[发明专利]基于联合学习建立模型需求方的调控方法、装置及设备

权利要求书

1.一种基于联合学习建立模型需求方的调控方法，其特征在于，包括：

在联合学习架构中，接收模型需求方上传的数据，并确定所述模型需求方的数量区间；

根据所述模型需求方的数量区间生成数据调控任务，以便根据所述数据调控任务创建多个所述模型需求方，并为每个所述模型需求方匹配生成相应的配置信息，其中所述配置信息中包含多种类型的属性信息；

根据所述模型需求方的任务请求，为每个所述模型需求方设置对应的行为策略，所述行为策略中包含对模型验证集的设定策略；

当执行所述数据调控任务时，建立所述模型需求方与其他参与方之间的通信通道，并根据所述配置信息以及所述行为策略，生成与每个所述模型需求方相对应的需求方对象，基于所述需求方对象执行所述数据调控任务。

2.根据权利要求1所述的方法，其特征在于，所述数据调控任务包括数据仿真任务，在所述接收模型需求方上传的数据，并确定所述模型需求方的数量区间之前，所述方法还包括：

调取预设的基于联合学习的分配激励机制算法，根据所述分配激励机制算法，创建与所述分配激励机制算法相对应的数据仿真任务，并在所述数据仿真平台中生成与所述数据仿真任务相对应的仿真环境对象，其中，所述数据仿真任务用于对所述基于联合学习的分配激励机制算法进行仿真验证。

3.根据权利要求2所述的方法，其特征在于，所述接收模型需求方上传的数据，并确定所述模型需求方的数量区间，包括：

在创建的所述数据仿真任务中，接收所述模型需求方上传的数据，根据所述数据中的标识信息，确定所述模型需求方的数量区间，以便在所述数量区间内随机生成若干个模型需求方。

4.根据权利要求1所述的方法，其特征在于，所述为每个所述模型需求方匹配生成相应的配置信息，包括：

基于所述模型需求方的标识信息，从预先设定的属性信息库中随机抽取不同类型的属性信息，并将抽取的所述不同类型的属性信息与所述模型需求方的标识信息进行绑定，对所述不同类型的属性信息进行组合得到所述配置信息；

其中，所述配置信息中包含以下信息：模型类型、交易数据、模型精度要求和仿真时间步。

5.根据权利要求2所述的方法，其特征在于，所述根据所述模型需求方的任务请求，为每个所述模型需求方设置对应的行为策略，包括：

根据所述模型需求方的任务请求，确定所述模型需求方的模型需求信息，根据所述模型需求信息以及所述数据仿真任务，为每个所述模型需求方设置相应的行为策略，其中，所述行为策略包括是否设定模型验证集，所述模型验证集的难度在预设的难度区间内。

6.根据权利要求2所述的方法，其特征在于，所述当执行所述数据调控任务时，建立所述模型需求方与其他参与方之间的通信通道，包括：

当判断执行所述数据仿真任务时，根据数据仿真平台中当前创建的所述模型需求方，建立所述模型需求方与其他仿真主体之间的通信通道，其中，所述仿真主体中包括基于联合学习架构所创建的中心节点，所述通信通道用于传输模型信息、分配资金信息以及仿真环境中的公开信息。

7.根据权利要求1所述的方法，其特征在于，所述根据所述配置信息以及所述行为策略，生成与每个所述模型需求方相对应的需求方对象，包括：

利用预先生成的所述模型需求方的配置信息以及行为策略，对存储在数据仿真平台的内存中的数据结构进行参数配置，以便将所述数据结构中的初始配置信息以及初始行为策略对应的初始化参数调整为最新参数，将调整参数后的数据结构作为所述模型需求方对应的需求方对象。

8.根据权利要求1所述的方法，其特征在于，所述基于所述需求方对象执行所述数据调控任务，包括：

将所述需求方对象添加到数据仿真任务对应的仿真环境对象中，并通过指令控制所述需求方对象启动对所述通信通道的监听，以便与所述需求方对象对应的模型需求方与其他仿真主体之间进行信息交换，并使所述模型需求方按照仿真时间步以及接收到的外部信息，生成与所述仿真时间步对应的输出结果。