[发明专利]联邦学习模型的生成方法、装置、计算机设备及存储介质

说明书

本发明公开了一种联邦学习模型的生成方法，应用于数据处理技术领域。本发明提供的方法包括：接收客户端的模型训练请求，从所述模型训练请求中获取模型任务图和任务信息，对所述模型任务图进行解析，得到至少两个任务组件以及所述任务组件之间的连接关系；判断任意两个具有连接关系的所述任务组件之间的逻辑关系，得到逻辑结果，基于每个所述逻辑结果，构建模型训练任务；基于所述任务信息，执行所述模型训练任务，得到联邦学习模型；将所述联邦学习模型保存至所述客户端的本地目录，供所述客户端应用所述联邦学习模型。本发明用于提高医疗机构生成联邦学习模型的效率，降低医疗机构进行联邦学习应用的开发复杂度。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种联邦学习模型的生成方法、装置、计算机设备及存储介质。

背景技术

近几年来，医疗领域对AI(ArtificialIntelligence，人工智能)技术的转化需求激增，希望借助AI技术加速医疗创新技术的突破，切实提升AI医疗发展业务。

其中，联邦学习被寄予厚望，作为基础技术框架，联邦学习可以打破医疗机构之间的信息壁垒和数据孤岛问题，实现在保证医疗机构的数据安全性的前提下，通过联邦学习构建医疗应用模型。

联邦学习模型的构建过程复杂，涉及领域过多。传统的联邦学习模型构建过程中，参数调试复杂，流程冗长复杂，并且需要兼顾系统性能、使用资源等指标，在实际过程中，对技术人员的专业素养要求很高。

大部分医疗机构并没有专门的机器学习人员，且开发联邦学习的平台需要大量的支出，使得医疗机构在构建联邦学习模型利用联邦学习的手段挖掘并分析医疗数据进行医疗研究的需求不能被满足。

发明内容

本发明提供一种联邦学习模型的生成方法、装置、计算机设备及存储介质，以提高医疗机构生成联邦学习模型的效率，降低医疗机构进行联邦学习的开发复杂度。

一种联邦学习模型的生成方法，包括：

接收客户端的模型训练请求，从模型训练请求中获取模型任务图和任务信息，对模型任务图进行解析，得到至少两个任务组件以及任务组件之间的连接关系；

判断任意两个具有连接关系的任务组件之间的逻辑关系，得到逻辑结果，基于每个逻辑结果，构建模型训练任务；

基于任务信息，执行模型训练任务，得到联邦学习模型；

将联邦学习模型保存至客户端的本地目录，供客户端应用联邦学习模型。

一种联邦学习模型的生成装置，包括：

任务组件解析模块，用于接收客户端的模型训练请求，从模型训练请求中获取模型任务图和任务信息，对模型任务图进行解析，得到至少两个任务组件以及每个任务组件之间的连接关系；

训练任务构建模块，用于判断任意两个具有连接关系的任务组件之间的逻辑关系，得到逻辑结果，基于每个逻辑结果，构建模型训练任务；

训练任务执行模块，用于基于任务信息，执行模型训练任务，得到联邦学习模型；

模型结果处理模块，用于将联邦学习模型保存至客户端的本地目录，供客户端应用联邦学习模型。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述联邦学习模型的生成方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述联邦学习模型的生成方法的步骤。