(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 202210354376.7 (22)申请日 2022.04.06 (65)同一申请的已公布的文献号 申请公布号 CN 114492846 A (43)申请公布日 2022.05.13 (73)专利权人 天聚地合(苏州)科技股份有限公 司 地址 215128 江苏省苏州市苏州工业园区 启月街28 8号紫金东方大厦3 07室 (72)发明人 邢炬　左磊　 (74)专利代理 机构 北京德崇智捷知识产权代理 有限公司 1 1467 专利代理师 王欣 (51)Int.Cl. G06F 21/57(2013.01) G06F 9/445(2018.01) G06N 20/00(2019.01) (56)对比文件 CN 106982206 A,2017.07.25CN 110633805 A,2019.12.31 US 11017322 B1,2021.0 5.25 US 11281660 B1,202 2.03.22 US 2022051762 A1,202 2.02.17 CN 113344221 A,2021.09.0 3 CN 113469373 A,2021.10.01 CN 113033828 A,2021.0 6.25 CN 110730156 A,2020.01.24 CN 111917587 A,2020.1 1.10 CN 109445949 A,2019.0 3.08 CN 110601913 A,2019.12.20 刘国智 等.基 于联邦学习的异常流 量监测 方法研究与实现. 《中国优秀硕士论文 全文数据 库 信息科技 辑》 .2022,I139-23 0. 田心 等.面向可监管的隐私计算关键技 术 与应用研究. 《中国计算机用户协会网络 应用分 会2021年第二十五届网络新 技术与应用年会论 文集》 .2021,3 07-310. (续) 审查员 黄攀 (54)发明名称 基于可信执行环境的跨域联邦学习方法及 系统 (57)摘要 本申请公开了一种基于可信执行环境的跨 域联邦学习方法及系统， 属于机器学习技术领 域。 所述方法包括： 任务开发方将在开发环境中 生成的联邦学习任务发送给平台控制器； 平台控 制器将联邦学习任务发送给参与方， 将根据联邦 学习任务生成的配置信息发送给参数聚合集群； 参与方根据联邦学习任务进行模 型训练， 将每一 轮训练的中间参数发送给参数聚合集群； 参数聚 合集群根据配置信息进行集群配置和底层网络 配置， 根据集群配置和底层网络配置在可信执行 环境中聚合中间参数， 将聚合后的中间参数发送 给参与方 继续训练； 对最后一轮训练的中间参数 进行聚合后， 参数聚合集群将该中间参数作为模型参数发送给任务开发方。 本申请能够提高参数 精度和参数聚合效率。 [转续页] 权利要求书3页 说明书11页 附图6页 CN 114492846 B 2022.08.26 CN 114492846 B (56)对比文件 李泽睿.基 于联邦学习的中文输入隐私保护 技术. 《中国优秀硕士学位 论文全文数据库 信息 科技辑》 .2022,I138-194.Fan Mo 等.P PFL Privacy-preservi ng Federated Learn ing with Trusted Executi on Environments. 《arXiv:2104.14380v2》 .2021,1- 15.2/2 页 2[接上页] CN 114492846 B1.一种基于可信执行环境的跨域联邦学习方法， 其特征在于， 用于包含任务开发方、 联 邦学习系统和参与方的基于可信执行环境的跨域联邦学习系统中， 所述联邦学习系统中包 含参数聚合 集群、 平台控制器和开发环境， 所述方法包括： 所述任务开发方在所述开发环境中生成联邦学习 任务， 将所述联邦学习 任务发送给所 述平台控制器， 所述联邦学习任务中包含待训练模 型的参数及指标信息、 模型结构信息、 数 据准备信息和预定数据类型， 所述参数及指标信息用于指示所述模型的模 型参数和训练指 标， 所述模型结构信息用于指示所述模型 的模型结构， 所述数据准备信息用于指示所述模 型的训练数据的声明， 以使分布式数据源按照所述声明对应的处理流程准备所述训练数 据， 所述预定数据类型用于指示所述联邦学习系统提供 的逻辑数据抽象， 以使分布式的训 练数据抽象为完整数据集； 所述平台控制器将所述联邦学习任务发送给所述参与 方， 并根据 所述联邦学习 任务生 成配置信息， 将所述配置信息发送给 所述参数聚合 集群； 所述参与 方根据所述联邦学习 任务进行模型训练， 并将每一轮训练得到的中间参数发 送给所述参数聚合 集群； 所述参数聚合集群根据 所述配置信 息进行集群配置和底层网络配置， 并根据 所述集群 配置和底层网络配置在可信执行环境中聚合所述中间参数， 将聚合后的中间参数发送给所 述参与方继续训练； 当对最后 一轮训练的中间参数进行聚合后， 所述参数聚合集群将聚合后的中间参数作 为模型参数发送给 所述任务 开发方； 所述方法还 包括： 所述平台控制器根据 所述联邦学习 任务生成会话令牌， 将所述会话令牌发送给所述任 务开发方； 所述任务开发方修改所述联邦学习 任务中的至少一种信 息， 将修改后的联邦学习任务 和所述会话令牌发送给所述平台控制器， 所述至少一种信息为所述参数及指标信息、 所述 模型结构信息和所述数据准备信息中的至少一种； 所述平台控制器将修改前后的联邦学习任务中的每种信 息映射为状态图， 对所述状态 图中的每项内容进行修改前后的差分计算， 根据计算结果生成更新配置信息， 将所述更新 配置信息发送给 所述参数聚合 集群， 所述状态图是状态列表或字典； 所述参数聚合集群根据所述更新配置信息修改所述集群配置和/或所述底层网络配 置。 2.根据权利要求1所述的方法， 其特征在于， 所述任务开发方修改所述联邦学习 任务中 的至少一种信息， 包括： 所述任务开发方调用所述预定数据类型支持的增量语义接口， 利用所述增量语义接口 修改所述联邦学习任务中的至少一种信息 。 3.根据权利要求2所述的方法， 其特征在于， 所述增量语义接口包括操作类接口、 追踪 类接口和交换类接口。 4.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 所述平台控制器根据 所述计算结果生成信 息差分， 将所述信 息差分发送给所述任务开 发方；权　利　要　求　书 1/3 页 2 CN 114492846 B 3