学习模型为脑卒中患者居家养护康复管理模型。

4.根据权利要求1所述的方法，其特征在于，所述获取至少两个目标终端发送的第一模型参数之前，还包括：

获取至少两个终端的训练数据的质量评估结果；

根据所述至少两个终端的训练数据的质量评估结果，从所述终端中选择所述目标终端。

5.根据权利要求4所述的方法，其特征在于，所述根据所述至少两个终端的训练数据的质量评估结果，从所述终端中选择所述目标终端，包括：

根据所述至少两个终端的训练数据的质量评估结果，从所述终端中选择第一终端；

向所述第一终端发送所述目标联邦学习模型的初始参数；

在预设时间段内，接收所述第一终端发送的第一模型参数，所述第一模型参数是所述第一终端在接收到所述初始参数之后对所述目标联邦学习模型进行模型更新得到的更新后的模型参数；

将在所述预设时间内接收到的所述第一模型参数对应的所述第一终端作为所述目标终端。

6.一种信息发送方法，应用于终端，其特征在于，包括：

向服务器发送第一模型参数和训练数据的质量评估结果，以使得所述服务器根据所述质量评估结果对至少两个所述终端发送的所述第一模型参数进行加权求和，得到第二模型参数，并根据所述第二模型参数，对目标联邦学习模型进行模型更新；

其中，所述第一模型参数是所述终端基于所述训练数据对所述目标联邦学习模型进行模型更新得到的更新后的模型参数。

7.根据权利要求6所述的方法，其特征在于，所述质量评估结果是对所述训练数据的数据量、数据完整性和数据分布均衡性中的至少之一进行评估得到。

8.根据权利要求6所述的方法，其特征在于，所述目标联邦学习模型为脑卒中患者居家养护康复管理模型。

9.根据权利要求6所述的方法，其特征在于，所述向服务器发送第一模型参数和训练数据的质量评估结果包括：

向所述服务器发送所述训练数据的质量评估结果；

接收所述服务器在接收到所述训练数据的质量评估结果后发送的所述目标联邦学习模型的初始参数；

根据所述初始参数和所述训练数据对所述目标联邦学习模型进行模型更新，得到第一模型参数；

将所述第一模型参数发送至所述服务器。

10.一种服务器，其特征在于，包括：

获取模块，用于获取至少两个目标终端发送的第一模型参数，并获取所述至少两个目标终端的训练数据的质量评估结果，所述第一模型参数是所述目标终端基于所述训练数据对目标联邦学习模型进行模型更新得到的更新后的模型参数；

加权求和模块，用于根据所述至少两个目标终端的训练数据的质量评估结果，对所述第一模型参数进行加权求和，得到第二模型参数；

全局模型更新模块，用于根据所述第二模型参数，对所述目标联邦学习模型进行模型更新。