[发明专利]一种基于联邦学习的预测系统及方法

说明书

本发明公开了一种基于联邦学习的预测系统及方法。系统包括联邦学习部署机和联邦学习客户端，联邦学习部署机包括分发系统、模型容器系统和联邦学习服务端；分发系统将来自用户的预测请求映射至模型容器系统的模型中，模型对请求进行预测，根据预测结果确定待优化模型，联邦学习服务端与联邦学习客户端针对待优化的模型进行在线联邦学习优化。不仅使得预测效果指标更加理想，提高了用户的满意度，而且模型优化过程中不需要收集数据，同时模型优化过程与使用过程进行了融合统一，解决了目前数据收集难度大造成数据孤岛、使得预测效果指标不理想的问题，以及由于数据收集和使用隔离带来的违反法案的问题。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于联邦学习的预测系统及方法。

背景技术

经历了多年发展，人工智能进入了发展的深入区，已经从概念普及发展到产品验证、落地、审批、商业化方面的探索。

目前，人工智能在各产业的发展需要通过多种工具或设备来收集数据，然而在很多行业，获取高质量的数据难度较大，一方面是由于数据预处理、标注需要投入的工作量巨大，另一方面在于数据的隐私性要求，数据拥有方采取高度保护措施。典型地例如在医疗行业，当前医疗领域标注的数据非常有限，如果多方医疗机构不进行数据交换和整合，则通过人工智能模型训练和预测得到的效果指标不理想，难以落地应用；研究界和企业界目前的情况是把收集数据和使用数据分开，如A方收集数据、B方清洗数据、C方建模训练、D方使用模型。然而，这种数据在实体间转移、交换和交易的形式违反了欧盟在2018年正式施行的法案《通用数据保护条例》(General Data Protection Regulation，GDPR)和中国从2017年实施的《中华人民共和国网络安全法》和《中华人民共和国民法总则》。

所以，通过收集数据的方式进行人工智能模型训练和使用已经不能满足例如医疗等特定行业发展的需求。

发明内容

本发明为解决现有技术中存在的问题，一方面涉及一种基于联邦学习的预测系统，包括联邦学习部署机和联邦学习客户端，所述联邦学习部署机包括分发系统、模型容器系统和联邦学习服务端；

所述分发系统用于接收来自用户的预测请求并将其映射至所述模型容器系统的模型中，将预测结果发送至用户并接收用户对预测结果的反馈信息，以及根据所述反馈信息将待优化的模型信息发送至联邦学习服务端；

所述模型容器系统用于存储模型，还用于运行与所述预测请求具有映射关系的模型并将预测结果返回至所述分发系统；

所述联邦学习服务端与所述联邦学习客户端针对所述待优化的模型进行在线联邦学习优化，并将优化后的模型保存到所述模型容器系统中。

优选地，所述联邦学习服务端包括参数聚合模块和模型优化模块；所述参数聚合模块用于收集并聚合所述联邦学习客户端发送的模型参数，得到更新参数；所述模型优化模块用于接收所述更新参数，以及根据所述分发系统发送的待优化的模型信息获取待优化的模型，并利用所述更新参数优化所述待优化的模型，得到优化模型，还用于将所述优化模型保存到所述模型容器系统。

优选地，所述联邦学习客户端包括模型训练模块和数据存储模块，所述模型训练模块用于从所述模型优化模块中下载所述待优化的模型，并利用所述数据存储模块提供的数据进行训练；数据存储模块用于为所述模型训练模块提供数据，还用于将训练后的模型参数发送至所述参数聚合模块。

优选地，所述模型容器系统包括自建模型容器系统和第三方模型容器系统，所述自建模型容器系统用于接收和存储在线联邦学习优化后的模型，所述第三方模型容器系统用于接收和存储第三方模型。