[发明专利]前后端分离的异步联邦学习方法、系统、装置及存储介质

权利要求书

1.一种前后端分离的异步联邦学习方法，所述前后端分离的异步联邦学习方法应用于前后端分离的异步联邦学习系统，所述系统包括前端和后端，所述前端和所述后端之间以接口形式进行数据交换；所述前端的用户身份包括服务使用者、系统管理者和训练参与者；其特征在于，所述方法包括：

根据待训练服务，所述服务使用者向所述后端发送服务请求信息；

所述后端接收到的所述服务请求信息推送给所述系统管理者；

根据接收到的所述服务请求信息，所述系统管理者设置所述待训练服务对应的待执行任务的全局训练策略，并将所述全局训练策略发送给所述后端；

根据所述全局训练策略，所述后端开始所述待执行任务的异步联邦学习；

在所述异步联邦学习的过程中，所述后端向所述训练参与者发送训练通知；

根据所述训练通知，所述训练参与者训练本地模型，并将训练好的所述本地模型上传至所述后端；

所述后端根据接收到的所述本地模型生成全局模型，并对所述全局模型进行评估；

当评估通过，所述后端更新所述待训练服务的使用状态，并将更新后的所述使用状态返回所述服务使用者；

所述服务使用者接收到所述使用状态后，向所述后端发送对应所述待训练服务的本地服务请求；

根据所述本地服务请求，所述后端向所述服务使用者发送所述全局模型；

所述服务使用者接收所述全局模型并进行本地服务计算，获得服务计算结果，并将所述服务计算结果在前端界面进行可视化。

2.根据权利要求1所述的前后端分离的异步联邦学习方法，其特征在于，所述方法还包括：

在所述后端接收到所述服务请求信息之后，所述后端将所述服务请求信息记录于后端数据库；

所述后端向所述服务使用者发送响应信息，声明所述响应信息为信息流；

根据所述响应信息，所述服务使用者更新所在的前端界面；

在接收到所述使用状态后，关闭信息流通道，并在所述前端界面进行弹窗提示或提供本地服务请求按钮；

其中，所述本地服务按钮为向所述后端发送所述本地服务请求的接口按钮。

3.根据权利要求1所述的前后端分离的异步联邦学习方法，其特征在于，所述根据所述训练通知，所述训练参与者训练本地模型，并将训练好的所述本地模型上传至所述后端，包括：

所述训练通知中包括对应所述待执行任务的特殊事件标识和本地模型上传接口；

根据所述特殊事件标识，所述训练参与者向所述后端发送用户信息查询请求；

根据所述用户信息查询请求，所述后端判断所述训练参与者是否首次训练所述待执行任务；

若所述训练参与者为首次训练所述待执行任务，所述后端向所述训练参与者返回所述待执行任务对应的全局训练策略，全局加密模型、本地训练容器镜像和容器配置文件；

所述训练参与者根据接收到的所述本地训练容器镜像和容器配置文件部署本地训练容器，并保存所述全局训练策略；

所述训练参与者将所述全局加密模型导入所述本地训练容器，根据所述全局训练策略对所述全局加密模型进行训练，得到所述本地模型；

通过所述本地模型上传接口，所述训练参与者将所述本地模型上传至所述后端。

4.根据权利要求1所述的前后端分离的异步联邦学习方法，其特征在于，所述方法还包括：

根据所述本地服务请求，所述后端向所述服务使用者发送本地计算容器镜像和所述容器配置文件；

所述服务使用者根据所述本地计算容器镜像和容器配置文件部署本地计算容器；

所述服务使用者接收所述全局模型并进行本地服务计算，获得服务计算结果这一步骤，具体为：

将所述全局模型导入所述本地计算容器，并运行所述本地计算容器，获得所述服务计算结果。

5.根据权利要求1-4任一项所述的前后端分离的异步联邦学习方法，其特征在于，所述方法还包括：

当评估不通过，所述后端接收新的所述本地模型，根据新的所述本地模型对所述全局模型进行更新，并对更新后的所述全局模型重新进行评估。