[发明专利]基于联邦学习的语句质检方法、装置、设备及存储介质

权利要求书

1.一种基于联邦学习的语句质检方法，其特征在于，所述基于联邦学习的语句质检方法包括以下步骤：

第一终端根据获取到的质检例句，训练所述第一终端对应的第一网络模型；

将训练所述第一网络模型得到的第一模型梯度传输到联邦服务器，其中，所述联邦服务器接收所述第一模型梯度和至少一个第二终端发送的第二模型梯度，所述联邦服务器聚合所述第一模型梯度和所述第二模型梯度，并生成回传梯度；

所述第一终端接收所述联邦服务器发送的所述回传梯度，并基于所述回传梯度对所述第一网络模型进行训练，生成联邦质检模型，调用所述联邦质检模型对接收的待质检语句进行质检。

2.如权利要求1所述的基于联邦学习的语句质检方法，其特征在于，所述第一终端根据获取到的质检例句，训练所述第一终端对应的第一网络模型的步骤之前，所述方法还包括：

获取所述第二终端的第二质检项，并将所述第一终端内的第一质检项和所述第二质检项进行交集运算，生成目标质检项；

获取与所述目标质检项对应的质检例句。

3.如权利要求2所述的基于联邦学习的语句质检方法，其特征在于，所述获取所述第二终端的第二质检项，并将所述第一终端内的第一质检项和所述第二质检项进行交集运算，生成目标质检项的步骤包括：

接收所述第二终端传输的与所述第二质检项对应的第二质检标识，其中，所述第二质检标识在所述第二终端经函数变换处理和加密处理；

对所述第二质检标识进行解密，得到第二解密质检标识；

查找所述第一终端内与所述不合格语句对应的第一质检项，并读取与所述第一质检项对应的第一质检标识；

对所述第一质检标识进行函数变换处理，并在所述第二解密质检标识和经函数变换处理的第一质检标识之间进行交集运算，生成目标质检项。

4.如权利要求1所述的基于联邦学习的语句质检方法，其特征在于，所述调用所述联邦质检模型对接收的待质检语句进行质检的步骤包括：

当接收到待质检语句时，调用所述联邦质检模型对所述待质检语句进行质检，识别所述待质检语句中是否存在不合格语句。

5.如权利要求4所述的基于联邦学习的语句质检方法，其特征在于，所述识别所述待质检语句中是否存在不合格语句的步骤之后，所述方法还包括：

若所述待质检语句中存在不合格语句，则查找与所述待质检语句对应的语音平台，并基于所述待质检语句和所述语音平台生成警示信息。

6.如权利要求1-5任一项所述的基于联邦学习的语句质检方法，其特征在于，所述基于所述回传梯度对所述第一网络模型进行训练，生成联邦质检模型的步骤包括：

对所述回传梯度进行解密，并根据经解密的所述回传梯度，对所述第一网络模型进行参数更新，生成待训练模型参数；

基于所述待训练模型参数，对所述第一网络模型进行训练；

判断经训练的所述第一网络模型是否收敛，若收敛，则生成联邦质检模型。

7.如权利要求1-5任一项所述的基于联邦学习的语句质检方法，其特征在于，所述将训练所述第一网络模型得到的第一模型梯度传输到联邦服务器的步骤包括：

根据所述第一终端内的加密规则，对所述第一模型梯度进行加密，并将经加密的所述第一模型梯度传输到联邦服务器。

8.一种基于联邦学习的语句质检装置，其特征在于，所述基于联邦学习的语句质检装置包括：

训练模块，用于第一终端根据获取到的质检例句，训练所述第一终端对应的第一网络模型；

传输模块，用于将训练所述第一网络模型得到的第一模型梯度传输到联邦服务器，其中，所述联邦服务器接收所述第一模型梯度和至少一个第二终端发送的第二模型梯度，所述联邦服务器聚合所述第一模型梯度和所述第二模型梯度，并生成回传梯度；

生成模块，用于所述第一终端接收所述联邦服务器发送的所述回传梯度，并基于所述回传梯度对所述第一网络模型进行训练，生成联邦质检模型，调用所述联邦质检模型对接收的待质检语句进行质检。