WO2023030077A1 - 一种通信方法、通信装置及通信系统 - Google Patents
一种通信方法、通信装置及通信系统 Download PDFInfo
- Publication number
- WO2023030077A1 WO2023030077A1 PCT/CN2022/114043 CN2022114043W WO2023030077A1 WO 2023030077 A1 WO2023030077 A1 WO 2023030077A1 CN 2022114043 W CN2022114043 W CN 2022114043W WO 2023030077 A1 WO2023030077 A1 WO 2023030077A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- network element
- training
- model
- encrypted
- type
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 259
- 238000004891 communication Methods 0.000 title claims abstract description 81
- 238000012549 training Methods 0.000 claims abstract description 451
- 238000004458 analytical method Methods 0.000 claims abstract description 334
- 230000004044 response Effects 0.000 claims abstract description 126
- 238000004422 calculation algorithm Methods 0.000 claims description 73
- 238000013523 data management Methods 0.000 claims description 52
- 238000004590 computer program Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 description 83
- 238000012545 processing Methods 0.000 description 30
- 238000007726 management method Methods 0.000 description 24
- 238000012546 transfer Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000007405 data analysis Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 101150119040 Nsmf gene Proteins 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/03—Protecting confidentiality, e.g. by encryption
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
Abstract
本申请实施例提供一种通信方法、通信装置及通信系统。该方法包括:推理网元向训练网元发送第一请求消息,该第一请求消息包括分析类型的标识信息,训练网元与推理网元的厂商类型不同且模型部署平台的类型相同;接收来自训练网元的第一响应消息,该第一响应消息包括加密的模型或者该加密的模型的地址信息;根据该加密的模型得到加密的分析结果;根据该加密的分析结果获取解密的分析结果。该方案,推理网元和训练网元可以由不同厂商部署,打破了现有方案中模型只能同厂商部署的限制。
Description
相关申请的交叉引用
本申请要求在2021年09月03日提交中国专利局、申请号为202111030657.9、申请名称为“一种通信方法、通信装置及通信系统”的中国专利申请的优先权,其全部内容通过引用结合在本申请中。
本申请涉及通信技术领域,尤其涉及一种通信方法、通信装置及通信系统。
训练网元可以训练模型,并将训练好的模型提供给推理网元,推理网元将待分析的数据输入到模型中进行推理,得到分析结果。
为支持推理网元选择合适的训练网元,目前一般是在推理网元的本地配置一个或多个训练网元的地址信息以及每个训练网元支持的分析类型的标识信息,推理网元可以根据待分析的数据对应的分析类型,从该一个或多个训练网元中选择一个可以提供模型的训练网元。并且,推理网元与每个训练网元的厂商相同,且使用的模型部署平台也相同。
然而,将推理网元和训练网元限定在同厂商,无法实现模型跨厂商共享。
发明内容
本申请实施例提供一种通信方法、通信装置及通信系统,用以实现模型跨厂商共享。
第一方面,本申请实施例提供一种通信方法,该方法可以由推理网元或应用于推理网元中的模块(如芯片)来执行。以推理网元执行该通信方法为例,该方法包括:推理网元向训练网元发送第一请求消息,该第一请求消息包括分析类型的标识信息,该第一请求消息用于请求支持该分析类型的模型,该训练网元与该推理网元的厂商类型不同,该推理网元和该训练网元的模型部署平台的类型相同;该推理网元接收来自该训练网元的第一响应消息,该第一响应消息包括加密的模型或者该加密的模型的地址信息,该加密的模型支持该分析类型;该推理网元根据该加密的模型,得到加密的分析结果;该推理网元根据该加密的分析结果,获取解密的分析结果。
该方案,推理网元和训练网元由不同厂商部署,但二者使用的模型部署平台相同,打破了现有解决方案中模型只能同厂商共享的限制。该方案提供了模型跨厂商加密分发的流程,增强了训练网元将模型加密分发的能力,规避了推理网元的部署厂商窃取模型的框架和参数等信息的风险。
在一种可能的实现方法中,该推理网元向该训练网元发送该加密的分析结果;该推理网元接收来自该训练网元的该解密的分析结果。
该方案,由于训练网元是模型的加密网元,因此由训练网元对加密的分析结果进行解密,可以实现加密的分析结果的精确解密。
在一种可能的实现方法中,该第一响应消息中还包括第一指示信息,该第一指示信息指示由该训练网元对该加密的分析结果进行解密。
该方案,推理网元根据该第一指示信息,可以准确获知对加密的分析结果进行加密的网元是训练网元。
在一种可能的实现方法中,该推理网元向该训练网元发送该加密的分析结果和关联标识,该关联标识用于该训练网元确定该加密的模型对应的加密算法。
该方案,通过关联标识,使得训练网元可以准确获取加密的模型对应的加密算法,进而准确获知对加密的分析进行解密所要使用的解密算法,可以提升解密的效率。
在一种可能的实现方法中,该第一响应消息中还包括第一网元的地址信息;该推理网元根据该第一网元的地址信息,向该第一网元发送该加密的分析结果;该推理网元接收来自该第一网元的该解密的分析结果。
该方案,当训练网元无法对加密的分析结果进行解密时,可以由第一网元对加密的分析结果进行解密,从而可以保证推理网元可以获得解密的分析结果。
在一种可能的实现方法中,该推理网元根据该第一网元的地址信息,向该第一网元发送该加密的分析结果和关联标识,该关联标识用于该第一网元确定该加密的模型对应的加密算法。
该方案,通过关联标识,使得第一网元可以准确获取加密的模型对应的加密算法,进而准确获知对加密的分析进行解密所要使用的解密算法,可以提升解密的效率。
在一种可能的实现方法中,该第一响应消息中还包括第二指示信息,该第二指示信息用于指示该加密的模型对应的输入数据的数据类型。
该方案,通过该第二指示信息,使得推理网元对输入数据进行相应预处理,得到符合要求的待分析的数据,可以提升数据推理的效率。
在一种可能的实现方法中,该第一请求消息中还包含该推理网元的厂商类型和该推理网元的模型部署平台的类型。
该方案,通过在第一请求消息中携带推理网元的厂商类型和推理网元的模型部署平台的类型,使得训练网元可以判断训练网元与推理网元的厂商类型是否相同,以及判断训练网元与推理网元的模型部署平台的类型是否相同,从而便于训练网元选择合适的方法为推理网元提供数据推理功能,可以提升数据推理的效率。
在一种可能的实现方法中,该推理网元向训练网元发送第一请求消息之前,向数据管理网元发送第二请求消息,该第二请求消息包括该分析类型的标识信息,该第二请求消息用于请求支持该分析类型的网元;该推理网元接收来自该数据管理网元的第二响应消息,该第二响应消息包括该训练网元的地址信息。
该方案,推理网元可以从数据管理网元请求发现训练网元,可以实现准确发现能够提供模型的训练网元。
第二方面,本申请实施例提供一种通信方法,该方法可以由训练网元或应用于训练网元中的模块(如芯片)来执行。以训练网元执行该通信方法为例,该方法包括:训练网元接收来自推理网元的第一请求消息,该第一请求消息包括分析类型的标识信息,该第一请求消息用于请求支持该分析类型的模型,该训练网元与该推理网元的厂商类型不同,该推理网元和该训练网元的模型部署平台的类型相同;该训练网元向该推理网元发送第一响应消息,该第一响应消息包括加密的模型或者该加密的模型的地址信息;该训练网元接收来 自该推理网元的加密的分析结果,该加密的分析结果是根据该加密的模型得到的;该训练网元对该加密的分析结果进行解密,得到解密的分析结果;该训练网元向该推理网元发送该解密的分析结果。
该方案,推理网元和训练网元由不同厂商部署,但二者使用的模型部署平台相同,打破了现有解决方案中模型只能同厂商共享的限制。该方案提供了模型跨厂商加密分发的流程,增强了训练网元将模型加密分发的能力,规避了推理网元的部署厂商窃取模型的框架和参数等信息的风险。
在一种可能的实现方法中,该第一请求消息中还包括该推理网元的厂商类型和该推理网元的模型部署平台的类型;该训练网元向该推理网元发送第一响应消息之前,确定该训练网元与该推理网元的厂商类型不同,且该推理网元和该训练网元的模型部署平台的类型相同。
该方案,通过在第一请求消息中携带推理网元的厂商类型和推理网元的模型部署平台的类型,训练网元可以判断训练网元与推理网元的厂商类型是否相同,以及判断训练网元与推理网元的模型部署平台的类型是否相同,从而便于训练网元选择合适的方法为推理网元提供数据推理功能,可以提升数据推理的效率。
在一种可能的实现方法中,该第一响应消息中还包括第一指示信息,该第一指示信息指示由该训练网元对该加密的分析结果进行解密。
该方案,推理网元根据该第一指示信息,可以准确获知对加密的分析结果进行加密的网元是训练网元。
在一种可能的实现方法中,该第一响应消息中还包括第二指示信息,该第二指示信息用于指示该加密的模型对应的输入数据的数据类型。
该方案,通过该第二指示信息,使得推理网元对输入数据进行相应预处理,得到符合要求的待分析的数据,可以提升数据推理的效率。
在一种可能的实现方法中,该训练网元接收来自推理网元的第一请求消息之前,向数据管理网元发送注册请求消息,该注册请求消息包括该分析类型的标识信息和该训练网元的模型信息,该模型信息包括该训练网元的厂商类型和该训练网元的模型部署平台的类型。
在一种可能的实现方法中,该注册请求消息中的模型信息还包括上述第二指示信息。
在一种可能的实现方法中,该注册请求消息中的模型信息还包括第二网元的标识信息。
在一种可能的实现方法中,该注册请求消息中的模型信息还包括第一网元的标识信息。
在一种可能的实现方法中,该训练网元接收来自该推理网元的该加密的分析结果和关联标识;该训练网元根据该关联标识,确定该加密的模型对应的加密算法;该训练网元根据该加密算法,确定解密算法;该训练网元根据该解密算法对该加密的分析结果进行解密,得到该解密的分析结果。
该方案,通过关联标识,训练网元可以准确获取加密的模型对应的加密算法,进而准确获知对加密的分析进行解密所要使用的解密算法,可以提升解密的效率。
第三方面,本申请实施例提供一种通信方法,该方法可以由推理网元或应用于推理网元中的模块(如芯片)来执行。以推理网元执行该通信方法为例,该方法包括:推理网元向训练网元发送请求消息,该请求消息包括分析类型的标识信息,该请求消息用于请求支持该分析类型的模型,该训练网元与该推理网元的厂商类型不同,该推理网元和该训练网元的模型部署平台的类型不同;该推理网元接收来自该训练网元的响应消息,该响应消息 包括第一指示信息和第二网元的地址信息,该第一指示信息指示拒绝请求支持该分析类型的模型,该第二网元支持的模型部署平台的类型包括该训练网元的模型部署平台的类型;该推理网元根据该第二网元的地址信息,向该第二网元发送待分析的数据,该待分析的数据用于该第二网元根据该分析类型对应的加密的模型生成加密的分析结果;该推理网元接收来自该训练网元或者第一网元的解密的分析结果,该解密的分析结果是该训练网元或该第一网元根据该加密的分析结果得到的。
该方案,推理网元和训练网元由不同厂商部署,且二者使用的模型部署平台不同,打破了现有解决方案中模型只能同厂商共享的限制。该方案提供了模型跨厂商加密分发的流程,增强了训练网元将模型加密分发的能力,规避了推理网元的部署厂商窃取模型的框架和参数等信息的风险。
在一种可能的实现方法中,该响应消息还包括拒绝原因值,该拒绝原因值为该训练网元与该推理网元的厂商类型不同,且该推理网元和该训练网元的模型部署平台的类型不同。
该方案,通过拒绝原因值,可以告知推理网元被拒绝的原因,从而推理网元不再向训练网元发送用于请求支持分析类型的模型,可以减少推理的开销。
在一种可能的实现方法中,该请求消息中还包含该推理网元的厂商类型和该推理网元的模型部署平台的类型。
该方案,通过在请求消息中携带推理网元的厂商类型和推理网元的模型部署平台的类型,使得训练网元可以判断训练网元与推理网元的厂商类型是否相同,以及判断训练网元与推理网元的模型部署平台的类型是否相同,从而便于训练网元选择合适的方法为推理网元提供数据推理功能,可以提升数据推理的效率。
在一种可能的实现方法中,该响应消息中还包括第二指示信息,该第二指示信息用于指示该加密的模型对应的输入数据的数据类型。
该方案,通过该第二指示信息,使得推理网元对输入数据进行相应预处理,得到符合要求的待分析的数据,可以提升数据推理的效率。
在一种可能的实现方法中,该推理网元根据该第二网元的地址信息,向该第二网元发送待分析的数据和关联标识,该关联标识用于该第一网元或该训练网元确定该加密的模型对应的加密算法。
该方案,通过关联标识,使得训练网元或第一网元可以准确获取加密的模型对应的加密算法,进而准确获知对加密的分析进行解密所要使用的解密算法,可以提升解密的效率。
第四方面,本申请实施例提供一种通信方法,该方法可以由训练网元或应用于训练网元中的模块(如芯片)来执行。以训练网元执行该通信方法为例,该方法包括:训练网元接收来自推理网元的请求消息,该请求消息包括分析类型的标识信息,该请求消息用于请求支持该分析类型的模型,该训练网元与该推理网元的厂商类型不同,该推理网元和该训练网元的模型部署平台的类型不同;该训练网元向该推理网元发送响应消息,该响应消息包括第一指示信息和第二网元的地址信息,该第一指示信息指示拒绝请求支持该分析类型的模型,该第二网元支持的模型部署平台的类型包括该训练网元的模型部署平台的类型;该训练网元接收来自该第二网元的加密的分析结果,该加密的分析结果是该第二网元根据该推理网元的待分析的数据和该分析类型对应的加密的模型得到的;该训练网元对该加密的分析结果进行解密,得到解密的分析结果;该训练网元向该推理网元发送该解密的分析结果。
该方案,推理网元和训练网元由不同厂商部署,且二者使用的模型部署平台不同,打破了现有解决方案中模型只能同厂商共享的限制。该方案提供了模型跨厂商加密分发的流程,增强了训练网元将模型加密分发的能力,规避了推理网元的部署厂商窃取模型的框架和参数等信息的风险。
在一种可能的实现方法中,该请求消息中还包含该推理网元的厂商类型和该推理网元的模型部署平台的类型;该训练网元向该推理网元发送响应消息之前,确定该训练网元与该推理网元的厂商类型不同,且该推理网元和该训练网元的模型部署平台的类型不同。
该方案,通过在请求消息中携带推理网元的厂商类型和推理网元的模型部署平台的类型,训练网元可以判断训练网元与推理网元的厂商类型是否相同,以及判断训练网元与推理网元的模型部署平台的类型是否相同,从而便于训练网元选择合适的方法为推理网元提供数据推理功能,可以提升数据推理的效率。
在一种可能的实现方法中,该响应消息还包括拒绝原因值,该拒绝原因值为该训练网元与该推理网元的厂商类型不同,且该推理网元和该训练网元的模型部署平台的类型不同。
该方案,通过拒绝原因值,可以告知推理网元被拒绝的原因,从而推理网元不再向训练网元发送用于请求支持分析类型的模型,可以减少推理的开销。
在一种可能的实现方法中,该训练网元接收来自推理网元的请求消息之前,向该第二网元发送该分析类型的标识信息和该分析类型对应的该加密的模型。
在一种可能的实现方法中,该响应消息中还包括第二指示信息,该第二指示信息用于指示该加密的模型对应的输入数据的数据类型。
该方案,通过该第二指示信息,使得推理网元对输入数据进行相应预处理,得到符合要求的待分析的数据,可以提升数据推理的效率。
在一种可能的实现方法中,该训练网元接收来自该第二网元的该加密的分析结果和关联标识;该训练网元根据该关联标识,确定该加密的模型对应的加密算法;该训练网元根据该加密算法,确定解密算法;该训练网元根据该解密算法对该加密的分析结果进行解密,得到该解密的分析结果。
该方案,通过关联标识,训练网元可以准确获取加密的模型对应的加密算法,进而准确获知对加密的分析进行解密所要使用的解密算法,可以提升解密的效率。
第五方面,本申请实施例提供一种通信方法,该方法可以由第一网元或应用于第一网元中的模块(如芯片)来执行。以第一网元执行该通信方法为例,该方法包括:第一网元接收加密的分析结果;该第一网元对该加密的分析结果进行解密,得到解密的分析结果;该第一网元向推理网元发送该解密的分析结果。
在一种可能的实现方法中,该第一网元接收来自该推理网元的该加密的分析结果。
在一种可能的实现方法中,该第一网元接收来自第二网元的该加密的分析结果和该推理网元的地址信息;该第一网元根据该推理网元的地址信息,向该推理网元发送该解密的分析结果。
在一种可能的实现方法中,该第一网元接收加密的分析结果之前,该第一网元接收来自训练网元的关联标识和该关联标识对应的解密算法的标识;该第一网元接收该加密的分析结果和该关联标识;该第一网元根据该关联标识,确定该解密算法;该第一网元根据该解密算法对该加密的分析结果进行解密,得到该解密的分析结果。
第六方面,本申请实施例提供一种通信方法,该方法可以由第二网元或应用于第二网 元中的模块(如芯片)来执行。以第二网元执行该通信方法为例,该方法包括:第二网元接收来自训练网元的分析类型的标识信息和支持该分析类型的加密的模型,该第二网元支持的模型部署平台的类型包括该训练网元的模型部署平台的类型;第二网元接收来自推理网元的待分析的数据;该第二网元根据该加密的模型和该待分析的数据,得到加密的分析结果;该第二网元向训练网元或第一网元发送该加密的分析结果和用于接收解密的分析结果的该推理网元的地址信息,该解密的分析结果是该训练网元或该第一网元根据该加密的分析结果得到的。
第七方面,本申请实施例提供一种通信方法,该方法可以由推理网元或应用于推理网元中的模块(如芯片)来执行。以推理网元执行该通信方法为例,该方法包括:推理网元向数据管理网元发送请求消息,该请求消息包括分析类型的标识信息,该请求消息用于请求支持该分析类型的网元;该推理网元接收来自该数据管理网元的响应消息,该响应消息包括至少一组信息,每组信息中包括一个候选训练网元的地址信息和该候选训练网元的模型信息,该候选训练网元支持该分析类型,该候选训练网元的模型信息包括该候选训练网元的厂商类型和该候选训练网元的模型部署平台的类型;当该至少一组信息对应的至少一个候选训练网元中,存在与该推理网元的厂商类型不同且模型部署平台的类型相同的一个或多个候选训练网元,该推理网元从一个或多个候选训练网元中选择一个候选训练网元,作为训练网元。
该方案,增强了数据管理网元的功能,训练网元首先将支持的分析类型的标识信息及对应的模型信息注册/更新到数据管理网元,然后推理网元向数据管理网元发现可用的训练网元或第三方网元。推理网元和训练网元由不同厂商部署,二者使用的模型部署平台的类型相同或不同,该方案提供了模型跨厂商加密分发的流程,增强了训练网元将模型加密分发的能力,规避了推理网元的部署厂商窃取模型的框架和参数等信息的风险,打破了现有解决方案中模型只能同厂商共享的限制。
在一种可能的实现方法中,当该至少一组信息对应的至少一个候选训练网元中,不存在与该推理网元的厂商类型不同且模型部署平台的类型相同的候选训练网元,该推理网元根据该至少一组信息确定第二网元的地址信息。
在一种可能的实现方法中,该候选训练网元的模型信息中包括该第二网元的地址信息;该推理网元从该候选训练网元的模型信息中,获取该第二网元的地址信息。
在一种可能的实现方法中,上述任意实现方法中的加密的模型是使用全同态加密算法、随机安全平均算法或差分隐私算法中的一个或多个进行加密的。
在一种可能的实现方法中,上述任意实现方法中的推理网元可以是独立的核心网网元或者是核心网网元中的一个功能模块。
在一种可能的实现方法中,上述任意实现方法中的训练网元可以是独立的核心网网元或者是核心网网元中的一个功能模块。
在一种可能的实现方法中,上述任意实现方法中的第一网元可以是分析结果解密网元,可用于对加密的分析结果进行解密。
在一种可能的实现方法中,上述任意实现方法中的第二网元可以是模型部署和推理网元,可用于根据模型对待分析的数据进行推理,得到分析结果。如果使用的模型是加密的模型,则可以根据加密的模型对待分析的数据进行推理,得到加密的分析结果。
第八方面,本申请实施例提供一种通信装置,该装置可以是推理网元或应用于推理网 元中的模块(如芯片)。该装置具有实现上述第一方面的任意实现方法、第二方面的任意实现方法或第七方面的任意实现方法的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。
第九方面,本申请实施例提供一种通信装置,该装置可以是推理网元或应用于推理网元中的模块(如芯片)。该装置具有实现上述第二方面的任意实现方法或第四方面的任意实现方法的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。
第十方面,本申请实施例提供一种通信装置,该装置可以是第一网元或应用于第一网元中的模块(如芯片)。该装置具有实现上述第五方面的任意实现方法的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。
第十一方面,本申请实施例提供一种通信装置,该装置可以是第二网元或应用于第二网元中的模块(如芯片)。该装置具有实现上述第六方面的任意实现方法的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。
第十二方面,本申请实施例提供一种通信装置,包括处理器和存储器;该存储器用于存储计算机指令,当该装置运行时,该处理器执行该存储器存储的计算机指令,以使该装置执行上述第一方面至第七方面中的任意实现方法。
第十三方面,本申请实施例提供一种通信装置,包括用于执行上述第一方面至第七方面中的任意实现方法的各个步骤的单元或手段(means)。
第十四方面,本申请实施例提供一种通信装置,包括处理器和接口电路,所述处理器用于通过接口电路与其它装置通信,并执行上述第一方面至第七方面中的任意实现方法。该处理器包括一个或多个。
第十五方面,本申请实施例提供一种通信装置,包括与存储器耦合的处理器,该处理器用于调用所述存储器中存储的程序,以执行上述第一方面至第七方面中的任意实现方法。该存储器可以位于该装置之内,也可以位于该装置之外。且该处理器可以是一个或多个。
第十六方面,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在通信装置上运行时,使得上述第一方面至第七方面中的任意实现方法被执行。
第十七方面,本申请实施例还提供一种计算机程序产品,该计算机程序产品包括计算机程序或指令,当计算机程序或指令被通信装置运行时,使得上述第一方面至第七方面中的任意实现方法被执行。
第十八方面,本申请实施例还提供一种芯片系统,包括:处理器,用于执行上述第一方面至第三方面中的任意实现方法。
第十九方面,本申请实施例还提供一种通信系统,包括用于实现上述第一方面的任意实现方法的推理网元和用于实现上述第二方面的任意实现方法的训练网元。
第二十方面,本申请实施例还提供一种通信系统,包括用于实现上述第三方面的任意实现方法的推理网元和用于实现上述第四方面的任意实现方法的训练网元。
图1为基于服务化架构的5G网络架构示意图;
图2为基于点对点接口的5G网络架构示意图;
图3为本申请实施例提供的一种通信方法的流程示意图;
图4为本申请实施例提供的一种通信方法的流程示意图;
图5为本申请实施例提供的一种通信方法的流程示意图;
图6为本申请实施例提供的一种通信装置示意图;
图7为本申请实施例提供的一种通信装置示意图。
图1为基于服务化架构的第五代(the 5th generation,5G)网络架构示意图。图1所示的5G网络架构中可包括终端设备、接入网设备以及核心网设备。终端设备通过接入网设备和核心网涉及接入数据网络(data network,DN)。其中,核心网设备包括以下网元中的部分或者全部:统一数据管理(unified data management,UDM)网元、统一数据库(unified data repository,UDR)、网络开放功能(network exposure function,NEF)网元(图中未示出)、应用功能(application function,AF)网元、策略控制功能(policy control function,PCF)网元、接入与移动性管理功能(access and mobility management function,AMF)网元、会话管理功能(session management function,SMF)网元、用户面功能(user plane function,UPF)网元、网络数据分析功能(Network Data Analytics Function,NWDAF)网元、网络存储功能(Network Repository Function,NRF)网元(图中未示出)。
接入网设备可以是无线接入网(radio access network,RAN)设备。例如:基站(base station)、演进型基站(evolved NodeB,eNodeB)、发送接收点(transmission reception point,TRP)、5G移动通信系统中的下一代基站(next generation NodeB,gNB)、第六代(the 6th generation,6G)移动通信系统中的下一代基站、未来移动通信系统中的基站或无线保真(wireless fidelity,WiFi)系统中的接入节点等;也可以是完成基站部分功能的模块或单元,例如,可以是集中式单元(central unit,CU),也可以是分布式单元(distributed unit,DU)。无线接入网设备可以是宏基站,也可以是微基站或室内站,还可以是中继节点或施主节点等。本申请的实施例对无线接入网设备所采用的具体技术和具体设备形态不做限定。
终端设备可以是用户设备(user equipment,UE)、移动台、移动终端等。终端设备可以广泛应用于各种场景,例如,设备到设备(device-to-device,D2D)、车物(vehicle to everything,V2X)通信、机器类通信(machine-type communication,MTC)、物联网(internet of things,IOT)、虚拟现实、增强现实、工业控制、自动驾驶、远程医疗、智能电网、智能家具、智能办公、智能穿戴、智能交通、智慧城市等。终端设备可以是手机、平板电脑、带无线收发功能的电脑、可穿戴设备、车辆、城市空中交通工具(如无人驾驶机、直升机等)、轮船、机器人、机械臂、智能家居设备等。
接入网设备和终端设备可以是固定位置的,也可以是可移动的。接入网设备和终端设备可以部署在陆地上,包括室内或室外、手持或车载;也可以部署在水面上;还可以部署在空中的飞机、气球和人造卫星上。本申请的实施例对接入网设备和终端设备的应用场景不做限定。
AMF网元,包含执行移动性管理、接入鉴权/授权等功能。此外,还负责在终端设备与PCF间传递用户策略。
SMF网元,包含执行会话管理、PCF下发控制策略的执行、UPF的选择、终端设备的互联网协议(internet protocol,IP)地址分配等功能。
UPF网元,作为和数据网络的接口,包含完成用户面数据转发、基于会话/流级的计费统计,带宽限制等功能。
UDM网元,包含执行管理签约数据、用户接入授权等功能。
UDR,包含执行签约数据、策略数据、应用数据等类型数据的存取功能。
NEF网元,用于支持能力和事件的开放。
AF网元,传递应用侧对网络侧的需求,例如,QoS需求或用户状态事件订阅等。AF可以是第三方功能实体,也可以是运营商部署的应用服务器。
PCF网元,包含负责针对会话、业务流级别进行计费、QoS带宽保障及移动性管理、终端设备策略决策等策略控制功能。
NRF网元,可用于提供网元发现功能,基于其他网元的请求,提供网元类型对应的网元信息。NRF还提供网元管理服务,如网元注册、更新、去注册以及网元状态订阅和推送等。
NWDAF网元,主要用于收集数据(包括终端设备数据、接入网设备数据、核心网网元数据以及第三方应用数据中的一种或者多种),并提供数据分析服务,可以输出数据分析结果,供网络、网管及应用执行策略决策使用。NWDAF可以利用机器学习模型进行数据分析。第三代合作伙伴计划(3rd generation partnership project,3GPP)Release 17中将NWDAF的训练功能和推理功能进行拆分,一个NWDAF可以仅支持模型训练功能,或仅支持数据推理功能,或同时支持模型训练功能和数据推理功能。其中,支持模型训练功能的NWDAF也可以称为训练NWDAF,或称为支持模型训练逻辑功能(model training logical function,MTLF)的NWDAF(简称为NWDAF(MTLF))。训练NWDAF可以根据获取的数据进行模型训练,得到训练后的模型。支持数据推理功能的NWDAF也可以称为推理NWDAF,或称为支持分析逻辑功能(analytics logical function,AnLF)的NWDAF(简称为NWDAF(AnLF))。推理NWDAF可以将输入数据输入到训练后的模型,得到分析结果或推理数据。本申请实施例中,训练NWDAF指的是至少支持模型训练功能的NWDAF。作为一种可能的实现方法,训练NWDAF也可以支持数据推理功能。推理NWDAF指的是至少支持数据推理功能的NWDAF。作为一种可能的实现方法,推理NWDAF也可以支持模型训练功能。如果一个NWDAF同时支持模型训练功能和数据推理功能,则该NWDAF可以称为训练NWDAF、推理NWDAF或训练推理NWDAF或NWDAF。本申请实施例中,一个NWDAF可以是一个单独的网元,也可以与其他网元合设,例如将NWDAF设置到PCF网元或者AMF网元中。
DN,是位于运营商网络之外的网络,运营商网络可以接入多个DN,DN上可部署多种业务,可为终端设备提供数据和/或语音等服务。例如,DN是某智能工厂的私有网络,智能工厂安装在车间的传感器可为终端设备,DN中部署了传感器的控制服务器,控制服务器可为传感器提供服务。传感器可与控制服务器通信,获取控制服务器的指令,根据指令将采集的传感器数据传送给控制服务器等。又例如,DN是某公司的内部办公网络,该公司员工的手机或者电脑可为终端设备,员工的手机或者电脑可以访问公司内部办公网络 上的信息、数据资源等。
图1中Npcf、Nudr、Nudm、Naf、Namf、Nsmf、Nnwdaf分别为上述PCF、UDR、UDM、AF、AMF、SMF、NWDAF提供的服务化接口,用于调用相应的服务化操作。N1、N2、N3、N4,以及N6为接口序列号,这些接口序列号的含义可参见图2中的描述。
图2为基于点对点接口的5G网络架构示意图,其中的网元的功能的介绍可以参考图1中对应的网元的功能的介绍,不再赘述。图2与图1的主要区别在于:图1中的各个控制面网元之间的接口是服务化的接口,图2中的各个控制面网元之间的接口是点对点的接口。
在图2所示的架构中,各个网元之间的接口名称及功能如下:
1)、N1:AMF与终端设备之间的接口,可以用于向终端设备传递NAS信令(如包括来自AMF的QoS规则)等。
2)、N2:AMF与RAN之间的接口,可以用于传递核心网侧至RAN的无线承载控制信息等。
3)、N3:RAN与UPF之间的接口,主要用于传递RAN与UPF间的上下行用户面数据。
4)、N4:SMF与UPF之间的接口,可以用于控制面与用户面之间传递信息,包括控制面向用户面的转发规则、QoS控制规则、流量统计规则等的下发以及用户面的信息上报。
5)、N5:AF与PCF之间的接口,可以用于应用业务请求下发以及网络事件上报。
6)、N6:UPF与DN的接口,用于传递UPF与DN之间的上下行用户数据流。
7)、N7:PCF与SMF之间的接口,可以用于下发协议数据单元(protocol data unit,PDU)会话粒度以及业务数据流粒度控制策略。
8)、N8:AMF与UDM间的接口,可以用于AMF向UDM获取接入与移动性管理相关签约数据与鉴权数据,以及AMF向UDM注册终端设备当前移动性管理相关信息等。
9)、N9:UPF和UPF之间的用户面接口,用于传递UPF间的上下行用户数据流。
10)、N10:SMF与UDM间的接口,可以用于SMF向UDM获取会话管理相关签约数据,以及SMF向UDM注册终端设备当前会话相关信息等。
11)、N11:SMF与AMF之间的接口,可以用于传递RAN和UPF之间的PDU会话隧道信息、传递发送给终端设备的控制消息、传递发送给RAN的无线资源控制信息等。
12)、N15:PCF与AMF之间的接口,可以用于下发终端设备策略及接入控制相关策略。
13)、N23:PCF与NWDAF之间的接口,NWDAF可以通过该接口收集PCF上的数据。需要说明的是,NWDAF还可以与其它设备(如AMF、UPF、接入网设备、终端设备等)之间有接口,图中并未完全示出。
14)、N35:UDM与UDR间的接口,可以用于UDM从UDR中获取用户签约数据信息。
15)、N36:PCF与UDR间的接口,可以用于PCF从UDR中获取策略相关签约数据以及应用数据相关信息。
可以理解的是,上述网元或者功能既可以是硬件设备中的网络元件,也可以是在专用硬件上运行软件功能,或者是平台(例如,云平台)上实例化的虚拟化功能。作为一种可能的实现方法,上述网元或者功能可以由一个设备实现,也可以由多个设备共同实现,还可 以是一个设备内的一个功能模块,本申请实施例对此不作具体限定。
作为一种实现方法,本申请实施例中的数据管理网元可以是上述NRF、UDM或UDR,也可以是未来通信如6G网络中具有上述NRF、UDM或UDR的功能的网元。推理网元可以是上述推理NWDAF或未来通信如6G网络中具有上述推理NWDAF的功能的网元。训练网元可以是上述训练NWDAF或未来通信如6G网络中具有上述训练NWDAF的功能的网元。
作为一种实现方法,本申请实施例中的数据管理网元可以是网管侧模型管理设备、网管侧模型管理网元或网管侧模型管理服务。推理网元可以是接入网设备侧推理设备。训练网元可以是网管侧训练设备、网管侧训练网元或网管侧训练服务。
作为一种实现方法,本申请实施例中的数据管理网元可以是接入网设备侧模型管理设备。推理网元可以是接入网设备侧推理设备。训练网元可以是接入网设备侧训练设备。
为实现模型跨厂商共享,本申请实施例提供一种通信方法。该方法中,训练网元的厂商类型与推理网元的厂商类型不同,且训练网元的模型部署平台的类型与推理网元的模型部署平台的类型相同。其中,模型部署平台是模型运行所依赖的一种框架,不同模型部署平台的动态计算图、静态计算图、调试方式、可视化或并行特性可能不同,模型部署平台的类型用于区分不同的模型部署平台。示例性的,厂商类型可以通过Vendor ID来表示,比如Vendor ID=1表示厂商A,Vendor ID=2表示厂商B。示例性的,模型部署平台的类型可以通过AI Platform ID(或Platform ID)来表示,比如AI Platform ID=1标识模型部署平台A,AI Platform ID=2表示模型部署平台B。其中,AI是人工智能(artificial intelligence)的简称。这里对厂商类型和模型部署平台的类型做了统一说明,后面不再赘述。
参考图3,该方法包括以下步骤:
步骤301,推理网元向训练网元发送请求消息。相应的,训练网元接收请求消息。
该请求消息中包括分析类型的标识信息(analytics ID),该请求消息用于请求支持该分析类型的标识信息指示的分析类型的模型。分析类型的标识信息用于指示分析类型,分析类型的标识信息比如可以业务体验(service experience)或网元负载信息(NF load information)等。
作为一种可能的实现方法,该请求消息中还包括厂商类型和模型部署平台的类型。其中,请求消息中的厂商类型、模型部署平台的类型指的是推理网元的厂商类型、模型部署平台的类型。厂商类型比如可以是华为、爱立信或诺基亚等。模型部署平台的类型比如可以是Mindspore、Tensorflow或PyTorch等。
作为一种可能的实现方法,该请求消息中还可以包含推理网元的模型部署平台的版本。模型部署平台的版本比如可以是V1.0或V2.1等。
作为一种可能的实现方法,该请求消息中还可以包含关联标识。
作为一种实现方法,推理网元可以通过调用Nnwdaf_MLModelProvision_Subscribe服务操作向训练网元请求模型信息。即,该步骤301中的请求消息可以是Nnwdaf_MLModelProvision_Subscribe服务操作。
本申请实施例中,也将该步骤301中的请求消息称为第一请求消息。
步骤302,训练网元确定训练网元与推理网元的厂商类型不同且模型部署平台的类型相同。
作为一种实现方法,上述步骤301的请求消息中携带推理网元的厂商类型和推理网元的模型部署平台的类型,训练网元判断训练网元的厂商类型与推理网元的厂商类型是否相同,以及判断训练网元的模型部署平台的类型与推理网元的模型部署平台的类型。如果训练网元与推理网元的厂商类型不同且训练网元与推理网元的模型部署平台的类型相同,则执行以下步骤303及后续步骤,否则流程结束。
作为另一种实现方法,推理网元可以知晓在该推理网元上部署的各个训练网元的厂商类型和模型部署平台的类型,则上述步骤301的请求消息中可以不需要携带推理网元的厂商类型和推理网元的模型部署平台的类型,而是携带一个指示信息,该指示信息指示训练网元的厂商类型与推理网元的厂商类型是否相同,以及指示训练网元的模型部署平台的类型与推理网元的模型部署平台的类型是否相同,从而训练网元可以根据该指示信息判断训练网元的厂商类型与推理网元的厂商类型是否相同,以及判断训练网元的模型部署平台的类型与推理网元的模型部署平台的类型是否相同。如果训练网元与推理网元的厂商类型不同且训练网元与推理网元的模型部署平台的类型相同,则执行以下步骤303及后续步骤,否则流程结束。
作为另一种实现方法,可以在训练网元上提前配置各个推理网元的厂商类型和模型部署平台的类型,则上述步骤301的请求消息中可以不需要携带推理网元的厂商类型和推理网元的模型部署平台的类型,也不需要携带上述指示信息,训练网元可以根据本地配置信息判断训练网元的厂商类型与推理网元的厂商类型是否相同,以及判断训练网元的模型部署平台的类型与推理网元的模型部署平台的类型是否相同。如果训练网元与推理网元的厂商类型不同且训练网元与推理网元的模型部署平台的类型相同,则执行以下步骤303及后续步骤,否则流程结束。
需要说明的是,上述所说的流程结束指的是在该图3的实施例中流程结束,在流程结束之后,还可以执行其它操作。比如,如果训练网元与推理网元的厂商类型相同且训练网元与推理网元的模型部署平台的类型相同,则训练网元可以向推理网元提供未加密的模型或未加密的模型的地址信息,然后推理网元根据未加密的模型得到未加密的分析结果。再比如,如果训练网元与推理网元的厂商类型不同且训练网元与推理网元的模型部署平台的类型不同,则可以采用以下图4的实施例的方案,使得推理网元可以获得分析结果。再比如,如果训练网元与推理网元的厂商类型相同且训练网元与推理网元的模型部署平台的类型不同,则推理网元可以向第三方网元(如第二网元)提供待分析的数据,由第二网元使用加密的模型和待分析的数据得到加密的分析结果,然后由第一网元或训练网元对待分析的数据进行解密得到解密的分析结果,然后将解密的分析结果发送给推理网元。
当然,还可以预先配置训练网元的功能,比如预先配置训练网元1至训练网元10只为厂商类型相同且模型部署的平台的类型相同的推理网元提供模型。以训练网元1为例,如果训练网元1收到来自推理网元的上述步骤301的请求消息,该训练网元1默认该训练网元1的厂商类型与推理网元的厂商类型不同,且训练网元1的模型部署的平台的类型与推理网元的模型部署的平台的类型相同。该实现方法下,不需要执行该步骤302。
步骤303,训练网元向推理网元发送响应消息。相应的,推理网元接收响应消息。
该响应消息中包含加密的模型或加密的模型的地址信息,其中加密的模型的地址信息比如可以是统一资源定位符(uniform resource locator,URL)或完全限定域名(fully qualified domain name,FQDN)。
以该模型是神经网络模型为例,该模型包括模型架构信息和模型参数。其中,模型架构信息包括模型中的神经网络层数、层与层之间的连接关系以及每一层使用的激活函数等信息。模型参数包括神经网络的每一层的参数值。
作为一种实现方法,响应消息中的加密的模型包括未加密的模型架构信息和加密的模型参数。作为另一种实现方法,响应消息中的加密的模型包括加密的模型架构信息和加密的模型参数。
作为一种可能的实现方法,该响应消息中还包含第一网元的地址信息或用于指示由该训练网元对加密的分析结果进行解密的指示信息(该实施例中,该指示信息也可以称为第一指示信息),该第一网元是具备分析结果解密功能的第三方网元,比如可以是一个NWDAF网元,该第一网元也可以称为分析结果解密网元。
作为一种可能的实现方法,该响应消息中还包含用于指示加密的模型对应的输入数据的数据类型的指示信息(该实施例中,该指示信息也可以称为第二指示信息)。比如该指示信息可以是一个事件标识(event ID)。示例性的,数据类型可以是UE位置或QoS Flow参数中的一个或多个。
作为一种可能的实现方法,该响应消息中还包括每种数据类型对应的数据格式和/或处理参数,推理网元根据每种数据类型对应的该数据格式和/或处理参数,对该数据类型对应的输入数据做相应的预处理,得到待分析的数据。示例性的,数据格式包括数据上报的时间窗(也就是数据在何时上报)、数据缓存的大小(也就是数据缓存到多大时才上报)中的一个或者多个,处理参数包括最大值、最小值、平均值或者方差值中的一个或者多个。这里对数据类型、数据格式以及处理参数的解释也适用于后续其它实施例,后面不再赘述。
作为一种可能的实现方法,该响应消息中还可以包含上述关联标识。
作为一种实现方法,训练网元可以通过调用Nnwdaf_MLModelProvision_Notify服务操作向推理网元发送上述信息。即,该步骤303中的响应消息可以是Nnwdaf_MLModelProvision_Notify服务操作。
本申请实施例中,也将该步骤303中的响应消息称为第一响应消息。
步骤304,推理网元根据加密的模型,得到加密的分析结果。
如果上述步骤303的响应消息中携带的是加密的模型的地址信息,则推理网元还需要根据该加密的模型的地址信息,获取加密的模型。比如,推理网元可以根据文件传输协议(file transfer protocol,FTP)从该加密的模型的地址信息所指示的地址下载该加密的模型。
推理网元根据待分析的数据和加密的模型得到加密的分析结果,也即将待分析的数据输入到加密的模型中,得到加密的分析结果。待分析的数据是加密的模型对应的输入数据,待分析的数据是推理网元从其它网元(如UE、SMF、AMF、接入网设备、PCF、UPF或者AF等中的一个或多个)收集到的。
在步骤304之后,推理网元根据加密的分析结果,获取解密的分析结果,下面介绍推理网元获取解密的分析结果的两种不同实现方法。
作为第一种实现方法,如果上述步骤303的响应消息中携带用于指示由该训练网元对加密的分析结果进行解密的指示信息(即第一指示信息),则在步骤304之后执行以下步骤305至步骤307。
作为第二种实现方法,如果上述步骤303的响应消息中携带第一网元的地址信息,则在步骤304之后执行步骤308至步骤310。
步骤305,推理网元向训练网元发送请求消息。相应的,训练网元接收该请求消息。
该请求消息中包含分析类型的标识信息和加密的分析结果,该请求消息用于请求解密的分析结果,该分析类型的标识信息与上述步骤301的分析类型的标识信息相同。
作为一种可能的实现方法,该请求消息中还可以包含上述关联标识。
作为一种实现方法,推理网元可以通过调用Nnwdaf_AnalyticsDecryption_Request服务操作向训练网元发送分析类型的标识信息和加密的分析结果。即,该步骤305中的请求消息可以是Nnwdaf_AnalyticsDecryption_Request服务操作。
步骤306,训练网元对加密的分析结果进行解密,得到解密的分析结果。
其中,加密的模型可以是使用全同态加密(fully homomorphicencryption)算法、随机安全平均(stochastic safety average)算法或差分隐私(differential privacy)算法中的一个或多个进行加密的,则训练网元采用与加密的模型使用的加密算法相应的解密算法,对加密的分析结果进行解密,得到解密的分析结果。
如果上述步骤301的请求消息和步骤305的请求消息中均携带上述关联标识,则在上述步骤303之前或之后,训练网元将加密的模型所使用的加密算法与该关联标识进行绑定,进而在该步骤306中,训练网元可以先根据该步骤305的请求消息中的该关联标识确定加密的模型对应的加密算法,然后根据加密算法,确定解密算法,从而根据解密算法对加密的分析结果进行解密,得到解密的分析结果。
步骤307,训练网元向推理网元发送响应消息。相应的,推理网元接收响应消息。
该响应消息中包含解密的分析结果。
作为一种实现方法,训练网元可以通过调用Nnwdaf_AnalyticsDecryption_Request Response服务操作向推理网元发送解密的分析结果。即,该步骤307中的响应消息可以是Nnwdaf_AnalyticsDecryption_Request Response服务操作。
步骤308,推理网元向第一网元发送请求消息。相应的,第一网元接收该请求消息。
该请求消息中包含分析类型的标识信息和加密的分析结果,该请求消息用于请求解密的分析结果,该分析类型的标识信息与上述步骤301的分析类型的标识信息相同。
作为一种可能的实现方法,该请求消息中还可以包含上述关联标识。
作为一种实现方法,推理网元可以通过调用Nnf_AnalyticsDecryption_Request服务操作向第一网元发送分析类型的标识信息和加密的分析结果。即,该步骤308中的请求消息可以是Nnf_AnalyticsDecryption_Request服务操作。
步骤309,第一网元对加密的分析结果进行解密,得到解密的分析结果。
其中,加密的模型是使用全同态加密算法、随机安全平均算法或差分隐私算法中的一个或多个进行加密的,则训练网元采用与加密的模型使用的加密算法相应的解密算法,对加密的分析结果进行解密,得到解密的分析结果。
作为一种可能的实现方法,如果上述步骤303的响应消息中包含第一网元的地址信息,则该步骤303之前或之后,训练网元还向第一网元发送上述关联标识和加密的模型对应的解密算法,并且该上述步骤308的请求消息中也携带上述关联标识,从而在该步骤309中,第一网元可以先根据步骤308的请求消息中的该关联标识确定加密的模型对应的解密算法,从而根据解密算法对加密的分析结果进行解密,得到解密的分析结果。
步骤310,第一网元向推理网元发送响应消息。相应的,推理网元接收响应消息。
该响应消息中包含解密的分析结果。
作为一种实现方法,第一网元可以通过调用Nnf_AnalyticsDecryption_Response服务操作向推理网元发送解密的分析结果。即,该步骤310中的响应消息可以是Nnf_AnalyticsDecryption_Response服务操作。
上述方案中,推理网元和训练网元由不同厂商部署,但二者使用的模型部署平台相同,该方案提供了模型跨厂商加密分发的流程,增强了训练网元将模型加密分发的能力,规避了推理网元的部署厂商窃取模型的框架和参数等信息的风险,保障了模型信息的安全,且打破了现有解决方案中模型只能同厂商共享的限制。
作为一种实现方法,各个训练网元还可以将各自的模型信息注册至数据管理网元,从而当推理网元本地没有配置训练网元的地址信息时,推理网元可以从数据管理网元请求发现合适的训练网元。比如,训练网元可以向数据管理网元发送注册请求消息,该注册请求消息包括该训练网元能够提供的分析类型的标识信息和训练网元的模型信息,该模型信息包括训练网元的厂商类型和训练网元的模型部署平台的类型。作为一种可能的实现方法,该模型信息中还包含用于指示加密的模型对应的输入数据的数据类型的指示信息。作为一种可能的实现方法,该响应消息中还包括每种数据类型对应的数据格式和/或处理参数。作为一种可能的实现方法,该模型信息中还包含第一网元的地址信息或用于指示由该训练网元对加密的分析结果进行解密的指示信息。其中,该第一网元的含义可以参考前述描述。作为一种可能的实现方法,该模型信息中还包含第二网元的地址信息。该第二网元可以是一个可信的第三方网元,具体的,可以是模型部署和推理网元。第二网元可根据模型对待分析的数据进行推理,得到分析结果。如果使用的模型是加密的模型,则第二网元可以根据加密的模型对待分析的数据进行推理,得到加密的分析结果。
需要说明的是,不同的训练网元在向数据管理网元注册模型信息时,不同的训练网元的模型信息中的第一网元可以是同一个网元,也可以是不同的网元。同样的,不同的训练网元的模型信息中的第二网元可以是同一个网元,也可以是不同的网元。
作为一种实现方法,推理网元在上述步骤301之前,可以向数据管理网元发送请求消息(该实施例中,该请求消息也称为第二请求消息),该请求消息包括上述步骤301中的分析类型的标识信息,该请求消息用于请求支持该分析类型的网元,然后数据管理网元向推理网元发送响应消息(该实施例中,该响应消息也称为第二响应消息),该响应消息包括上述步骤301中的描述的训练网元的地址信息。其中,如果数据管理网元确定有多个训练网元支持上述分析类型,则数据管理网元可以将该多个训练网元的地址信息以及模型信息提供给推理网元,由推理网元从中选择一个训练网元。
本申请实施例提供一种通信方法。该方法中,训练网元的厂商类型与推理网元的厂商类型不同,且训练网元的模型部署平台的类型与推理网元的模型部署平台的类型不同。
参考图4,该方法包括以下步骤:
步骤401,训练网元将本地已有的模型进行加密,向第二网元发送加密的模型和该加密的模型对应的分析类型的标识信息。
其中,第二网元支持的模型部署平台的类型比较丰富,本申请实施例中的第二网元支持的模型部署平台的类型至少包括训练网元的模型部署平台的类型。该第二网元的含义可以参考前述描述。
作为一种可能的实现方法,训练网元还向第二网元发送第一网元的地址信息,该第一 网元具有解密分析结果功能。
可以理解的是,训练网元本地已有的模型可以是该训练网元训练所得的模型,也可以是该训练网元从其他训练网元获取的模型。
该步骤401为可选步骤。当不执行该步骤401时,可以由其它网元或者是运营商,向第二网元预配置上述信息,如加密的模型、加密的模型对应的分析类型的标识信息、第一网元的地址信息中的一个或多个。
步骤402,推理网元向训练网元发送请求消息。相应的,训练网元接收请求消息。
该步骤402与上述步骤301相同,可参考前述描述。
步骤403,训练网元向第二网元发送加密的更新模型和该加密的更新模型对应的分析类型的标识信息。
该步骤为可选步骤。训练网元在接收到推理网元的上述请求消息后,如果确认本地模型需要进行进一步训练,则训练网元触发到其它网元进行数据收集以及后续的模型训练过程,并将训练得到的更新模型进行加密后重新发送给第二网元。
步骤404,训练网元确定训练网元与推理网元的厂商类型不同且模型部署平台的类型不同。
该步骤404为可选步骤。该步骤404的实现方法以及多种不同的可替代实现方法,与前述步骤302的描述类似,可以参考前述描述。
步骤405,训练网元向推理网元发送响应消息。相应的,推理网元接收响应消息。
该响应消息中包含第二网元的地址信息和用于指示拒绝请求支持上述分析类型的模型的指示信息(该实施例中,也将该指示信息称为第一指示信息)。
作为一种可能的实现方法,该响应消息中还包含用于指示加密的模型对应的输入数据的数据类型的指示信息(该实施例中,该指示信息也可以称为第二指示信息)。比如该指示信息可以是一个事件标识(event ID)。作为一种可能的实现方法,该响应消息中还包括每种数据类型对应的数据格式和/或处理参数。
作为一种可能的实现方法,该响应消息中还包含拒绝原因值,该拒绝原因值为训练网元与推理网元的厂商类型不同,且推理网元和训练网元的模型部署平台的类型不同。
作为一种可能的实现方法,如果上述步骤402的请求消息中包含关联标识,则该响应消息中包含该关联标识。
作为一种实现方法,训练网元可以通过调用Nnwdaf_MLModelProvision_Notify服务操作向推理网元发送上述信息。即,该步骤405中的响应消息可以是Nnwdaf_MLModelProvision_Notify服务操作。
步骤406,推理网元根据第二网元的地址信息,向第二网元发送请求消息。相应的,第二网元接收该请求消息。
该请求消息中包含待分析的数据和分析类型的标识信息,该请求消息用于请求对待分析的数据进行分析。该分析类型的标识信息与上述步骤402的分析类型的标识信息相同。
其中,待分析的数据是加密的模型对应的输入数据,待分析的数据是推理网元从其它网元(如UE、SMF、AMF、接入网设备、PCF、UPF或者AF等中的一个或多个)收集到的。
作为一种可能的实现方法,该请求消息中还可以包含上述关联标识。
作为一种实现方法,推理网元可以通过调用Nnf_AnalyticsInfo_Request服务操作向第 二网元发送上述信息。即,该步骤406中的请求消息可以是Nnf_AnalyticsInfo_Request服务操作。
步骤407,第二网元根据加密的模型,得到加密的分析结果。
具体的,第二网元使用本地部署的加密的模型以及从推理网元接收的待分析的数据计算得到加密的分析结果。其中,第二网元上本地部署的加密的模型是来自训练网元、其它网元或云运营商配置。
在第二网元得到加密的分析结果之后,可以执行以下步骤408至步骤410,或者执行以下步骤411至步骤413。
步骤408,第二网元向训练网元发送请求消息。相应的,训练网元接收该请求消息。
该请求消息中包含分析类型的标识信息、加密的分析结果和推理网元的地址信息,该请求消息用于请求解密的分析结果以及将解密的分析结果发送给推理网元,该分析类型的标识信息与上述步骤402的分析类型的标识信息相同。
作为一种可能的实现方法,该请求消息中还可以包含上述关联标识。
作为一种实现方法,第二网元可以通过调用Nnwdaf_AnalyticsDecryption_Request服务操作向训练网元发送分析类型的标识信息、加密的分析结果和推理网元的地址信息。即,该步骤408中的请求消息可以是Nnwdaf_AnalyticsDecryption_Request服务操作。
步骤409,训练网元对加密的分析结果进行解密,得到解密的分析结果。
该步骤409同上述步骤306,可参考前述描述。
步骤410,训练网元向推理网元发送解密的分析结果。相应的,推理网元接收解密的分析结果。
作为一种实现方法,训练网元可以通过调用Nnwdaf_AnalyticsDecryption_Request Response服务操作向推理网元发送解密的分析结果。
步骤411,第二网元向第一网元发送请求消息。相应的,第一网元接收该请求消息。
该请求消息中包含分析类型的标识信息、加密的分析结果和推理网元的地址信息,该请求消息用于请求解密的分析结果以及将解密的分析结果发送给推理网元,该分析类型的标识信息与上述步骤402的分析类型的标识信息相同。
其中,第二网元可以通过上述步骤401,获得第一网元的地址信息。
作为一种可能的实现方法,该请求消息中还可以包含上述关联标识。
步骤412,第一网元对加密的分析结果进行解密,得到解密的分析结果。
该步骤412同上述步骤309,可参考前述描述。
步骤413,第一网元向推理网元发送解密的分析结果。相应的,推理网元接收解密的分析结果。
作为一种实现方法,第一网元可以通过调用Nnwdaf_AnalyticsDecryption_Request Response服务操作向推理网元发送解密的分析结果。
上述方案中,推理网元和训练网元由不同厂商部署,且二者使用的模型部署平台也不同,该方案提供了模型跨厂商加密分发的流程,增强了训练网元将模型加密分发的能力,规避了推理网元的部署厂商窃取模型的框架和参数等信息的风险,保障了模型信息的安全,且打破了现有解决方案中模型只能同厂商共享的限制。
参考图5,为本申请实施例提供的一种通信方法。该方法包括以下步骤:
步骤501,训练网元向数据管理网元发送注册请求消息。相应的,数据管理网元接收该注册请求消息。
该注册请求消息中包含分析类型的标识信息和模型信息,其中,模型信息包括厂商类型、模型部署平台的类型、第二网元的地址信息,以及还包括第一网元的地址信息或用于指示由该训练网元对加密的分析结果进行解密的指示信息。
作为一种可能的实现方法,该注册请求消息中还可以包含模型部署平台的版本。
作为一种可能的实现方法,该注册请求消息中还包含用于指示加密的模型对应的输入数据的数据类型的指示信息。比如该指示信息可以是一个事件标识(event ID)。作为一种可能的实现方法,该注册请求消息中还包括每种数据类型对应的数据格式和/或处理参数。
其中,关于分析类型的标识信息、厂商类型、模型部署平台的类型、模型部署平台的版本、第一网元、第二网元的含义可以参考前述描述,不再赘述。
作为一种实现方法,训练网元可以通过调用Nnrf_NFManagement_NFRegister Request服务操作向数据管理网元请求注册。即,该步骤501中的注册请求消息可以是Nnrf_NFManagement_NFRegister Request服务操作。
步骤502,数据管理网元向训练网元发送注册响应消息。相应的,训练网元接收该注册响应消息。
作为一种实现方法,数据管理网元可以通过调用Nnrf_NFManagement_NFRegister Response服务操作向训练网元返回针对注册请求消息的响应。即,该步骤502中的注册响应消息可以是Nnrf_NFManagement_NFRegister Response服务操作。
步骤503,训练网元向数据管理网元发送更新请求消息。相应的,数据管理网元接收该更新请求消息。
如果训练网元的模型信息发生更新,比如模型部署平台的版本发生更新,则训练网元可以向数据管理网元发送更新请求消息,以将更新的模型信息重新注册至数据管理网元。
其中,更新请求消息中携带的信息与上述步骤501的注册请求消息中携带的信息类似,可以参考前述描述。
作为一种实现方法,训练网元可以通过调用Nnrf_NFManagement_NFUpdateRequest服务操作向数据管理网元请求注册更新。
步骤504,数据管理网元向训练网元发送更新响应消息。相应的,训练网元接收该更新响应消息。
作为一种实现方法,数据管理网元可以通过调用Nnrf_NFManagement_NFUpdate Response服务操作向训练网元返回针对更新请求消息的响应。
上述步骤503至步骤504为可选步骤。
步骤505,推理网元向数据管理网元发送请求消息。相应的,数据管理网元接收该请求消息。
该请求消息包括分析类型的标识信息。作为一种可能的实现方法,该请求消息还包括推理网元的厂商类型和模型部署平台的类型。
该请求消息用于请求获取支持该分析类型的网元,具体的,用于请求获取支持该分析类型的训练网元或第三方网元。
作为一种实现方法,推理网元可以通过调用Nnrf_NFDiscovery_Request服务操作向数据管理网元请求发现可用的训练网元或第三方网元。即,该步骤505中的请求消息可以是 Nnrf_NFDiscovery_Request服务操作。
步骤506,数据管理网元向推理网元发送响应消息。相应的,推理网元接收该响应消息。
该响应消息中包含至少一组信息,每组信息中包括至少一个候选训练网元的地址信息以及该候选训练网元的模型信息,该模型信息与上述步骤505的请求消息中的分析类型的标识信息对应,该模型信息中包含的内容可以参考前述步骤501的描述。
需要说明的是,不同的候选训练网元的模型信息中的第一网元的地址信息可以相同也可以不同,不同的候选训练网元的模型信息中的第二网元的地址信息可以相同也可以不同。
作为一种实现方法,数据管理网元可以通过调用Nnrf_NFDiscovery_Request Response服务操作响应推理网元的网元发现请求。即,该步骤506中的响应消息可以是Nnrf_NFDiscovery_Request Response服务操作。
步骤507,推理网元选择训练网元或第二网元。
如果上述步骤506的响应消息中包含多组信息,则推理网元根据下列顺序选择训练网元或第二网元。
如果该多组信息对应的至少一个候选训练网元中存在与推理网元厂商类型相同且模型部署平台的类型相同的一个或多个候选训练网元,则推理网元从该一个或多个候选训练网元中选择一个作为训练网元,比如随机选择一个或根据预定的规则选择一个。
如果该多组信息对应的至少一个候选训练网元中不存在与推理网元厂商类型相同且模型部署平台的类型相同的候选训练网元,但该多组信息对应的至少一个候选训练网元中存在与推理网元厂商类型不同且模型部署平台的类型相同的一个或多个候选训练网元,则推理网元从该一个或多个候选训练网元中选择一个作为训练网元,比如随机选择一个或根据预定的规则选择一个。
如果该多组信息对应的至少一个候选训练网元中不存在与推理网元厂商类型相同且模型部署平台的类型相同的候选训练网元,并且该多组信息对应的至少一个候选训练网元中也不存在与推理网元厂商类型不同且模型部署平台的类型相同的候选训练网元,则推理网元根据该多组信息对应的至少一个候选训练网元的模型信息,选择一个第二网元。比如,如果该至少一个候选训练网元的模型信息中的第二网元的地址均相同,则随机选择一个第二网元的地址。再比如,如果该至少一个候选训练网元的模型信息中的第二网元的地址不完全相同,则可以从中随机选择一个或者根据预定的规则选择一个。
如果推理网元选择的是一个训练网元,则该步骤507之后可以执行上述步骤301至步骤307,或者执行上述步骤301至步骤304以及步骤308至步骤310。
如果推理网元选择的是一个第二网元,则该步骤507之后可以执行上述步骤406至步骤410,或者执行上述步骤406至步骤407以及步骤411至步骤413。
上述方案中,增强了数据管理网元的功能,训练网元首先将支持的分析类型的标识信息及对应的模型信息注册/更新到数据管理网元,然后推理网元向数据管理网元发现可用的训练网元或第三方网元。推理网元和训练网元由不同厂商部署,二者使用的模型部署平台的类型相同或不同,该方案提供了模型跨厂商加密分发的流程,增强了训练网元将模型加密分发的能力,规避了推理网元的部署厂商窃取模型的框架和参数等信息的风险,保障了模型信息的安全,且打破了现有解决方案中模型只能同厂商共享的限制。
可以理解的是,本发明实施例中数据管理网元仅是示例,作为一种可能的实现方法, 本发明实施例中数据管理网元所起到的作用可以由其他网元(如模型管理网元)执行。
可以理解的是,为了实现上述实施例中功能,推理网元、训练网元、第一网元和第二网元包括了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本申请中所公开的实施例描述的各示例的单元及方法步骤,本申请能够以硬件或硬件和计算机软件相结合的形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用场景和设计约束条件。
图6和图7为本申请的实施例提供的可能的通信装置的结构示意图。这些通信装置可以用于实现上述方法实施例中推理网元、训练网元、第一网元或第二网元的功能,因此也能实现上述方法实施例所具备的有益效果。在本申请的实施例中,该通信装置可以是推理网元、训练网元、第一网元或第二网元,也可以是应用于推理网元、训练网元、第一网元或第二网元的模块(如芯片)。
如图6所示,通信装置600包括处理单元610和收发单元620。通信装置600用于实现上述方法实施例中推理网元、训练网元、第一网元或第二网元的功能。
在第一个实施例中,当该通信装置是推理网元或用于推理网元的模型(如芯片),收发单元620,用于向训练网元发送第一请求消息,该第一请求消息包括分析类型的标识信息,该第一请求消息用于请求支持该分析类型的模型,该训练网元与该推理网元的厂商类型不同,该推理网元和该训练网元的模型部署平台的类型相同;接收来自该训练网元的第一响应消息,该第一响应消息包括加密的模型或者该加密的模型的地址信息,该加密的模型支持该分析类型;处理单元610,用于根据该加密的模型,得到加密的分析结果;根据该加密的分析结果,获取解密的分析结果。
在一种可能的实现方法中,收发单元620,用于向该训练网元发送该加密的分析结果;接收来自该训练网元的该解密的分析结果。
在一种可能的实现方法中,该第一响应消息中还包括第一指示信息,该第一指示信息指示由该训练网元对该加密的分析结果进行解密。
在一种可能的实现方法中,收发单元620,用于向该训练网元发送该加密的分析结果和关联标识,该关联标识用于该训练网元确定该加密的模型对应的加密算法。
在一种可能的实现方法中,该第一响应消息中还包括第一网元的地址信息;处理单元610,用于根据该第一网元的地址信息,通过收发单元620向该第一网元发送该加密的分析结果;接收来自该第一网元的该解密的分析结果。
在一种可能的实现方法中,处理单元610,用于根据该第一网元的地址信息,通过收发单元620向该第一网元发送该加密的分析结果和关联标识,该关联标识用于该第一网元确定该加密的模型对应的加密算法。
在一种可能的实现方法中,该第一响应消息中还包括第二指示信息,该第二指示信息用于指示该加密的模型对应的输入数据的数据类型。
在一种可能的实现方法中,该第一请求消息中还包含该推理网元的厂商类型和该推理网元的模型部署平台的类型。
在一种可能的实现方法中,收发单元620,用于在向训练网元发送第一请求消息之前,向数据管理网元发送第二请求消息,该第二请求消息包括该分析类型的标识信息,该第二请求消息用于请求支持该分析类型的网元;接收来自该数据管理网元的第二响应消息,该 第二响应消息包括该训练网元的地址信息。
在第二个实施例中,当该通信装置是训练网元或用于训练网元的模型(如芯片),收发单元620,用于接收来自推理网元的第一请求消息,该第一请求消息包括分析类型的标识信息,该第一请求消息用于请求支持该分析类型的模型,该训练网元与该推理网元的厂商类型不同,该推理网元和该训练网元的模型部署平台的类型相同;向该推理网元发送第一响应消息,该第一响应消息包括加密的模型或者该加密的模型的地址信息;接收来自该推理网元的加密的分析结果,该加密的分析结果是根据该加密的模型得到的;处理单元610,用于对该加密的分析结果进行解密,得到解密的分析结果;收发单元620,用于向该推理网元发送该解密的分析结果。
在一种可能的实现方法中,该第一请求消息中还包括该推理网元的厂商类型和该推理网元的模型部署平台的类型;处理单元610,用于在收发单元620向该推理网元发送第一响应消息之前,确定该训练网元与该推理网元的厂商类型不同,且该推理网元和该训练网元的模型部署平台的类型相同。
在一种可能的实现方法中,该第一响应消息中还包括第一指示信息,该第一指示信息指示由该训练网元对该加密的分析结果进行解密。
在一种可能的实现方法中,该第一响应消息中还包括第二指示信息,该第二指示信息用于指示该加密的模型对应的输入数据的数据类型。
在一种可能的实现方法中,收发单元620,用于接收来自推理网元的第一请求消息之前,向数据管理网元发送注册请求消息,该注册请求消息包括该分析类型的标识信息和该训练网元的模型信息,该模型信息包括该训练网元的厂商类型和该训练网元的模型部署平台的类型。
在一种可能的实现方法中,收发单元620,用于接收来自该推理网元的该加密的分析结果和关联标识;处理单元610,用于根据该关联标识,确定该加密的模型对应的加密算法;根据该加密算法,确定解密算法;根据该解密算法对该加密的分析结果进行解密,得到该解密的分析结果。
在第三个实施例中,当该通信装置是推理网元或用于推理网元的模型(如芯片),收发单元620,用于向训练网元发送请求消息,该请求消息包括分析类型的标识信息,该请求消息用于请求支持该分析类型的模型,该训练网元与该推理网元的厂商类型不同,该推理网元和该训练网元的模型部署平台的类型不同;接收来自该训练网元的响应消息,该响应消息包括第一指示信息和第二网元的地址信息,该第一指示信息指示拒绝请求支持该分析类型的模型,该第二网元支持的模型部署平台的类型包括该训练网元的模型部署平台的类型;处理单元610,用于根据该第二网元的地址信息,通过收发单元620向该第二网元发送待分析的数据,该待分析的数据用于该第二网元根据该分析类型对应的加密的模型生成加密的分析结果;收发单元620,用于接收来自该训练网元或者第一网元的解密的分析结果,该解密的分析结果是该训练网元或该第一网元根据该加密的分析结果得到的。
在一种可能的实现方法中,该响应消息还包括拒绝原因值,该拒绝原因值为该训练网元与该推理网元的厂商类型不同,且该推理网元和该训练网元的模型部署平台的类型不同。
在一种可能的实现方法中,该请求消息中还包含该推理网元的厂商类型和该推理网元的模型部署平台的类型。
在一种可能的实现方法中,该响应消息中还包括第二指示信息,该第二指示信息用于 指示该加密的模型对应的输入数据的数据类型。
在一种可能的实现方法中,处理单元610,用于根据该第二网元的地址信息,通过收发单元620向该第二网元发送待分析的数据和关联标识,该关联标识用于该第一网元或该训练网元确定该加密的模型对应的加密算法。
在第四个实施例中,当该通信装置是训练网元或用于训练网元的模型(如芯片),收发单元620,用于接收来自推理网元的请求消息,该请求消息包括分析类型的标识信息,该请求消息用于请求支持该分析类型的模型,该训练网元与该推理网元的厂商类型不同,该推理网元和该训练网元的模型部署平台的类型不同;向该推理网元发送响应消息,该响应消息包括第一指示信息和第二网元的地址信息,该第一指示信息指示拒绝请求支持该分析类型的模型,该第二网元支持的模型部署平台的类型包括该训练网元的模型部署平台的类型;接收来自该第二网元的加密的分析结果,该加密的分析结果是该第二网元根据该推理网元的待分析的数据和该分析类型对应的加密的模型得到的;处理单元610,用于对该加密的分析结果进行解密,得到解密的分析结果;收发单元620,用于向该推理网元发送该解密的分析结果。
在一种可能的实现方法中,该请求消息中还包含该推理网元的厂商类型和该推理网元的模型部署平台的类型;处理单元610,用于在收发单元620向该推理网元发送响应消息之前,确定该训练网元与该推理网元的厂商类型不同,且该推理网元和该训练网元的模型部署平台的类型不同。
在一种可能的实现方法中,该响应消息还包括拒绝原因值,该拒绝原因值为该训练网元与该推理网元的厂商类型不同,且该推理网元和该训练网元的模型部署平台的类型不同。
在一种可能的实现方法中,收发单元620,用于接收来自推理网元的请求消息之前,向该第二网元发送该分析类型的标识信息和该分析类型对应的该加密的模型。
在一种可能的实现方法中,该响应消息中还包括第二指示信息,该第二指示信息用于指示该加密的模型对应的输入数据的数据类型。
在一种可能的实现方法中,收发单元620,用于接收来自该第二网元的该加密的分析结果和关联标识;处理单元610,用于根据该关联标识,确定该加密的模型对应的加密算法;根据该加密算法,确定解密算法;根据该解密算法对该加密的分析结果进行解密,得到该解密的分析结果。
在第五个实施例中,当该通信装置是第一网元或用于第一网元的模型(如芯片),收发单元620,用于接收加密的分析结果;处理单元610,用于对该加密的分析结果进行解密,得到解密的分析结果;收发单元620,用于向推理网元发送该解密的分析结果。
在一种可能的实现方法中,收发单元620,用于接收来自该推理网元的该加密的分析结果。
在一种可能的实现方法中,收发单元620,用于接收来自第二网元的该加密的分析结果和该推理网元的地址信息;处理单元610,用于根据该推理网元的地址信息,通过收发单元620向该推理网元发送该解密的分析结果。
在一种可能的实现方法中,收发单元620,用于接收加密的分析结果之前,接收来自训练网元的关联标识和该关联标识对应的解密算法的标识;接收该加密的分析结果和该关联标识;处理单元610,用于根据该关联标识,确定该解密算法;根据该解密算法对该加密的分析结果进行解密,得到该解密的分析结果。
在第六个实施例中,当该通信装置是第二网元或用于第二网元的模型(如芯片),收发单元620,用于接收来自训练网元的分析类型的标识信息和支持该分析类型的加密的模型,该第二网元支持的模型部署平台的类型包括该训练网元的模型部署平台的类型;接收来自推理网元的待分析的数据;处理单元610,用于根据该加密的模型和该待分析的数据,得到加密的分析结果;收发单元620,用于向训练网元或第一网元发送该加密的分析结果和用于接收解密的分析结果的该推理网元的地址信息,该解密的分析结果是该训练网元或该第一网元根据该加密的分析结果得到的。
在第七个实施例中,当该通信装置是推理网元或用于推理网元的模型(如芯片),收发单元620,用于向数据管理网元发送请求消息,该请求消息包括分析类型的标识信息,该请求消息用于请求支持该分析类型的网元;接收来自该数据管理网元的响应消息,该响应消息包括至少一组信息,每组信息中包括一个候选训练网元的地址信息和该候选训练网元的模型信息,该候选训练网元支持该分析类型,该候选训练网元的模型信息包括该候选训练网元的厂商类型和该候选训练网元的模型部署平台的类型;处理单元610,用于当该至少一组信息对应的至少一个候选训练网元中,存在与该推理网元的厂商类型不同且模型部署平台的类型相同的一个或多个候选训练网元,从一个或多个候选训练网元中选择一个候选训练网元,作为训练网元。
在一种可能的实现方法中,处理单元610,用于当该至少一组信息对应的至少一个候选训练网元中,不存在与该推理网元的厂商类型不同且模型部署平台的类型相同的候选训练网元,根据该至少一组信息确定第二网元的地址信息。
在一种可能的实现方法中,该候选训练网元的模型信息中包括该第二网元的地址信息;处理单元610,用于从该候选训练网元的模型信息中,获取该第二网元的地址信息。
有关上述处理单元610和收发单元620更详细的描述可以直接参考上述方法实施例中相关描述直接得到,这里不加赘述。
如图7所示,通信装置700包括处理器710,作为一种可能的实现方法,该通信装置700还包括接口电路720。处理器710和接口电路720之间相互耦合。可以理解的是,接口电路720可以为收发器或输入输出接口。作为一种可能的实现方法,通信装置700还可以包括存储器730,用于存储处理器710执行的指令或存储处理器710运行指令所需要的输入数据或存储处理器710运行指令后产生的数据。
当通信装置700用于实现上述方法实施例时,处理器710用于实现上述处理单元610的功能,接口电路720用于实现上述收发单元620的功能。
可以理解的是,本申请的实施例中的处理器可以是中央处理单元(central processing unit,CPU),还可以是其它通用处理器、数字信号处理器(digital signal processor,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现场可编程门阵列(field programmable gate array,FPGA)或者其它可编程逻辑器件、晶体管逻辑器件,硬件部件或者其任意组合。通用处理器可以是微处理器,也可以是任何常规的处理器。
本申请的实施例中的方法步骤可以通过硬件的方式来实现,也可以由处理器执行软件指令的方式来实现。软件指令可以由相应的软件模块组成,软件模块可以被存放于随机存取存储器、闪存、只读存储器、可编程只读存储器、可擦除可编程只读存储器、电可擦除可编程只读存储器、寄存器、硬盘、移动硬盘、CD-ROM或者本领域熟知的任何其它形式 的存储介质中。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。另外,该ASIC可以位于接入网设备或终端设备中。当然,处理器和存储介质也可以作为分立组件存在于接入网设备或终端设备中。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机程序或指令。在计算机上加载和执行所述计算机程序或指令时,全部或部分地执行本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、接入网设备、终端设备或者其它可编程装置。所述计算机程序或指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机程序或指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是集成一个或多个可用介质的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,例如,软盘、硬盘、磁带;也可以是光介质,例如,数字视频光盘;还可以是半导体介质,例如,固态硬盘。该计算机可读存储介质可以是易失性或非易失性存储介质,或可包括易失性和非易失性两种类型的存储介质。
在本申请的各个实施例中,如果没有特殊说明以及逻辑冲突,不同的实施例之间的术语和/或描述具有一致性、且可以相互引用,不同的实施例中的技术特征根据其内在的逻辑关系可以组合形成新的实施例。
本申请中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,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的情况,其中A,B可以是单数或者复数。在本申请的文字描述中,字符“/”,一般表示前后关联对象是一种“或”的关系;在本申请的公式中,字符“/”,表示前后关联对象是一种“相除”的关系。
可以理解的是,在本申请的实施例中涉及的各种数字编号仅为描述方便进行的区分,并不用来限制本申请的实施例的范围。上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定。
Claims (33)
- 一种通信方法,其特征在于,包括:推理网元向训练网元发送第一请求消息,所述第一请求消息包括分析类型的标识信息,所述第一请求消息用于请求支持所述分析类型的模型,所述训练网元与所述推理网元的厂商类型不同,所述推理网元和所述训练网元的模型部署平台的类型相同;所述推理网元接收来自所述训练网元的第一响应消息,所述第一响应消息包括加密的模型或者所述加密的模型的地址信息,所述加密的模型支持所述分析类型;所述推理网元根据所述加密的模型,得到加密的分析结果;所述推理网元根据所述加密的分析结果,获取解密的分析结果。
- 如权利要求1所述的方法,其特征在于,所述推理网元根据所述加密的分析结果,获取解密的分析结果,包括:所述推理网元向所述训练网元发送所述加密的分析结果;所述推理网元接收来自所述训练网元的所述解密的分析结果。
- 如权利要求2所述的方法,其特征在于,所述第一响应消息中还包括第一指示信息,所述第一指示信息指示由所述训练网元对所述加密的分析结果进行解密。
- 如权利要求2或3所述的方法,其特征在于,所述推理网元向所述训练网元发送所述加密的分析结果,包括:所述推理网元向所述训练网元发送所述加密的分析结果和关联标识,所述关联标识用于所述训练网元确定所述加密的模型对应的加密算法。
- 如权利要求1所述的方法,其特征在于,所述第一响应消息中还包括第一网元的地址信息;所述推理网元根据所述加密的分析结果,获取解密的分析结果,包括:所述推理网元根据所述第一网元的地址信息,向所述第一网元发送所述加密的分析结果;所述推理网元接收来自所述第一网元的所述解密的分析结果。
- 如权利要求5所述的方法,其特征在于,所述推理网元根据所述第一网元的地址信息,向所述第一网元发送所述加密的分析结果,包括:所述推理网元根据所述第一网元的地址信息,向所述第一网元发送所述加密的分析结果和关联标识,所述关联标识用于所述第一网元确定所述加密的模型对应的加密算法。
- 如权利要求1至6中任一项所述的方法,其特征在于,所述第一响应消息中还包括第二指示信息,所述第二指示信息用于指示所述加密的模型对应的输入数据的数据类型。
- 如权利要求1至7中任一项所述的方法,其特征在于,所述第一请求消息中还包含所述推理网元的厂商类型和所述推理网元的模型部署平台的类型。
- 如权利要求1至8中任一项所述的方法,其特征在于,所述推理网元向训练网元发送第一请求消息之前,还包括:所述推理网元向数据管理网元发送第二请求消息,所述第二请求消息包括所述分析类型的标识信息,所述第二请求消息用于请求支持所述分析类型的网元;所述推理网元接收来自所述数据管理网元的第二响应消息,所述第二响应消息包括所 述训练网元的地址信息。
- 一种通信方法,其特征在于,包括:训练网元接收来自推理网元的第一请求消息,所述第一请求消息包括分析类型的标识信息,所述第一请求消息用于请求支持所述分析类型的模型,所述训练网元与所述推理网元的厂商类型不同,所述推理网元和所述训练网元的模型部署平台的类型相同;所述训练网元向所述推理网元发送第一响应消息,所述第一响应消息包括加密的模型或者所述加密的模型的地址信息;所述训练网元接收来自所述推理网元的加密的分析结果,所述加密的分析结果是根据所述加密的模型得到的;所述训练网元对所述加密的分析结果进行解密,得到解密的分析结果;所述训练网元向所述推理网元发送所述解密的分析结果。
- 如权利要求10所述的方法,其特征在于,所述第一请求消息中还包括所述推理网元的厂商类型和所述推理网元的模型部署平台的类型;所述训练网元向所述推理网元发送第一响应消息之前,还包括:所述训练网元确定所述训练网元与所述推理网元的厂商类型不同,且所述推理网元和所述训练网元的模型部署平台的类型相同。
- 如权利要求10或11所述的方法,其特征在于,所述第一响应消息中还包括第一指示信息,所述第一指示信息指示由所述训练网元对所述加密的分析结果进行解密。
- 如权利要求10至12中任一项所述的方法,其特征在于,所述第一响应消息中还包括第二指示信息,所述第二指示信息用于指示所述加密的模型对应的输入数据的数据类型。
- 如权利要求10至13中任一项所述的方法,其特征在于,所述训练网元接收来自推理网元的第一请求消息之前,还包括:所述训练网元向数据管理网元发送注册请求消息,所述注册请求消息包括所述分析类型的标识信息和所述训练网元的模型信息,所述模型信息包括所述训练网元的厂商类型和所述训练网元的模型部署平台的类型。
- 如权利要求10至14中任一项所述的方法,其特征在于,所述训练网元接收来自所述推理网元的加密的分析结果,包括:所述训练网元接收来自所述推理网元的所述加密的分析结果和关联标识;所述训练网元对所述加密的分析结果进行解密,得到解密的分析结果,包括:所述训练网元根据所述关联标识,确定所述加密的模型对应的加密算法;所述训练网元根据所述加密算法,确定解密算法;所述训练网元根据所述解密算法对所述加密的分析结果进行解密,得到所述解密的分析结果。
- 一种通信方法,其特征在于,包括:推理网元向训练网元发送请求消息,所述请求消息包括分析类型的标识信息,所述请求消息用于请求支持所述分析类型的模型,所述训练网元与所述推理网元的厂商类型不同,所述推理网元和所述训练网元的模型部署平台的类型不同;所述推理网元接收来自所述训练网元的响应消息,所述响应消息包括第一指示信息和第二网元的地址信息,所述第一指示信息指示拒绝请求支持所述分析类型的模型,所述第二网元支持的模型部署平台的类型包括所述训练网元的模型部署平台的类型;所述推理网元根据所述第二网元的地址信息,向所述第二网元发送待分析的数据,所述待分析的数据用于所述第二网元根据所述分析类型对应的加密的模型生成加密的分析结果;所述推理网元接收来自所述训练网元或者第一网元的解密的分析结果,所述解密的分析结果是所述训练网元或所述第一网元根据所述加密的分析结果得到的。
- 如权利要求16所述的方法,其特征在于,所述响应消息还包括拒绝原因值,所述拒绝原因值为所述训练网元与所述推理网元的厂商类型不同,且所述推理网元和所述训练网元的模型部署平台的类型不同。
- 如权利要求16或17所述的方法,其特征在于,所述请求消息中还包含所述推理网元的厂商类型和所述推理网元的模型部署平台的类型。
- 如权利要求16至18中任一项所述的方法,其特征在于,所述响应消息中还包括第二指示信息,所述第二指示信息用于指示所述加密的模型对应的输入数据的数据类型。
- 如权利要求16至19中任一项所述的方法,其特征在于,所述加密的模型是使用全同态加密算法、随机安全平均算法或差分隐私算法中的一个或多个进行加密的。
- 如权利要求16至20中任一项所述的方法,其特征在于,所述推理网元根据所述第二网元的地址信息,向所述第二网元发送待分析的数据,包括:所述推理网元根据所述第二网元的地址信息,向所述第二网元发送待分析的数据和关联标识,所述关联标识用于所述第一网元或所述训练网元确定所述加密的模型对应的加密算法。
- 一种通信方法,其特征在于,包括:训练网元接收来自推理网元的请求消息,所述请求消息包括分析类型的标识信息,所述请求消息用于请求支持所述分析类型的模型,所述训练网元与所述推理网元的厂商类型不同,所述推理网元和所述训练网元的模型部署平台的类型不同;所述训练网元向所述推理网元发送响应消息,所述响应消息包括第一指示信息和第二网元的地址信息,所述第一指示信息指示拒绝请求支持所述分析类型的模型,所述第二网元支持的模型部署平台的类型包括所述训练网元的模型部署平台的类型;所述训练网元接收来自所述第二网元的加密的分析结果,所述加密的分析结果是所述第二网元根据所述推理网元的待分析的数据和所述分析类型对应的加密的模型得到的;所述训练网元对所述加密的分析结果进行解密,得到解密的分析结果;所述训练网元向所述推理网元发送所述解密的分析结果。
- 如权利要求22所述的方法,其特征在于,所述请求消息中还包含所述推理网元的厂商类型和所述推理网元的模型部署平台的类型;所述训练网元向所述推理网元发送响应消息之前,还包括:所述训练网元确定所述训练网元与所述推理网元的厂商类型不同,且所述推理网元和所述训练网元的模型部署平台的类型不同。
- 如权利要求22或23所述的方法,其特征在于,所述响应消息还包括拒绝原因值,所述拒绝原因值为所述训练网元与所述推理网元的厂商类型不同,且所述推理网元和所述训练网元的模型部署平台的类型不同。
- 如权利要求22至24中任一项所述的方法,其特征在于,所述训练网元接收来自推理网元的请求消息之前,还包括:所述训练网元向所述第二网元发送所述分析类型的标识信息和所述分析类型对应的所述加密的模型。
- 如权利要求22至25中任一项所述的方法,其特征在于,所述响应消息中还包括第二指示信息,所述第二指示信息用于指示所述加密的模型对应的输入数据的数据类型。
- 如权利要求22至26中任一项所述的方法,其特征在于所述训练网元接收来自所述第二网元的加密的分析结果,包括:所述训练网元接收来自所述第二网元的所述加密的分析结果和关联标识;所述训练网元对所述加密的分析结果进行解密,得到解密的分析结果,包括:所述训练网元根据所述关联标识,确定所述加密的模型对应的加密算法;所述训练网元根据所述加密算法,确定解密算法;所述训练网元根据所述解密算法对所述加密的分析结果进行解密,得到所述解密的分析结果。
- 一种通信装置,其特征在于,包括处理器和存储器;所述存储器用于存储计算机指令,当所述装置运行时,所述处理器执行所述存储器存储的所述计算机指令,以使所述装置执行上述权利要求1至9、16至21中任一项所述方法,或执行上述权利要求10至15、22至27中任一项所述方法。
- 一种计算机可读存储介质,其特征在于,所述存储介质中存储有计算机程序或指令,当所述计算机程序或指令被通信装置执行时,实现如权利要求1至27中任一项所述的方法。
- 一种通信系统,其特征在于,包括:推理网元,用于执行如权利要求1至9中任一项所述的方法;以及训练网元,用于向所述推理网元发送加密的模型或者所述加密的模型的地址信息。
- 一种通信系统,其特征在于,包括:推理网元,用于向训练网元发送第一请求消息,所述第一请求消息包括分析类型的标识信息,所述第一请求消息用于请求支持所述分析类型的模型;以及所述训练网元,用于执行如权利要求10至15中任一项所述的方法。
- 一种通信系统,其特征在于,包括:推理网元,用于执行如权利要求16至21中任一项所述的方法;以及训练网元,用于向所述推理网元发送第二网元的地址信息,所述第二网元支持的模型部署平台的类型包括所述训练网元的模型部署平台的类型。
- 一种通信系统,其特征在于,包括:推理网元,用于向训练网元发送请求消息,所述请求消息包括分析类型的标识信息,所述请求消息用于请求支持所述分析类型的模型;以及所述训练网元,用于执行如权利要求22至27中任一项所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111030657.9 | 2021-09-03 | ||
CN202111030657.9A CN115767514A (zh) | 2021-09-03 | 2021-09-03 | 一种通信方法、通信装置及通信系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2023030077A1 true WO2023030077A1 (zh) | 2023-03-09 |
Family
ID=85332899
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2022/114043 WO2023030077A1 (zh) | 2021-09-03 | 2022-08-22 | 一种通信方法、通信装置及通信系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115767514A (zh) |
WO (1) | WO2023030077A1 (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110569288A (zh) * | 2019-09-11 | 2019-12-13 | 中兴通讯股份有限公司 | 一种数据分析方法、装置、设备和存储介质 |
CN111083722A (zh) * | 2019-04-15 | 2020-04-28 | 中兴通讯股份有限公司 | 模型的推送、模型的请求方法及装置、存储介质 |
CN112311564A (zh) * | 2019-07-23 | 2021-02-02 | 华为技术有限公司 | 应用mos模型的训练方法、设备及系统 |
CN112784992A (zh) * | 2019-11-08 | 2021-05-11 | 中国移动通信有限公司研究院 | 一种网络数据分析方法、功能实体及电子设备 |
WO2021155579A1 (zh) * | 2020-02-07 | 2021-08-12 | 华为技术有限公司 | 一种数据分析方法、装置及系统 |
-
2021
- 2021-09-03 CN CN202111030657.9A patent/CN115767514A/zh active Pending
-
2022
- 2022-08-22 WO PCT/CN2022/114043 patent/WO2023030077A1/zh unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111083722A (zh) * | 2019-04-15 | 2020-04-28 | 中兴通讯股份有限公司 | 模型的推送、模型的请求方法及装置、存储介质 |
CN112311564A (zh) * | 2019-07-23 | 2021-02-02 | 华为技术有限公司 | 应用mos模型的训练方法、设备及系统 |
CN110569288A (zh) * | 2019-09-11 | 2019-12-13 | 中兴通讯股份有限公司 | 一种数据分析方法、装置、设备和存储介质 |
CN112784992A (zh) * | 2019-11-08 | 2021-05-11 | 中国移动通信有限公司研究院 | 一种网络数据分析方法、功能实体及电子设备 |
WO2021155579A1 (zh) * | 2020-02-07 | 2021-08-12 | 华为技术有限公司 | 一种数据分析方法、装置及系统 |
Non-Patent Citations (1)
Title |
---|
NTT DOCOMO, SAMSUNG: "NWDAF decomposition", 3GPP DRAFT; S2-2100411, 3RD GENERATION PARTNERSHIP PROJECT (3GPP), MOBILE COMPETENCE CENTRE ; 650, ROUTE DES LUCIOLES ; F-06921 SOPHIA-ANTIPOLIS CEDEX ; FRANCE, vol. SA WG2, no. eMeeting; 20210222 - 20210305, 18 February 2021 (2021-02-18), Mobile Competence Centre ; 650, route des Lucioles ; F-06921 Sophia-Antipolis Cedex ; France, XP052172749 * |
Also Published As
Publication number | Publication date |
---|---|
CN115767514A (zh) | 2023-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11903048B2 (en) | Connecting to virtualized mobile core networks | |
EP3836577B1 (en) | Session management method and device for user groups | |
CN111901135B (zh) | 一种数据分析方法及装置 | |
US20200053802A1 (en) | Session management with relaying and charging for indirect connection for internet of things applications in 3gpp network | |
WO2020007202A1 (zh) | 一种数据传输方法、装置及系统 | |
CN109314839A (zh) | 服务层的业务导向 | |
EP4016961A1 (en) | Information obtaining method and device | |
WO2020015634A1 (zh) | 一种mec信息获取方法及装置 | |
US11558813B2 (en) | Apparatus and method for network automation in wireless communication system | |
US11889568B2 (en) | Systems and methods for paging over WiFi for mobile terminating calls | |
US20220263879A1 (en) | Multicast session establishment method and network device | |
WO2022222745A1 (zh) | 一种通信方法及装置 | |
WO2022267652A1 (zh) | 一种通信方法、通信装置及通信系统 | |
WO2023030077A1 (zh) | 一种通信方法、通信装置及通信系统 | |
WO2021218244A1 (zh) | 通信方法、装置及系统 | |
WO2023016298A1 (zh) | 一种业务感知方法、通信装置及通信系统 | |
WO2023056784A1 (zh) | 数据收集方法、通信装置及通信系统 | |
WO2023082858A1 (zh) | 确定移动性管理策略的方法、通信装置及通信系统 | |
WO2023050781A1 (zh) | 一种通信方法及通信装置 | |
WO2023231450A1 (zh) | 一种时间同步方法及通信装置 | |
WO2023213177A1 (zh) | 一种通信方法及装置 | |
WO2023078183A1 (zh) | 一种数据收集方法及通信装置 | |
WO2023213226A1 (zh) | 一种授权的方法和装置 | |
WO2024078305A1 (zh) | 通信方法、通信装置及通信系统 | |
WO2021138784A1 (zh) | 一种接入网络的方法、装置及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 22863216 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |