[发明专利]故障检测方法、装置及存储介质

权利要求书

1.一种故障检测方法，应用于终端，其特征在于，包括：

获取待检测样本；

从服务器处获取全局模型参数，并基于所述全局模型参数更新所述终端中的局部模型；

基于所述更新的局部模型，对所述待检测样本进行故障检测；

其中，所述全局模型参数由全局模型确定，所述全局模型基于终端发送的局部近似样本分布和样本数训练得到。

2.根据权利要求1所述的方法，其特征在于，所述终端发送的局部近似样本分布采用以下方式获得：

从服务器处获取初始化全局模型参数，根据所述初始化全局模型参数确定终端的待检测样本中各样本的标签，所述标签包括一个或多个标签类型；

基于各样本的标签确定所述终端的局部样本分布，所述局部样本分布表征与每一类型标签对应的样本数占总样本数的比例；

对每一类型的标签进行近似处理，将各标签对应的局部样本分布近似处理为局部近似样本分布。

3.根据权利要求2所述的方法，其特征在于，所述全局模型采用如下方式训练得到：

响应于被服务器选中，对终端中的局部模型进行训练，得到局部更新参数；

发送所述局部更新参数至服务器，以使服务器对接收到的局部更新参数进行聚合，得到全局模型；

其中，所述终端被服务器选中的概率由所述局部近似样本分布和样本数确定。

4.一种故障检测方法，应用于服务器，其特征在于，包括：

接收终端发送的局部近似样本分布和样本数，基于所述局部近似样本分布和样本数训练得到全局模型；

发送全局模型参数至终端，以使终端根据接收到的全局模型参数更新终端中的局部模型，并根据更新后的局部模型对待检测样本进行故障检测。

5.根据权利要求4所述的方法，其特征在于，所述终端发送的局部近似样本分布由终端对终端中的局部样本分布近似处理获得。

6.根据权利要求5所述的方法，其特征在于，所述基于所述局部近似样本分布和样本数训练得到全局模型，包括：

基于所述局部近似样本分布和样本数确定全局近似样本分布；

确定各终端的局部近似样本分布与所述全局近似样本分布的相似度，根据所述相似度的排序将终端分为G组，其中，G为正整数；

基于预设概率自G组中选取G’组终端，G’为小于等于G的正整数；

接收在所述G’组终端中对各终端的局部模型进行训练得到的局部更新模型参数，对所述局部更新模型参数进行聚合，得到所述全局模型参数；

重复上述选取G’组终端、接收局部更新模型参数的步骤，直至迭代次数达到预设阈值；

基于迭代次数达到预设阈值时得到的全局模型参数确定所述全局模型。

7.根据权利要求6所述的方法，其特征在于，所述确定各终端的局部近似样本分布与所述全局近似样本分布的相似度，包括：

根据相对熵运算确定各终端的局部样本分布与所述全局近似样本分布的相似度。

8.根据权利要求6所述的方法，其特征在于，所述预设概率根据局部样本近似分布、全局近似样本分布以及温度系数τ确定，所述温度系数τ随迭代次数的增加而下降。

9.根据权利要求6所述的方法，其特征在于，所述对所述局部更新模型参数进行聚合，得到所述全局模型参数，包括：

对接收到的同组终端发送的局部更新模型参数，基于加权平均进行聚合，得到所述全局模型参数；

对接收到的不同组终端发送的局部更新模型参数，基于狄利克雷分布进行聚合，得到所述全局模型参数。