[发明专利]一种智能学习方法及系统

权利要求书

1.一种智能学习方法，其特征在于，所述智能学习方法包括：

联邦学习建模步骤；guest方选择数据集上传至建模平台，host方选择数据集上传至建模平台；guest方利用host方上传设定项目的数据集，结合自身上传的对应项目的数据集建立至少一联邦学习数学模型；

非联邦学习建模步骤；guest方利用自身带有目标变量的数据单方建立至少一非联邦学习数学模型；

学习步骤；在联邦学习模式下，利用联邦学习建模步骤中建立的设定联邦数学模型进行学习；在非联邦学习模式下，利用非联邦学习建模步骤中建立的设定非联邦数学模型进行学习；

学习模式切换步骤；根据选择将学习模式设定为联邦学习模式或非联邦学习模式，并在对应的学习模式下利用对应的数学模型进行学习。

2.根据权利要求1所述的智能学习方法，其特征在于：

所述联邦学习建模步骤包括：离线训练步骤及在线预测步骤。

3.根据权利要求1所述的智能学习方法，其特征在于：

所述联邦学习数学模型及非联邦学习数学模型共享算法参数设置。

4.根据权利要求1所述的智能学习方法，其特征在于：

所述智能学习方法还包括：学习模式比较步骤，比较利用联邦学习数学模型的结果及利用非联邦学习数学模型的结果，得到比对结果。

5.根据权利要求1所述的智能学习方法，其特征在于：

所述联邦学习建模步骤具体包括：

步骤S1、部署步骤；

在guest方和host方部署AI平台，在guest方和host方部署联邦学习模块，使得guest方和host方同时拥有AI平台和联邦学习的功能；

步骤S2、项目管理步骤；

guest方和host方建立相同名称的项目；

步骤S3、数据集管理步骤；

建立项目后，guest方和host方分别开始选择数据集进行上传至AI平台，两方数据集均属于同样名称的项目；

步骤S4、选择联邦学习框架步骤；

guest方选择联邦学习框架；所述联邦学习框架作为联邦学习后台算法，负责联邦学习算法的离线训练、在线预测；

步骤S5、上传数据步骤；

guest方选择设定项目下的数据集及host方上传的对应项目下的数据集上传至AI平台；

步骤S6、算法参数配置步骤；

选择要上传的数据，配置联邦算法的参数，保存提交参数配置；

步骤S7、联邦学习数学模型建立步骤；

建立联邦学习数学模型。

6.一种智能学习系统，其特征在于，所述智能学习系统包括：

联邦学习建模模块，用以建立联邦学习数学模型；利用guest方上传至建模平台的数据集，host方上传至建模平台的数据集建立至少一联邦学习数学模型；

非联邦学习建模模块，用以利用guest方上传至建模平台的带有目标变量的数据建立至少一非联邦学习数学模型；

学习模块，用以进行数据学习；在联邦学习模式下，利用联邦学习建模步骤中建立的设定联邦数学模型进行学习；在非联邦学习模式下，利用非联邦学习建模步骤中建立的设定非联邦数学模型进行学习；

学习模式切换模块，用以根据选择将学习模式设定为联邦学习模式或非联邦学习模式，并在对应的学习模式下利用对应的数学模型进行学习。

7.根据权利要求6所述的智能学习系统，其特征在于：

所述联邦学习建模模块用以进行离线训练及在线预测。

8.根据权利要求6所述的智能学习系统，其特征在于：

所述联邦学习数学模型及非联邦学习数学模型共享算法参数设置。

9.根据权利要求6所述的智能学习系统，其特征在于：

所述智能学习系统还包括：学习模式比较模块，用以比较利用联邦学习数学模型的结果及利用非联邦学习数学模型的结果，得到比对结果。

10.根据权利要求6所述的智能学习系统，其特征在于：

所述联邦学习建模模块的建模流程具体包括：

步骤S1、部署步骤；

在guest方和host方部署AI平台，在guest方和host方部署联邦学习模块，使得guest方和host方同时拥有AI平台和联邦学习的功能；

步骤S2、项目管理步骤；

guest方和host方建立相同名称的项目；

步骤S3、数据集管理步骤；

建立项目后，guest方和host方分别开始选择数据集进行上传至AI平台，两方数据集均属于同样名称的项目；

步骤S4、选择联邦学习框架步骤；

guest方选择联邦学习框架；所述联邦学习框架作为联邦学习后台算法，负责联邦学习算法的离线训练、在线预测；

步骤S5、上传数据步骤；

guest方选择设定项目下的数据集及host方上传的对应项目下的数据集上传至AI平台；

步骤S6、算法参数配置步骤；

选择要上传的数据，配置联邦算法的参数，保存提交参数配置；

步骤S7、联邦学习数学模型建立步骤；

建立联邦学习数学模型。