[发明专利]一种训练模型的方法及系统

说明书

本申请实施例提供的训练模型的方法，获取第一请求，第一请求包括用户的地理位置；根据地理位置，向第一集群发送指示信息，从而指示第一集群中的每个边缘服务器训练第一模型；从第一集群获取通过区块链中的至少部分边缘服务器验证的第一模型；根据通过验证的第一模型，生成目标模型。该方法由中心服务器根据第一模型生成目标模型，不需要用户提供本地样本集，保护了用户的数据安全；在边缘服务器受到攻击时，不会泄露用户的全部数据，保证了数据的安全性；根据区块链中的至少部分边缘服务器对第一模型进行验证，根据通过验证的第一模型生成目标模型，提高了目标模型的可靠性。

技术领域

本申请属于边缘计算技术领域，尤其涉及一种训练模型的方法及系统。

背景技术

随着计算机技术的迅速发展，深度学习(Deep Learning，DL)受到越来越多的关注。应用深度学习需要训练深度学习模型(DL模型)。但是，训练一个有效的DL模型需要大量的资源，例如设备的计算能力、存储能力等。一些个人用户或小型公司可能缺乏足够的设备或资金训练复杂的DL模型。

深度学习即服务(Deep Learning as a Service，DLaaS)平台的出现缓解了DL模型训练的问题。相关技术中，DLaaS平台在云数据中心设置了DL资源池，用户提供原始数据集以及目标DL模型，DLaaS平台自动调度训练机器并部署运行环境，最终将训练结果和模型返回给用户。该技术使得用户能够将DL模型的训练过程卸载到DLaaS平台。

由于用户需要将原始数据集上传到DLaaS平台，当DLaaS平台受到攻击者的入侵时，用户的信息、数据将可能被泄露和篡改，基于篡改后的数据得到的DL模型并不是真实的模型。因此，DLaaS平台的安全性和可靠性较低。

发明内容

针对上述技术问题，本申请实施例提供一种训练模型的方法及系统，能够保证数据的安全性和模型的可靠性。

第一方面，本申请实施例提供了一种训练模型的方法，应用于训练模型的系统，所述系统包括中心服务器、多个边缘服务器以及区块链，所述多个边缘服务器为所述区块链中的多个区块链节点，所述方法包括：

获取第一请求，所述第一请求包括用户的地理位置；

根据所述地理位置，向第一集群发送指示信息，所述第一集群是根据所述地理位置确定的，所述指示信息指示所述第一集群中的每个边缘服务器训练第一模型，训练得到的多个所述第一模型属于目标模型的多个子模型；

从所述第一集群获取通过所述区块链中的至少部分边缘服务器验证的所述第一模型；

根据所述通过所述区块链中的至少部分边缘服务器验证的所述第一模型，生成所述目标模型。

特别地，根据所述地理位置，向第一集群发送指示信息，包括：

根据所述地理位置、所述目标模型的类型，向第一集群发送指示信息，所述第一集群是根据所述地理位置以及所述目标模型的类型确定的。

特别地，所述方法还包括：

获取所述多个边缘服务器的运行状况；

所述根据所述地理位置，向第一集群发送指示信息，包括：

根据所述地理位置、所述多个边缘服务器的运行状况，向第一集群发送指示信息，所述第一集群是根据所述地理位置以及所述多个边缘服务器的运行状况确定的。

考虑到地理位置以及边缘服务器的运行状况，能够快速响应第一请求，最小化模型训练任务的计算延迟。

特别地，所述第一模型是所述第一集群中的每个边缘服务器在所述指示信息的指示下，获取资源后，根据所述资源训练得到的，所述资源包括训练环境。