[发明专利]模型使用方法、装置、存储介质及设备

说明书

本公开实施例公开了模型使用方法、装置、存储介质及设备。该方法包括：检测到预设版本探测事件被触发时，向联邦学习系统的第二参与者发送模拟用户中间请求，用于指示第二参与者根据模拟用户中间请求中的目标版本信息对模拟用户中间请求进行处理，接收第二参与者反馈的模拟用户中间请求处理结果，根据模拟用户中间请求处理结果确定目标版本在第二参与者侧准备完毕后，使用所述目标版本的联邦学习模型进行实验和/或应用。本公开实施例通过采用上述技术方案，可以保证联邦学习系统中的第一参与者和第二参与者能够基于相同版本的模型进行实验或应用，避免采用人工协商方式，保证确定版本一致性过程的效率和准确性。

技术领域

本公开实施例涉及计算机技术领域，尤其涉及模型使用方法、装置、存储介质及设备。

背景技术

联邦学习(Federated Learning)是一种新兴的人工智能基础技术，有望成为下一代人工智能协同算法和协作网络的基础。作为分布式的机器学习范式，联邦学习能够有效解决数据孤岛问题，让参与方在不共享数据的基础上联合建模，挖掘数据价值。近年来，联邦学习技术发展迅速，已经在电商、金融以及教育等各种行业中得到应用。

在联邦学习的场景下，经过前期的离线模型训练后，联邦的双方或多方参与者都需要将各自训练完成的模型在线进行投放，进行实际投放效果的验证或者进行实际应用。联邦学习模型一般会经过更新完善的过程，因此，联邦学习模型会涉及版本的升级或更新，在实验阶段和应用阶段，均需要保证参与者所应用的模型版本的一致性。现有技术中，参与者需要通过人工离线协商模型版本，效率低下且容易出错，需要改进。

发明内容

本公开实施例提供了模型使用方法、装置、存储介质及设备，可以优化现有的联邦学习方案。

第一方面，本公开实施例提供了一种模型使用方法，应用于联邦学习系统的第一参与者，所述方法包括：

检测到预设版本探测事件被触发时，向所述联邦学习系统的第二参与者发送模拟用户中间请求，用于指示所述第二参与者根据所述模拟用户中间请求中的目标版本信息对所述模拟用户中间请求进行处理；

接收所述第二参与者反馈的模拟用户中间请求处理结果；

根据所述模拟用户中间请求处理结果确定所述目标版本在所述第二参与者侧准备完毕后，使用所述目标版本的联邦学习模型进行实验和/或应用。

第二方面，本公开实施例提供了一种模型使用装置，集成于联邦学习系统的第一参与者，所述装置包括：

模拟用户中间请求发送模块，用于检测到预设版本探测事件被触发时，向所述联邦学习系统的第二参与者发送模拟用户中间请求，用于指示所述第二参与者根据所述模拟用户中间请求中的目标版本信息对所述模拟用户中间请求进行处理；

处理结果接收模块，用于接收所述第二参与者反馈的模拟用户中间请求处理结果；

模型使用模块，用于根据所述模拟用户中间请求处理结果确定所述目标版本在所述第二参与者侧准备完毕后，使用所述目标版本的联邦学习模型进行实验和/或应用。

第三方面，本公开实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开实施例提供的模型使用方法。

第四方面，本公开实施例提供了一种计算机设备，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，所述处理器执行所述计算机程序时实现如本公开实施例提供的模型使用方法。