(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211068859.7 (22)申请日 2022.09.02 (65)同一申请的已公布的文献号 申请公布号 CN 115169587 A (43)申请公布日 2022.10.11 (73)专利权人 第四范式 （北京） 技 术有限公司 地址 100085 北京市海淀区清河中街6 6号 院1号楼九层LO901-1号 (72)发明人 张冠一　王哲　 (74)专利代理 机构 北京展翼知识产权代理事务 所(特殊普通 合伙) 11452 专利代理师 王明远 (51)Int.Cl. G06N 20/00(2019.01) G06F 9/50(2006.01)H04L 69/08(2022.01) H04L 41/16(2022.01) (56)对比文件 CN 114519434 A,202 2.05.20 CN 114416854 A,202 2.04.29 US 2021326 698 A1,2021.10.21 CN 114443135 A,2022.05.06 审查员 赵天奇 (54)发明名称 联邦学习系统及实现多方联合处理任务的 方法与设备 (57)摘要 本公开涉及一种联邦学习系统及实现多方 联合处理任务的方法与设备。 联邦学习系统包括 至少两个参与方， 任意一个参与方包括至少一个 第一节点以及至少一个第二节 点。 第一节点上部 署至少一个联邦学习框架。 第二节 点上部署至少 一个联邦 学习算子， 联邦学习算子为对至少部分 联邦学习算法进行去差异化处理得到的。 响应于 调用联邦 学习算子的任务请求， 第二节点将任务 请求中的输入参数转换为联邦学习算子所对应 的联邦学习算法所需要的格式， 并将转换后的输 入参数转发至支持联邦学习算法的联邦学习框 架所在的第一节点， 由第一节 点基于转换后的输 入参数执行联邦学习算法。 由此， 为方便用户使 用异构联邦学习框架提供支持。 权利要求书4页 说明书16页 附图3页 CN 115169587 B 2022.12.20 CN 115169587 B 1.一种联邦学习系统， 其特征在于， 所述系统包括至少两个参与方， 任意一个参与 方包 括： 至少一个第一节点， 所述第一节点上部署至少一个联邦学习框架， 所述联邦学习框架 支持至少一种联邦学习算法； 以及 至少一个第二节点， 所述第二节点上部署至少一个联邦学习算子， 所述联邦学习算子 为对至少部分所述联邦学习算法在不同联邦学习框架下存在的差异进行去差异化处理得 到的， 其中， 响应于调用所述联邦学习算子的任务请求， 所述第二节点将所述任务请求中的 输入参数转换为所述联邦学习算子所对应的联邦学习算法所需要的格式， 并将转换后的输 入参数转 发至支持所述联邦学习算法的联邦学习框架所在的第一节点， 由所述第一节点基 于转换后的输入参数 执行所述联邦学习算法。 2.根据权利要求1所述的系统， 其特 征在于， 所述第二节点还将所述第一节点执行所述联邦学习算法后的输出结果转换为符合所 述联邦学习算子的格式要求的输出参数。 3.根据权利要求1所述的系统， 其特 征在于， 任意一个所述联邦学习算子对应机器学习建模流程中的一个建模步骤， 所述联邦学习 算子是对所述联邦学习框架中与所述建模步骤 对应的联邦学习算法部分进行封装得到的， 所述机器学习建模流程包括以下建模步骤中的任意一个或多个： 数据预处理； 样本对 齐； 特征工程； 模型训练与评估。 4.根据权利要求1所述的系统， 其特 征在于， 所述联邦学习算子为基于统一封装规范对至少部分所述联邦学习算法进行封装得到 的， 不同联邦学习算子具有格式统一的输入参数和输出参数。 5.根据权利要求 4所述的系统， 其特 征在于， 所述输入参数包括输入数据集和训练参数， 并且/或者 所述输出参数包括输出模型和输出 数据集。 6.根据权利要求5所述的系统， 其特征在于， 所述输入参数还包括合作方信息、 协作协 议信息、 版本信息中的任意 一项或多 项， 所述合作方信息用于表征其他参与方中支持所述联邦学习算子所对应的联邦学习算 法的联邦学习框架和/或所述联邦学习框架所在的第一节点， 所述协作协议信息用于约定参与方中支持所述联邦学习算子所对应的联邦学习算法 的联邦学习框架参与联邦学习建模 任务时使用的协议， 所述版本信 息用于表征所述联邦学习算子所对应的联邦学习算法和/或联邦学习框架 的版本。 7.根据权利要求1所述的系统， 其特 征在于， 不同的联邦学习框架部署在不同的第一节点上。 8.根据权利要求1所述的系统， 其特 征在于， 所述第一节点上部署了至少一个所述联邦学习框架的Docker镜像， Docker镜像包括所 述联邦学习框架、 所述联邦学习框架的系统环境以及所述联邦学习框架的依赖包。 9.根据权利要求1所述的系统， 其特 征在于，权　利　要　求　书 1/4 页 2 CN 115169587 B 2属于同一 参与方的第一节点和第二节点部署于同一分布式管理集群环境中。 10.根据权利要求1所述的系统， 其特 征在于， 所述第二节点上还部署了 至少一个非联邦学习算法和/或非联邦学习算子 。 11.根据权利要求1至10中任一项所述的系统， 其特 征在于， 还 包括： 算子管理及任务调度平台， 所述第二节点与所述算子管理及任务调度平台连接， 所述 算子管理及 任务调度平台用于管理所述第二节点上部署的算子， 并为参与方提供针对联邦 学习建模 任务的调度服 务。 12.一种实现多参与方联合处理任务的方法， 其特征在于， 任意一个参与方包括至少一 个第一节点以及至少一个第二节点， 所述第一节点上部署至少一个计算框架， 所述计算框 架支持至少一种算法， 所述第二节点上部署至少一个算子， 所述算子为对至少 部分所述算 法在不同计算框架下存在的差异进行去差异化处 理得到的， 该 方法包括： 任务发起方中的第二节点接收任务， 所述任务包括输入参数和任务发起方选择的算 法， 所述第二节点上部署了与任务发起方选择的算法对应的算子； 任务发起方中的第 二节点将所述输入参数转换为计算框架中所述算法所需要的格 式， 并将转换后的输入参数转发至任务发起方中部署了所述计算框架的第一节点； 任务发起方中的第 一节点基于转换后的输入参数执行所述算法， 并与一个或多个任务 合作方中部署了支持所述 算法的计算框架的第一节点 通信； 基于任务发起方中的第 一节点与一个或多个任务合作 方中的第 一节点之间的通信， 任 务发起方与一个或多个任务 合作方联合执行所述任务。 13.根据权利要求12所述的方法， 其特征在于， 所述算子为基于统一封装规范对至少部 分所述算法进行封装得到的， 不同算子具有格式统一的输入参数和输出参数。 14.根据权利要求12所述的方法， 其特征在于， 所述输入参数包括合作方信息和/或版 本信息， 所述合作方信息用于表征其他参与方中支持所述算法的计算框架和计算框架所在 的第一节点， 所述版本信息用于表征算法版本和/或框架版本， 该 方法还包括： 任务发起方中的第 二节点根据 所述合作 方信息选择计算框架， 并确定任务合作 方中部 署了所选择的计算框架的第一节点； 或者 任务发起方中的第 二节点根据 所述版本信 息确定任务发起方指定的算法版本和/或框 架版本， 并根据所述合作方信息确定任务合作方中部署了任务发起方指定的算法版本和/ 或框架版本的计算框架的第一节点。 15.根据权利要求14所述的方法， 其特征在于， 还包括： 任务发起方中的第二节点将确 定的任务 合作方中的第一节点信息发送给任务发起方中的第一节点， 其中， 任务发起方中的第 一节点与一个或多个任务合作方中部署了支持所述算法的计 算框架的第一节点通信， 包括： 任务 发起方中的第一节点基于所述第一节点信息， 与任务合 作方中的第一节点 通信。 16.根据权利要求12所述的方法， 其特征在于， 任务发起方中第 一节点上部署的支持所 述算法的计算框架， 与所述任务合作方中的第一节点上部署的支持所述算法的计算框架， 属于不同计算框架， 所述输入参数还包括协作协议信息， 所述协作协议信息用于约定参与 方中支持所述 算法的计算框架参与执 行任务时使用的协议， 该 方法还包括： 所述任务发起方中的第一节点基于所述协作协议信息对计算框架使用的协作协议进权　利　要　求　书 2/4 页 3 CN 115169587 B 3