(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111437886.2 (22)申请日 2021.11.29 (71)申请人 北京邮电大 学 地址 100876 北京市海淀区西土城路10号 (72)发明人 崔琪楣　梁盛源　赵博睿　任崇万　 陶小峰　 (74)专利代理 机构 北京辰权知识产权代理有限 公司 11619 代理人 李小朋 (51)Int.Cl. H04W 24/02(2009.01) G06N 20/00(2019.01) (54)发明名称 利用学习模型进行业务处理的方法以及装 置 (57)摘要 本申请公开了一种利用学习模型进行业务 处理的方法以及装置。 通过应用本申请的技术方 案， 可以利用基站设备的分布式单元DU与集中式 单元CU， 并与边缘节点共同组成通信网络架构。 以使后续还可以利用该通信网络聚合网络中各 个设备节 点的模型参数， 并利用该聚合模型参数 构建部署在用户设备端或基站设备端的分层联 邦学习模型。 进而实现利用分层联邦学习模型进 行业务处理的目的。 权利要求书2页 说明书12页 附图3页 CN 114302422 A 2022.04.08 CN 114302422 A 1.一种利用学习模型进行业 务处理的方法， 其特 征在于， 其中： 获取由第一智能层、 第二智能层以及第三智能层所组成的通信网络架构， 其中所述第 一智能层以及第二智能层部署在基站设备， 第三智能层部署在边 缘节点中； 利用分层联邦学习算法以及所述通信网络架构， 生成部署在用户设备端或基站设备端 的分层联邦学习模型； 利用所述分层联邦学习模型进行业 务处理。 2.如权利要求1所述的方法， 其特征在于， 在所述获取由第一智能层、 第二智能层以及 第三智能层所组成的通信网络架构之后， 还 包括： 获取部署在云端服 务器中的第四智能层； 按照预设配置策略， 对所述第四智能层进行功能配置； 当检测到对第四智能层的功能配置完成后， 确定生成由所述第一智能层、 所述第二智 能层、 所述第三智能层以及第四智能层所组成的通信网络架构。 3.如权利要求1或2所述的方法， 其特征在于， 所述利用分层联邦学习算法 以及所述通 信网络架构， 生成部署在用户设备端或基站设备端的分层联邦学习模型， 包括： 利用各所述第 一智能层获取初始模型参数， 所述初始模型参数为所述用户设备或所述 第一智能层利用本地数据进行模型训练而得到的模型参数； 利用所述第 二智能层接收各所述第 一智能层传送的初始模型参数之后， 对所述初始模 型参数进行第一层级聚合， 得到第一聚合模型参数； 所述第二智能层将所述第 一聚合模型参数发送给所述第 一智能层， 直至达到第 一次数 后确定所述第一层级聚合完成。 4.如权利要求3所述的方法， 其特征在于， 在所述直至达到第 一次数后确定所述第 一层 级聚合完成之后， 包括： 所述第一智能层将所述第 一聚合模型参数发送给用户设备， 以使所述用户设备根据 所 述第一聚合模型参数对初始学习模型进行训练； 或， 所述第一智能层根据所述第一聚合模型参数对初始学习模型进行训练。 5.如权利要求3所述的方法， 其特征在于， 在所述确定所述第一层级聚合完成之后， 包 括： 由各所述第二智能层将第一聚合模型参数发送给 所述第三智能层； 由所述第三智能层对各所述第 一聚合模型参数进行第 二层级聚合， 得到第 二聚合模型 参数； 所述第三智能层将所述第 二聚合模型参数发送给所述第 二智能层， 直至达到第 二次数 后确定所述第二层级聚合完成。 6.如权利要求4所述的方法， 其特征在于， 在所述达到第 二次数后确定所述第 二层级聚 合完成之后， 包括： 所述第二智能层将所述第二聚合模型参数发送给 所述第一智能层； 以及， 所述第一智能层将所述第 二聚合模型参数发送给用户设备， 以使所述用户设备根据 所 述第二聚合模型参数对初始学习模型进行训练， 得到所述分层联邦学习模型； 或， 所述第一智能层根据 所述第二聚合模型参数对初始学习 模型进行训练， 得到所述分层 联邦学习模型。权　利　要　求　书 1/2 页 2 CN 114302422 A 27.如权利要求5所述的方法， 其特征在于， 在所述第 三智能层将所述第 二聚合模型参数 发送给所述第二智能层之后， 包括： 若确定存在第四智能层， 由各所述第 三智能层将所述第 二聚合模型参数发送给所述第 四智能层， 以使所述第四智能层对所述第二聚合模型参数进行第三层级聚合后， 得到第三 聚合模型参数； 所述第四智能层将所述第 三聚合模型参数逐级下发至所述第 一智能层， 以使所述第 一 智能层根据所述第一聚合模型参数对初始学习模型进行训练； 或， 所述第一智能层将所述第 三聚合模型参数发送给用户设备， 以使所述用户设备根据 所 述第三聚合模型参数对初始学习模型进行训练， 得到所述分层联邦学习模型。 8.如权利要求1所述的方法， 其特征在于， 所述利用所述分层联邦学习 模型进行业务处 理， 包括： 由用户设备利用所述分层联邦学习模型进行第一 业务处理； 或， 由基站设备利用所述分层联邦学习模型进行第二 业务处理。 9.如权利要求1所述的方法， 其特征在于， 所述第 一智能层以及第 二智能层部署在基站 设备， 包括： 所述第一智能层部署在所述基站设备的分布式单元DU中， 以及所述第 二智能层部署在 所述基站设备的集中 式单元CU中； 或， 所述第一智能层部署在小基站设备， 以及所述第二智能层部署在宏基站设备中。 10.一种利用学习模型进行业 务处理的装置， 其特 征在于， 应用于基站设备， 包括： 获取模块， 被配置为获取由第一智能层、 第二智能层以及第三智能层所组成的通信网 络架构， 其中所述第一智能层以及第二智能层部署在基站设备， 第三智能层部署在边缘节 点中； 生成模块， 被配置为利用分层联邦学习算法 以及所述通信网络架构， 生成部署在用户 设备端或基站设备端的分层联邦学习模型； 处理模块， 被 配置为利用所述分层联邦学习模型进行业 务处理。 11.一种电子设备， 其特 征在于， 包括： 存储器， 用于存 储可执行指令； 以及， 处理器， 用于与所述存储器执行所述可执行指令从而完成权利要求1 ‑9中任一所述利 用学习模型进行业 务处理的方法的操作。 12.一种计算机可读存储介质， 用于存储计算机可读取的指令， 其特征在于， 所述指令 被执行时执行权利要求1 ‑9中任一所述利用学习模型进行业 务处理的方法的操作。权　利　要　求　书 2/2 页 3 CN 114302422 A 3