[发明专利]一种联邦学习通信方法及装置

说明书

本申请实施例公开了一种联邦学习通信方法及装置，方法包括：多个建模参与设备向中央服务器发送建模请求，建模请求携带有目标信息；接收中央服务器根据目标信息将多个建模参与设备划分成多个参与组的分组信息；在所在的参与组内利用算法确定参与组的代理通信设备；向所在的参与组的代理通信设备发送加密参数，以便多个参与组的代理通信设备向中央服务器发送加密参数；接收所在的参与组的代理通信设备发送的来自中央服务器对加密参数的处理结果。由此可见，本申请实施例的中央服务器只与每个参与组的代理通信设备进行网络通信，节省了整体的网络通信开销，缓解了中央服务器的网络通信高负载，提高了网络通信的效率。

技术领域

本申请涉及计算机领域，尤其涉及一种联邦学习通信方法及装置。

背景技术

联邦学习(Federated Learning)是一种新兴的人工智能基础技术，用于解决终端设备更新模型的问题，其设计目标是在保障大数据交换时的信息安全，保护终端设备数据的隐私，保证合法合规的前提下，在多参与方(设备)或多计算结点之间开展高效率的机器学习。通常而言，联邦学习的通信网络中包含多个设备：中央服务器和多个参与联邦学习的设备，其中，中央服务器可以称为协调者，多个设备可以称为多个参与者。多个设备在进行联邦学习建立模型的过程中，需要不断的与中央服务器建立通信连接进行通信，即中央服务器频繁的与多个设备进行网络通信，此时中央服务器的网络通信的负载很高，整个网络通信的通信开销很大，导致网络通信的效率低。

综上，在当前的联邦学习建立模型过程中，中央服务器的网络通信的负载很高，整个网络通信的通信开销很大，导致网络通信的效率低。

发明内容

为了解决现有技术中联邦学习建立模型过程中，中央服务器的网络通信的负载很高，整个网络通信的通信开销很大，导致网络通信的效率低的问题，本申请提供了一种联邦学习通信方法，能够节省整体的网络通信开销，缓解中央服务器的网络通信高负载。

本申请实施例提供了一种联邦学习通信方法，所述方法包括：

多个建模参与设备向中央服务器发送建模请求，所述建模请求携带有所述多个建模参与设备的目标信息；

所述多个建模参与设备接收所述中央服务器根据所述目标信息将所述多个建模参与设备划分成多个参与组的分组信息；

所述多个建模参与设备在所在的参与组内利用算法确定所述参与组的代理通信设备；

所述多个建模参与设备向所在的参与组的代理通信设备发送加密参数，以便多个参与组的代理通信设备向所述中央服务器发送所述加密参数；

所述多个建模参与设备接收所在的参与组的代理通信设备发送的来自所述中央服务器对所述加密参数的处理结果。

可选的，所述目标信息包括位置信息、通信带宽和存活状态信息；

所述多个建模参与设备接收所述中央服务器根据所述目标信息将所述多个建模参与设备划分成多个参与组的分组信息包括：

所述中央服务器根据所述多个建模参与设备的位置信息、通信带宽和存活状态信息将所述多个建模参与设备均等的划分为多个参与组。

可选的，所述多个建模参与设备在所在的参与组内利用算法确定所述参与组的代理通信设备包括：

所述多个参与组中的建模参与设备根据代理影响因素利用算法进行互相评分，得分最高的建模参与设备竞选为所在参与组的代理通信设备。

可选的，所述方法还包括：

所述中央服务器监控所述多个参与组的代理通信设备，若所述代理通信设备发生故障或代理任期结束，则指示所述代理通信设备所在的参与组重新发起竞选流程确定新的代理通信设备。

可选的，在所述多个建模参与设备向所在的参与组的代理通信设备发送加密参数之前，所述方法还包括：