[发明专利]信息处理系统、方法、装置、设备及存储介质

说明书

本申请属于信息处理技术领域，具体涉及一种信息处理系统、方法、装置、设备及存储介质。本申请旨在解决无法在短时间内得到训练后的全局模型的问题。该系统包括：参与联邦学习的第一数据提供方、协作方和多个第二数据提供方；第一数据提供方用于生成并向协作方发送数字孪生模型；数字孪生模型用于反映目标结果与影响所述目标结果的多个设备运行状态之间的关系；协作方用将数字孪生模型发送给各个第二数据提供方，以使第二数据提供方基于本地数据对数字孪生模型进行训练并接收相应的模型参数；并对所述模型参数进行聚合处理，得到全局模型，使得各个第二数据提供方能够在数字孪生模型的基础上进行训练，从而提高确定全局模型的效率。

技术领域

本申请属于信息处理技术领域，具体涉及一种信息处理系统、方法、装置、设备及存储介质。

背景技术

联邦机器学习(Federated machine learning)，又称联邦学习(FederatedLearning)，能够在数据不出本地的前提下，联合各方进行数据使用和协同建模，成为隐私保护计算中的一种常用方法。

现有的联邦学习的训练方法中，参与联邦学习训练的包括协作方和各个数据提供方。在进行训练时，协作方与各个数据提供方共同确定下发的初始模型，基于各个数据提供方的本地数据进行训练，但是，数据提供方较多，且若每个数据提供方的数据量较大时，则会存在训练时间较长的问题。

因此，现有技术无法在短时间内得到训练后的全局模型，具有效率较低的问题。

发明内容

为了解决现有技术中的上述问题，即为了解决无法在短时间内得到训练后的全局模型，存在训练效率较低的问题，本申请提供了一种信息处理系统、方法、装置、设备及存储介质，通过在第一数据提供方中设置数字孪生平台，对第一数据提供方中的实体目标设备的运行过程进行模拟，得到数字孪生模型，再将得到的数字孪生模型去指导第二数据提供方，使得第二数据提供方能够快速准确的确定模型参数，进而提高全局模型的训练效率。

第一方面，本申请实施例提供了一种信息处理系统，所述系统包括：参与联邦学习的第一数据提供方、协作方和多个第二数据提供方；

所述第一数据提供方用于生成并向协作方发送数字孪生模型；所述数字孪生模型是基于数字孪生平台对实体目标设备运行过程进行模拟测试得到的；所述数字孪生平台设置在第一数据提供方中；所述数字孪生模型用于反映目标结果与影响所述目标结果的多个设备运行状态之间的关系；

所述协作方用于接收所述第一数据提供方发送的数字孪生模型，并将所述数字孪生模型发送给各个第二数据提供方，并接收各个第二数据提供方上传的模型参数；对所述模型参数进行聚合处理，得到全局模型；

所述第二数据提供方用于接收所述协作方发送的数字孪生模型，并根据各自的本地数据对所述数字孪生模型进行训练以得到模型参数，并将所述模型参数发送给所述协作方。

第二方面，本申请实施例提供了一种信息处理方法，所述方法应用于第一数据提供方，所述方法包括：

基于数字孪生平台对实体目标设备运行过程进行模拟预测，根据预测结果确定数字孪生模型；所述数字孪生模型是基于数字孪生平台对实体目标设备运行过程进行模拟测试得到的；所述数字孪生平台设置在第一数据提供方中；所述数字孪生模型用于反映目标结果与影响所述目标结果的多个设备运行状态之间的关系；

将所述数字孪生模型发送给协作方，以使协作方将所述数字孪生模型发送给各个第二数据提供方。

可选的，所述基于数字孪生平台对实体目标设备运行过程进行模拟预测，根据预测结果确定数字孪生模型，包括：

生成改变影响目标结果的当前所有设备运行状态的控制指令；

根据所述控制指令在三维模型中模拟实体目标设备的运行过程，并得到与所述控制指令对应的预测结果；所述三维模型是基于所述实体目标设备建立的；