CN114079902A - 联邦学习的方法和装置 - Google Patents

Abstract

一种联邦学习的方法和装置，能够实现通过多个NWDAF支持或实现联邦学习，该方法包括：成员节点向发现节点发送注册请求，所述注册请求包联邦学习相关信息。

Description

联邦学习的方法和装置

技术领域

本申请实施例涉及通信领域，具体涉及一种联邦学习的方法和装置。

背景技术

在传统的机器学习建模中，通常是把模型训练需要的数据集合到一个数据中心然后再训练模型，之后预测。在横向联邦学习中，可以看作是基于样本的分布式模型训练，分发全部数据到不同的机器，每台机器从服务器下载模型，然后利用本地数据训练模型，之后返回给服务器需要更新的参数；服务器聚合各机器上的返回的参数，更新模型，再把最新的模型反馈到每台机器。在这个过程中，每台机器下都是相同且完整的模型，且机器之间不交流不依赖，在预测时每台机器也可以独立预测，可以把这个过程看作成基于样本的分布式模型训练。

5G系统(5GS)中考虑引入大数据分析网元(Network Data Analysis Function，NWDAF)，此情况下，如何实现通过多个NWDAF支持或实现联邦学习是一项急需解决的问题。

发明内容

本申请实施例提供一种联邦学习的方法和装置，能够实现通过多个NWDAF支持或实现联邦学习。

第一方面，提供了一种联邦学习的方法，包括：成员节点向发现节点发送注册请求，所述注册请求包联邦学习相关信息。

第二方面，提供了一种联邦学习的方法，包括：发现节点接收成员节点发送的注册请求，所述注册请求包联邦学习相关信息。

第三方面，提供了一种联邦学习的方法，包括：管理节点向发现节点发送发现请求，所述发现请求用于查找能够执行联邦学习业务的网元。

第四方面，提供了一种联邦学习的方法，包括：发现节点接收管理节点发送的发现请求，所述发现请求用于查找能够执行联邦学习业务的网元。

第五方面，提供了一种联邦学习的装置，用于执行上述第一方面至第四方面中任一可能的实现方式中的方法。具体地，该装置包括用于执行上述第一方面至第四方面中的任一可能的实现方式中的方法的单元。

第六方面，提供了一种联邦学习的装置，该装置包括：包括处理器和存储器。该存储器用于存储计算机程序，该处理器用于调用并运行该存储器中存储的计算机程序，执行上述第一方面至第四方面中的任一可能的实现方式中的方法。

第七方面，提供了一种芯片，用于实现上述第一方面至第四方面中的任一方面或其各实现方式中的方法。

具体地，该芯片包括：处理器，用于从存储器中调用并运行计算机程序，使得安装有该芯片的设备执行如上述第一方面至第四方面中的任一方面或其各实现方式中的方法。

第八方面，提供了一种计算机可读存储介质，用于存储计算机程序，该计算机程序使得计算机执行上述第一方面至第四方面中的任一方面或其各实现方式中的方法。

第九方面，提供了一种计算机程序产品，包括计算机程序指令，该计算机程序指令使得计算机执行上述第一方面至第四方面中的任一方面或其各实现方式中的方法。

第十方面，提供了一种计算机程序，当其在计算机上运行时，使得计算机执行上述第一方面至第四方面中的任一方面或其各实现方式中的方法。

附图说明

图1是本申请实施例提供的一种应用场景的示意性图。

图2是本申请实施例提供的一种联邦学习的典型架构。

图3-图4是NF和NWDAF之间的接口的示例。

图5是成员和管理节点之间的关系示意图。

图6是联邦学习过程的一种示例。

图7是成员注册过程的一种示例。

图8是成员发现过程的一种示意性流程图。

图9是根据本申请一个实施例的成员注册，成员发现，模型训练的整体流程图。

图10-图13是本申请实施例提供的一种联邦学习的装置的示意性框图。

图14是本申请另一实施例提供的一种联邦学习的装置的示意性框图。

图15是本申请实施例提供的一种芯片的示意性框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。针对本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请实施例的技术方案可以应用于各种通信系统，例如：全球移动通讯(GlobalSystem of Mobile communication，GSM)系统、码分多址(Code Division MultipleAccess，CDMA)系统、宽带码分多址(Wideband Code Division Multiple Access，WCDMA)系统、通用分组无线业务(General Packet Radio Service，GPRS)、长期演进(Long TermEvolution，LTE)系统、先进的长期演进(Advanced long term evolution，LTE-A)系统、新无线(New Radio，NR)系统、NR系统的演进系统、非授权频谱上的LTE(LTE-based access tounlicensed spectrum，LTE-U)系统、非授权频谱上的NR(NR-based access to unlicensedspectrum，NR-U)系统、非地面通信网络(Non-Terrestrial Networks，NTN)系统、通用移动通信系统(Universal Mobile Telecommunication System，UMTS)、无线局域网(WirelessLocal Area Networks，WLAN)、无线保真(Wireless Fidelity，WiFi)、第五代通信(5th-Generation，5G)系统或其他通信系统等。

通常来说，传统的通信系统支持的连接数有限，也易于实现，然而，随着通信技术的发展，移动通信系统将不仅支持传统的通信，还将支持例如，设备到设备(Device toDevice，D2D)通信，机器到机器(Machine to Machine，M2M)通信，机器类型通信(MachineType Communication，MTC)，车辆间(Vehicle to Vehicle，V2V)通信，或车联网(Vehicleto everything，V2X)通信等，本申请实施例也可以应用于这些通信系统。

可选地，本申请实施例中的通信系统可以应用于载波聚合(CarrierAggregation，CA)场景，也可以应用于双连接(Dual Connectivity，DC)场景，还可以应用于独立(Standalone，SA)布网场景。

可选地，本申请实施例中的通信系统可以应用于非授权频谱，其中，非授权频谱也可以认为是共享频谱；或者，本申请实施例中的通信系统也可以应用于授权频谱，其中，授权频谱也可以认为是非共享频谱。

本申请实施例结合网络设备和终端设备描述了各个实施例，其中，终端设备也可以称为用户设备(User Equipment，UE)、接入终端、用户单元、用户站、移动站、移动台、远方站、远程终端、移动设备、用户终端、终端、无线通信设备、用户代理或用户装置等。

终端设备可以是WLAN中的站点(STATION，ST)，可以是蜂窝电话、无绳电话、会话启动协议(Session Initiation Protocol，SIP)电话、无线本地环路(Wireless Local Loop，WLL)站、个人数字处理(Personal Digital Assistant，PDA)设备、具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备、车载设备、可穿戴设备、下一代通信系统例如NR网络中的终端设备，或者未来演进的公共陆地移动网络(Public LandMobile Network，PLMN)网络中的终端设备等。

在本申请实施例中，终端设备可以部署在陆地上，包括室内或室外、手持、穿戴或车载；也可以部署在水面上(如轮船等)；还可以部署在空中(例如飞机、气球和卫星上等)。

在本申请实施例中，终端设备可以是手机(Mobile Phone)、平板电脑(Pad)、带无线收发功能的电脑、虚拟现实(Virtual Reality，VR)终端设备、增强现实(AugmentedReality，AR)终端设备、工业控制(industrial control)中的无线终端设备、无人驾驶(self driving)中的无线终端设备、远程医疗(remote medical)中的无线终端设备、智能电网(smart grid)中的无线终端设备、运输安全(transportation safety)中的无线终端设备、智慧城市(smart city)中的无线终端设备或智慧家庭(smart home)中的无线终端设备等。

作为示例而非限定，在本申请实施例中，该终端设备还可以是可穿戴设备。可穿戴设备也可以称为穿戴式智能设备，是应用穿戴式技术对日常穿戴进行智能化设计、开发出可以穿戴的设备的总称，如眼镜、手套、手表、服饰及鞋等。可穿戴设备即直接穿在身上，或是整合到用户的衣服或配件的一种便携式设备。可穿戴设备不仅仅是一种硬件设备，更是通过软件支持以及数据交互、云端交互来实现强大的功能。广义穿戴式智能设备包括功能全、尺寸大、可不依赖智能手机实现完整或者部分的功能，例如：智能手表或智能眼镜等，以及只专注于某一类应用功能，需要和其它设备如智能手机配合使用，如各类进行体征监测的智能手环、智能首饰等。

在本申请实施例中，网络设备可以是用于与移动设备通信的设备，网络设备可以是WLAN中的接入点(Access Point，AP)，GSM或CDMA中的基站(Base Transceiver Station，BTS)，也可以是WCDMA中的基站(NodeB，NB)，还可以是LTE中的演进型基站(EvolutionalNode B，eNB或eNodeB)，或者中继站或接入点，或者车载设备、可穿戴设备以及NR网络中的网络设备(gNB)或者未来演进的PLMN网络中的网络设备或者NTN网络中的网络设备等。

作为示例而非限定，在本申请实施例中，网络设备可以具有移动特性，例如网络设备可以为移动的设备。可选地，网络设备可以为卫星、气球站。例如，卫星可以为低地球轨道(low earth orbit，LEO)卫星、中地球轨道(medium earth orbit，MEO)卫星、地球同步轨道(geostationary earth orbit，GEO)卫星、高椭圆轨道(High Elliptical Orbit，HEO)卫星等。可选地，网络设备还可以为设置在陆地、水域等位置的基站。

在本申请实施例中，网络设备可以为小区提供服务，终端设备通过该小区使用的传输资源(例如，频域资源，或者说，频谱资源)与网络设备进行通信，该小区可以是网络设备(例如基站)对应的小区，小区可以属于宏基站，也可以属于小小区(Small cell)对应的基站，这里的小小区可以包括：城市小区(Metro cell)、微小区(Micro cell)、微微小区(Pico cell)、毫微微小区(Femto cell)等，这些小小区具有覆盖范围小、发射功率低的特点，适用于提供高速率的数据传输服务。

示例性的，本申请实施例应用的通信系统100如图1所示。该通信系统100可以包括网络设备110，网络设备110可以是与终端设备120(或称为通信终端、终端)通信的设备。网络设备110可以为特定的地理区域提供通信覆盖，并且可以与位于该覆盖区域内的终端设备进行通信。

图1示例性地示出了一个网络设备和两个终端设备，可选地，该通信系统100可以包括多个网络设备并且每个网络设备的覆盖范围内可以包括其它数量的终端设备，本申请实施例对此不做限定。

可选地，该通信系统100还可以包括网络控制器、移动管理实体等其他网络实体，本申请实施例对此不作限定。

应理解，本申请实施例中网络/系统中具有通信功能的设备可称为通信设备。以图1示出的通信系统100为例，通信设备可包括具有通信功能的网络设备110和终端设备120，网络设备110和终端设备120可以为上文所述的具体设备，此处不再赘述；通信设备还可包括通信系统100中的其他设备，例如网络控制器、移动管理实体等其他网络实体，本申请实施例中对此不做限定。

应理解，本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

应理解，在本申请的实施例中提到的“指示”可以是直接指示，也可以是间接指示，还可以是表示具有关联关系。举例说明，A指示B，可以表示A直接指示B，例如B可以通过A获取；也可以表示A间接指示B，例如A指示C，B可以通过C获取；还可以表示A和B之间具有关联关系。

在本申请实施例的描述中，术语“对应”可表示两者之间具有直接对应或间接对应的关系，也可以表示两者之间具有关联关系，也可以是指示与被指示、配置与被配置等关系。

如图2所示是一种联邦学习的典型架构，其中Server A是管理者，用于向各分布节点发送AI模型以及根据分布节点的反馈结果做模型更新并将更新的AI模型再次发送给分布节点用于下一轮模型训练。图中的数据库(Database)可以认为是多个不同的分布节点(参与方)，每个分布节点有各自的数据，为了不将本地数据发送给其他人(如Server A)，使用Server A发送的模型在本地进行训练后返回给Server A，用于模型更新。分布节点(参与方)可以是网络侧的网元也可以是终端。

模型训练的过程可以包括如下步骤：

step1：参与方各自从服务器A下载最新模型；

step2：每个参与方利用本地数据训练模型，加密梯度上传给服务器A，服务器A聚合各用户的梯度更新模型参数；

step3：服务器A返回更新后的模型给各参与方；

step4：各参与方更新各自模型。

上述step-2到step-4进行多次迭代/模型更新，在一定条件下(如完成一定次数的迭代数量或模型的损失函数计算值低于预设值后，完成模型训练。

在5GS中考虑引入大数据分析网元NWDAF。5G网络在核心网中增加了网络数据分析功能NWDAF，可以从核心网各个网元、网管系统等处收集数据进行大数据统计、分析或者智能化的数据分析，得出网络侧的分析或者预测数据，从而辅助各个网元根据数据分析结果对UE接入进行更有效的控制。

具体的，NWDAF网元可以收集其他网元的数据，用以进行大数据分析。为此，定义了NWDAF与其他网元(例如，NF)之间的接口。包括NF向NWDAF请求某个分析结果(以AnalyticId进行标示)，以及NWDAF向NF发送某个分析的结果。图3和图4是NF和NWDAF之间的接口的示例。

当前的5GS网络中引入了NWDAF作为数据分析，但如果通过多个NWDAF支持或实现联邦学习尚不清楚。

本申请提供了一种联邦学习的方法，使用NRF发现机制来实现联邦学习组成员和管理节点的确定和发现；并且提供了判断联邦学习业务的具体方式(例如，显示发送联邦学习指示、或静态配置Analytics id与联邦学习业务的关系)等。

因此，通过重用当前的5GS架构以及参数实现联邦学习，实现较简单；并且能够根据不同的联邦学习业务标识(Analytics Id)，快速且有效地确定组成员和管理者。

以下，结合图5至图9对根据本申请实施例的联邦学习的方法进行说明。

在本申请一些实施例中，定义Analytics Id对应一种联邦学习业务/行为，每一个特定的Analytics Id可以是对应于一种特定的联邦学习业务。这样的如图5所示，多个成员在管理节点的协调、管理下，执行一个联邦学习业务。管理节点的功能如管理者的功能。

为了实现让管理节点能够找到多个合适的成员中联邦学习，需要执行如下的网元注册和发现机制。

为此，引入网络发现节点，成员可以在发现节点中进行注册，发现节点、管理节点、成员之间的交互关系。如图6所示是联邦学习过程的一种示例。可选地，在一些实施例中，成员可以是网络侧的网元和/或终端设备，包括但不限于核心网控制面、用户面网元(如SMF、UPF、AMF)，基站，应用服务器、移动终端等。管理节点也可以为网络侧网元或终端设备，在此不作限定。发现节点可以是网络侧网元(如Network Repository Function，NRF)或终端设备，在此不作限定。

可选地，在一些实施例中，所述管理节点和成员之间可以执行联邦学习过程。

在一些实施例中，成员注册过程可以如图7所示。成员在发送的注册请求中，包含如下参数中的至少之一：

是否支持联邦学习，或是否愿意执行联邦学习；

支持的联邦学习对应的Analytic Id(一个或多个)；

计算能力。

收到注册请求后，NRF储存该成员的联邦学习的相关信息。可以用于后续网元发现。

在本申请一些实施例中，愿意执行联邦学习可以指允许执行联邦学习。

结合图8，以发现节点为NRF为例说明发现过程。

图8是一种成员发现过程的示意性流程图，具体地，管理节点向NRF发送发现请求，用于查找可以执行联邦学习业务的网元。在发现请求消息中，可以携带如下一个或多个参数：联邦学习指示；

联邦学习业务对应的联邦学习标识ID；

请求的组成员数；

计算能力。

NRF根据发现请求消息中携带的参数回复给管理节点多个组成员信息(如成员标识、成员的IP地址)。具体的，NRF可根据联邦学习指示和/或请求的组成员数确定向管理节点反馈多个组成员的信息，或者NRF根据静态配置得知发现请求中Analytics Id对应的是联邦学习业务，由此为管理节点确定分配多个组成员信息以及组成员的数量。

完成图8所示的发现过程之后，管理节点可以直接与成员进行通信，进行联邦学习。

需要说明的是，本申请实施例不限于纯网络内部联邦学习或终端之间的联邦学习，或终端和网元混合组成的联邦学习场景。

另外，本申请实施例中NRF还可以在管理节点请求联邦学习成员发现时，验证管理节点的合法性，或仅授权允许该管理节点执行的联邦学习任务，如是否允许该管理节点进行联邦学习业务，从而避免非法的管理节点执行联邦学习，或者避免管理节点执行不允许的联邦学习类型。

图9是根据本申请一个实施例的成员注册，成员发现，模型训练的整体流程图。

其中，步骤1-3为各成员client NWDAF与NRF交互进行成员注册。

步骤4-6为各管理节点Server NWDAF与NRF交互发现组成员的过程。

步骤7-13为管理节点Server NWDAF与成员Client NWDAF之间交互进行多次联邦学习迭代后，完成模型训练。

上文结合图5-图9，详细描述了本申请的方法实施例，下文结合图10至图15，详细描述本申请的装置实施例，应理解，装置实施例与方法实施例相互对应，类似的描述可以参照方法实施例。

图10示出了根据本申请实施例的联邦学习的装置400的示意性框图。如图10所示，该装置400包括：

通信单元410，用于向发现节点发送注册请求，所述注册请求包联邦学习相关信息。

可选地，在一些实施例中，所述联邦学习相关信息包括以下中的至少一项：

是否支持联邦学习，或是否愿意执行联邦学习；

支持的联邦学习对应的联邦学习标识ID；

计算能力。

可选地，在一些实施例中，上述通信单元可以是通信接口或收发器，或者是通信芯片或者片上系统的输入输出接口。上述处理单元可以是一个或多个处理器。

应理解，根据本申请实施例的装置400可对应于本申请方法实施例中的终端设备，并且装置400中的各个单元的上述和其它操作和/或功能分别为了实现方法实施例中成员节点的相应流程，为了简洁，在此不再赘述。

图11示出了根据本申请实施例的联邦学习的装置500的示意性框图。如图11所示，该装置500包括：

通信单元510，用于接收成员节点发送的注册请求，所述注册请求包联邦学习相关信息。

可选地，在一些实施例中，所述联邦学习相关信息包括以下中的至少一项：

是否支持联邦学习，或是否愿意执行联邦学习；

支持的联邦学习对应的联邦学习标识ID；

计算能力。

可选地，在一些实施例中，所述装置为网络设备或终端设备。

可选地，在一些实施例中，上述通信单元可以是通信接口或收发器，或者是通信芯片或者片上系统的输入输出接口。上述处理单元可以是一个或多个处理器。

应理解，根据本申请实施例的装置500可对应于本申请方法实施例中的终端设备，并且装置500中的各个单元的上述和其它操作和/或功能分别为了实现方法实施例中发现节点的相应流程，为了简洁，在此不再赘述。

图12示出了根据本申请实施例的联邦学习的装置600的示意性框图。如图12所示，该装置600包括：

通信单元610，用于向发现节点发送发现请求，所述发现请求用于查找能够执行联邦学习业务的网元。

可选地，在一些实施例中，所述发现请求包括如下中的至少一项：

联邦学习指示；

联邦学习业务对应的联邦学习业务标识ID；

请求的组成员数；

计算能力。

可选地，在一些实施例中，上述通信单元可以是通信接口或收发器，或者是通信芯片或者片上系统的输入输出接口。上述处理单元可以是一个或多个处理器。

应理解，根据本申请实施例的装置600可对应于本申请方法实施例中的终端设备，并且装置600中的各个单元的上述和其它操作和/或功能分别为了实现方法实施例中管理节点的相应流程，为了简洁，在此不再赘述。

图13示出了根据本申请实施例的联邦学习的装置700的示意性框图。如图13所示，该装置700包括：

通信单元710，用于接收管理节点发送的发现请求，所述发现请求用于查找能够执行联邦学习业务的网元。

可选地，在一些实施例中，所述发现请求包括如下中的至少一项：

联邦学习指示；

联邦学习业务对应的联邦学习业务标识ID；

请求的组成员数；

计算能力。

可选地，在一些实施例中，所述装置700还包括：

处理单元，用于根据所述联邦学习指示和/或请求的组成员数确定向所述管理节点反馈多个组成员的信息；或者

根据预配置信息渠道发现请求中联邦学习标识ID对应的是联邦学习业务，并确定分配多个组成员信息以及组成员的数量。

可选地，在一些实施例中，上述通信单元可以是通信接口或收发器，或者是通信芯片或者片上系统的输入输出接口。上述处理单元可以是一个或多个处理器。

应理解，根据本申请实施例的装置700可对应于本申请方法实施例中的终端设备，并且装置700中的各个单元的上述和其它操作和/或功能分别为了实现方法实施例中发现节点的相应流程，为了简洁，在此不再赘述。

图14是本申请实施例提供的一种装置800示意性结构图。图8所示的通信设备800包括处理器810，处理器810可以从存储器中调用并运行计算机程序，以实现本申请实施例中的方法。

可选地，如图8所示，装置800还可以包括存储器820。其中，处理器810可以从存储器820中调用并运行计算机程序，以实现本申请实施例中的方法。

其中，存储器820可以是独立于处理器810的一个单独的器件，也可以集成在处理器810中。

可选地，如图8所示，装置800还可以包括收发器830，处理器810可以控制该收发器830与其他设备进行通信，具体地，可以向其他设备发送信息或数据，或接收其他设备发送的信息或数据。

其中，收发器830可以包括发射机和接收机。收发器830还可以进一步包括天线，天线的数量可以为一个或多个。

可选地，该装置800具体可为本申请实施例的网络设备，并且该装置800可以实现本申请实施例的各个方法中由网络设备实现的相应流程，为了简洁，在此不再赘述。

可选地，该装置800具体可为本申请实施例的移动终端/终端设备，并且该装置800可以实现本申请实施例的各个方法中由移动终端/终端设备实现的相应流程，为了简洁，在此不再赘述。

图15是本申请实施例的芯片的示意性结构图。图15所示的芯片900包括处理器910，处理器910可以从存储器中调用并运行计算机程序，以实现本申请实施例中的方法。

可选地，如图15所示，芯片900还可以包括存储器920。其中，处理器910可以从存储器920中调用并运行计算机程序，以实现本申请实施例中的方法。

其中，存储器920可以是独立于处理器910的一个单独的器件，也可以集成在处理器910中。

可选地，该芯片900还可以包括输入接口930。其中，处理器910可以控制该输入接口930与其他设备或芯片进行通信，具体地，可以获取其他设备或芯片发送的信息或数据。

可选地，该芯片900还可以包括输出接口940。其中，处理器910可以控制该输出接口940与其他设备或芯片进行通信，具体地，可以向其他设备或芯片输出信息或数据。

可选地，该芯片可应用于本申请实施例中的网络设备，并且该芯片可以实现本申请实施例的各个方法中由网络设备实现的相应流程，为了简洁，在此不再赘述。

可选地，该芯片可应用于本申请实施例中的移动终端/终端设备，并且该芯片可以实现本申请实施例的各个方法中由移动终端/终端设备实现的相应流程，为了简洁，在此不再赘述。

应理解，本申请实施例提到的芯片还可以称为系统级芯片，系统芯片，芯片系统或片上系统芯片等。

应理解，本申请实施例的处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

可以理解，本申请实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，DR RAM)。应注意，本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。

应理解，上述存储器为示例性但不是限制性说明，例如，本申请实施例中的存储器还可以是静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic RAM，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synch link DRAM，SLDRAM)以及直接内存总线随机存取存储器(Direct Rambus RAM，DR RAM)等等。也就是说，本申请实施例中的存储器旨在包括但不限于这些和任意其它适合类型的存储器。

本申请实施例还提供了一种计算机可读存储介质，用于存储计算机程序。

可选的，该计算机可读存储介质可应用于本申请实施例中的网络设备，并且该计算机程序使得计算机执行本申请实施例的各个方法中由网络设备实现的相应流程，为了简洁，在此不再赘述。

可选地，该计算机可读存储介质可应用于本申请实施例中的移动终端/终端设备，并且该计算机程序使得计算机执行本申请实施例的各个方法中由移动终端/终端设备实现的相应流程，为了简洁，在此不再赘述。

本申请实施例还提供了一种计算机程序产品，包括计算机程序指令。

可选的，该计算机程序产品可应用于本申请实施例中的网络设备，并且该计算机程序指令使得计算机执行本申请实施例的各个方法中由网络设备实现的相应流程，为了简洁，在此不再赘述。

可选地，该计算机程序产品可应用于本申请实施例中的移动终端/终端设备，并且该计算机程序指令使得计算机执行本申请实施例的各个方法中由移动终端/终端设备实现的相应流程，为了简洁，在此不再赘述。

本申请实施例还提供了一种计算机程序。

可选的，该计算机程序可应用于本申请实施例中的网络设备，当该计算机程序在计算机上运行时，使得计算机执行本申请实施例的各个方法中由网络设备实现的相应流程，为了简洁，在此不再赘述。

可选地，该计算机程序可应用于本申请实施例中的移动终端/终端设备，当该计算机程序在计算机上运行时，使得计算机执行本申请实施例的各个方法中由移动终端/终端设备实现的相应流程，为了简洁，在此不再赘述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (25)

1.一种联邦学习的方法，其特征在于，包括：

成员节点向发现节点发送注册请求，所述注册请求包联邦学习相关信息。

2.根据权利要求1所述的方法，其特征在于，所述联邦学习相关信息包括以下中的至少一项：

是否支持联邦学习，或是否愿意执行联邦学习；

支持的联邦学习对应的联邦学习标识ID；

计算能力。

3.一种联邦学习的方法，其特征在于，包括：

发现节点接收成员节点发送的注册请求，所述注册请求包联邦学习相关信息。

4.根据权利要求3所述的方法，其特征在于，所述联邦学习相关信息包括以下中的至少一项：

是否支持联邦学习，或是否愿意执行联邦学习；

支持的联邦学习对应的联邦学习标识ID；

计算能力。

5.根据权利要求3或4所述的方法，其特征在于，所述发现节点为网络设备或终端设备。

6.一种联邦学习的方法，其特征在于，包括：

管理节点向发现节点发送发现请求，所述发现请求用于查找能够执行联邦学习业务的网元。

7.根据权利要求6所述的方法，其特征在于，所述发现请求包括如下中的至少一项：

联邦学习指示；

联邦学习业务对应的联邦学习业务标识；

请求的组成员数；

计算能力。

8.一种联邦学习的方法，其特征在于，包括：

发现节点接收管理节点发送的发现请求，所述发现请求用于查找能够执行联邦学习业务的网元。

9.根据权利要求8所述的方法，其特征在于，所述发现请求包括如下中的至少一项：

联邦学习指示；

联邦学习业务对应的联邦学习标识ID；

请求的组成员数；

计算能力。

10.根据权利要求9所述的方法，其特征在于，所述方法还包括：

所述发现节点根据所述联邦学习指示和/或请求的组成员数确定向所述管理节点反馈多个组成员的信息；或者

所述发现节点根据预配置信息渠道发现请求中联邦学习标识ID对应的是联邦学习业务，并确定分配多个组成员信息以及组成员的数量。

11.一种联邦学习的装置，其特征在于，包括：

通信单元，用于向发现节点发送注册请求，所述注册请求包联邦学习相关信息。

12.根据权利要求11所述的装置，其特征在于，所述联邦学习相关信息包括以下中的至少一项：

是否支持联邦学习，或是否愿意执行联邦学习；

支持的联邦学习对应的联邦学习标识ID；

计算能力。

13.一种联邦学习的装置，其特征在于，包括：

通信单元，用于接收成员节点发送的注册请求，所述注册请求包联邦学习相关信息。

14.根据权利要求13所述的装置，其特征在于，所述联邦学习相关信息包括以下中的至少一项：

是否支持联邦学习，或是否愿意执行联邦学习；

支持的联邦学习对应的联邦学习标识ID；

计算能力。

15.根据权利要求13或14所述的装置，其特征在于，所述装置为网络设备或终端设备。

16.一种联邦学习的装置，其特征在于，包括：

通信单元，用于向发现节点发送发现请求，所述发现请求用于查找能够执行联邦学习业务的网元。

17.根据权利要求16所述的装置，其特征在于，所述发现请求包括如下中的至少一项：联邦学习指示；

联邦学习业务对应的联邦学习标识ID；

请求的组成员数；

计算能力。

18.一种联邦学习的装置，其特征在于，包括：

通信单元，用于接收管理节点发送的发现请求，所述发现请求用于查找能够执行联邦学习业务的网元。

19.根据权利要求18所述的装置，其特征在于，所述发现请求包括如下中的至少一项：联邦学习指示；

联邦学习业务对应的联邦学习标识ID；

请求的组成员数；

计算能力。

20.根据权利要求19所述的装置，其特征在于，所述装置还包括：

处理单元，用于根据所述联邦学习指示和/或请求的组成员数确定向所述管理节点反馈多个组成员的信息；或者

所述发现节点根据预配置信息渠道发现请求中联邦学习标识ID对应的是联邦学习业务，并确定分配多个组成员信息以及组成员的数量。

21.一种联邦学习的装置，其特征在于，包括：处理器和存储器，该存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，执行如权利要求1至2中任一项所述的方法，或权利要求3-5中任一项所述的方法，或权利要求6-7中任一项所述的方法，或权利要求8-10中任一项。

22.一种芯片，其特征在于，包括：处理器，用于从存储器中调用并运行计算机程序，使得安装有所述芯片的设备执行如权利要求1至2中任一项所述的方法，或权利要求3-5中任一项所述的方法，或权利要求6-7中任一项所述的方法，或权利要求8-10中任一项。

23.一种计算机可读存储介质，其特征在于，用于存储计算机程序，所述计算机程序使得计算机执行如权利要求1至2中任一项所述的方法，或权利要求3-5中任一项所述的方法，或权利要求6-7中任一项所述的方法，或权利要求8-10中任一项。

24.一种计算机程序产品，其特征在于，包括计算机程序指令，该计算机程序指令使得计算机执行如权利要求1至2中任一项所述的方法，或权利要求3-5中任一项所述的方法，或权利要求6-7中任一项所述的方法，或权利要求8-10中任一项。

25.一种计算机程序，其特征在于，所述计算机程序使得计算机执行如权利要求1至2中任一项所述的方法，或权利要求3-5中任一项所述的方法，或权利要求6-7中任一项所述的方法，或权利要求8-10中任一项。

Images