[发明专利]混合联邦学习方法、装置、电子设备及存储介质

权利要求书

1.一种混合联邦学习方法，其特征在于，混合联邦学习涉及多个参与组，所述方法应用于参与组的中心节点，包括：

获取所述中心节点所在参与组中第一边缘节点的质量分，所述质量分基于第一边缘节点在历史参与混合联邦学习中得到的参与得分确定，所述参与得分基于第一边缘节点参与混合联邦学习得到的质量参数确定；

根据所述第一边缘节点的质量分，从所述第一边缘节点中确定参与本轮混合联邦学习的第二边缘节点；

根据所述第二边缘节点进行本轮混合联邦学习。

2.根据权利要求1所述的方法，其特征在于，所述质量参数包括模型性能指标、训练能耗、模型参数传输能耗、模型参数传输时延中的一个或多个；

所述模型性能指标包括模型分类的准确率、精确率、召回率、F1分数、模型回归的均方根误差、平均绝对误差中的一个或多个。

3.根据权利要求1所述的方法，其特征在于，所述第一边缘节点包括参与混合联邦学习的历史轮次小于预定轮次的第三边缘节点，以及参与混合联邦学习的历史轮次不小于预定轮次的第四边缘节点；

所述获取所述中心节点所在参与组中第一边缘节点的质量分，包括：

获取所述第三边缘节点历史参与混合联邦学习得到的全部参与得分，每一参与得分对应一轮混合联邦学习；

获取所述第四边缘节点在本轮混合联邦学习前预定轮次参与混合联邦学习得到的多个参与得分；

根据所述全部参与得分，确定所述第三边缘节点的质量分；

根据所述多个参与得分，确定所述第四边缘节点的质量分。

4.根据权利要求3所述的方法，其特征在于，所述根据所述多个参与得分，确定所述第四边缘节点的质量分，包括：

确定所述多个参与得分中每一参与得分的权重，所述多个参与得分的权重之和为第一预定值；

根据所述多个参与得分中每一参与得分的权重与所述多个参与得分，确定所述第四边缘节点的质量分。

5.根据权利要求4所述的方法，其特征在于，所述多个参与得分中每一参与得分的权重与轮次差值负相关，所述轮次差值基于参与得分对应的混合联邦训练轮次与本轮混合联邦训练轮次确定。

6.根据权利要求1所述的方法，其特征在于，所述中心节点存储有第一组内模型，所述方法还包括：

向所述第一边缘节点发送所述第一组内模型，以便于所述第一边缘节点根据所述第一组内模型进行本地训练并上报训练得到的模型参数，以及用于确定质量参数的训练信息；

接收所述模型参数和所述训练信息；

根据所述模型参数更新所述第一组内模型，得到第二组内模型；

根据所述训练信息，确定所述第一边缘点在本轮混合联邦学习的参与得分。

7.根据权利要求1所述的方法，其特征在于，所述根据所述第一边缘节点的质量分，从所述第一边缘节点中确定参与本轮混合联邦学习的第二边缘节点，包括：

确定所述第一边缘节点中质量分不小于分数阈值的第二边缘节点；

或者，根据所述第一边缘节点的质量分，对所述第一边缘节点进行降序排序，得到第一排序结果；选取所述第一排序结果中排名前第二预定值的边缘节点，得到所述第二边缘节点；

或者，根据所述第一边缘节点的质量分，对所述第一边缘节点进行升序排序，得到第二排序结果；选取所述第二排序结果中排名后第三预定值的边缘节点，得到所述第二边缘节点。

8.一种混合联邦学习装置，其特征在于，混合联邦学习涉及多个参与组，所述方法应用于参与组的中心节点，包括：

获取模块，用于获取所述中心节点所在参与组中第一边缘节点的质量分，所述质量分基于第一边缘节点在历史参与混合联邦学习中得到的参与得分确定，所述参与得分基于第一边缘节点参与混合联邦学习得到的质量参数确定；

确定模块，用于根据所述第一边缘节点的质量分，从所述第一边缘节点中确定参与本轮混合联邦学习的第二边缘节点；

处理模块，用于根据所述第二边缘节点进行本轮混合联邦学习。