(19)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 202110395105.1 (22)申请日 2021.04.13 (71)申请人 中移 （上海） 信息通信科技有限公司 地址 201206 上海市浦东 新区新金桥路27 号金桥现代产业 服务园区10号楼二楼 申请人 中移智行网络科技有限公司 　 中国移动通信集团有限公司 (72)发明人 周颖　汪丽娟　王轩轩　马辉　 (74)专利代理 机构 北京银龙知识产权代理有限 公司 11243 专利代理师 许静　姜精斌 (51)Int.Cl. G06F 11/07(2006.01) G06F 30/27(2020.01) G06N 20/20(2019.01) (54)发明名称 联邦学习系统的节 点异常处理方法、 装置及 通信设备 (57)摘要 本发明提供一种联邦学习系统的节点异常 处理方法、 装置及通信设备， 涉及分布式任务处 理相关技术领域。 其中该方法包括： 在联邦学习 过程中， 若第一节点在目标时长内未接收到第二 节点发送的第一信息， 或者若所述第一节点接收 到所述第二节点发送的第二信息且所述第二信 息中的参数存在异常， 则确定所述第二节点存在 异常； 根据所述第二节点的异常类型进行相应处 理， 其中不同的异常类型对应不同的处理方式； 其中， 所述第一节点和所述第二节 点为区块链节 点。 本发明的方案， 解决了目前的联邦学习系统 存在建模效率低、 不能确保数据源是否可信， 从 而影响模型 结果的准确性的问题。 权利要求书3页 说明书19页 附图6页 CN 115202911 A 2022.10.18 CN 115202911 A 1.一种联邦学习 系统的节点异常处 理方法， 其特 征在于， 包括： 在联邦学习过程中， 若第一节点在目标时长内未接收到第二节点发送的第一信息， 或 者若所述第一节点接 收到所述第二节点发送的第二信息且所述第二信息中的参数存在异 常， 则确定所述第二节点存在异常； 根据所述第 二节点的异常类型进行相应处理， 其中不同的异常类型对应不同的处理方 式； 其中， 所述第一节点和所述第二节点 为区块链 节点。 2.根据权利要求1所述的方法， 其特 征在于， 还 包括： 将所述第二节点存在异常的相关信 息、 所述第 二节点的异常类型对应的处理方式中的 至少一个， 记录 至区块链。 3.根据权利要求1所述的方法， 其特征在于， 所述第 一节点为所述联邦学习系统中的一 个区块链从节点， 所述第二节点 为所述联邦学习 系统中的区块链主节点； 若第一节点在预设时长内未接收到第 二节点发送的第 一信息， 则确定所述第 二节点存 在异常， 包括： 若所述第一节点确定在第 一目标时长内， 所述联邦学习系统中超过预设阈值数量的区 块链从节点未接收到所述第二节点发送的心跳通知消息， 则确定所述第二节点存在异常。 4.根据权利要求3所述的方法， 其特征在于， 所述根据所述第 二节点的异常类型进行相 应处理， 包括： 所述第一节点基于共识算法从至少一个备选主节点中确定一个目标节点， 并将所述目 标节点确定为更新后的区块链主节点； 其中， 所述备选主节点 为可信第三方节点； 基于所述联邦学习系统中的多个区块链从节点和所述更新后的区块链主节点， 继续联 邦学习过程。 5.根据权利要求4所述的方法， 其特征在于， 所述第 一节点基于共识算法从至少一个备 选主节点中确定一个目标节点， 包括： 所述第一节点基于共识算法根据每个备选主节点反馈给所述联邦学习系统中的多个 区块链从节点的响应速度， 将最快达成共识的一个备选主节点确定为所述目标节点。 6.根据权利要求4所述的方法， 其特征在于， 所述将所述目标节点确定为更新后的区块 链主节点之后， 还 包括： 广播第一消息至所述多个区块链从节点， 并将区块链主节点更新的相关信 息记录至区 块链； 其中， 所述第一消息携带有更新后的区块链主节点的相关信息 。 7.根据权利要求1所述的方法， 其特征在于， 所述第 一节点为所述联邦学习系统中的区 块链主节点， 所述第二节点 为所述联邦学习 系统中的至少一个区块链从节点； 若第一节点在预设时长内未接收到第 二节点发送的第 一信息， 则确定所述第 二节点存 在异常， 包括： 若所述第一节点在第 二目标时长 内未接收到所述第 二节点发送的模型参数信 息， 则确 定所述第二节点存在异常。 8.根据权利要求7所述的方法， 其特征在于， 所述根据所述第 二节点的异常类型进行相 应处理， 包括： 若所述第二节点占所述联邦学习系统中总节点的数量比例小于或等于预设门限， 则基权　利　要　求　书 1/3 页 2 CN 115202911 A 2于所述联邦学习 系统中除所述第二节点之外的区块链从节点， 继续联邦学习过程。 9.根据权利要求8所述的方法， 其特 征在于， 还 包括： 所述第一节点向所述第二节点发送 心跳通知消息； 若所述第一节点接收到所述第 二节点根据 所述心跳通知消息发送的反馈消息， 则 基于 所述第二节点以及所述联邦学习系统中除所述第二节点之外的区块链从节点继续联邦学 习过程。 10.根据权利要求7 所述的方法， 其特 征在于， 还 包括： 若所述第二节点占所述联邦学习系统中总节点的数量比例大于预设门限， 则终止所述 联邦学习过程。 11.根据权利要求1所述的方法， 其特征在于， 所述第一节点为所述联邦学习系统中的 区块链主节点， 所述第二节点 为所述联邦学习 系统中的至少一个区块链从节点； 若第一节点接收到所述第 二节点发送的第 二信息且所述第 二信息中的参数存在异常， 则确定所述第二节点存在异常， 包括： 所述第一节点接收所述联邦学习 系统中各个从节点分别发送的模型参数信息； 基于所述模型参数信息， 建立异常评判函数； 基于所述异常评判函数， 判断所述从节点是否为异常节点； 若所述第二节点发送的模型参数信息对应所述异常评判函数的评判值大于第一预设 阈值， 则确定所述第二节点 为异常节点。 12.根据权利要求1 1所述的方法， 其特 征在于， 还 包括： 若第三节点发送的模型参数信 息对应所述异常评判函数的评判值小于第 二预设阈值， 则确定所述第三节点为正常节点； 其中， 所述第三节点为所述联邦学习系统中的至少一个 从节点； 若第四节点发送的模型参数信息对应所述异常评判函数的评判值大于或等于所述第 二预设阈值， 且小于或等于所述第一预设阈值， 则确定所述第四节点为疑似异常节点； 其 中， 所述第四节点 为所述联邦学习 系统中的至少一个从节点。 13.根据权利要求12所述的方法， 其特征在于， 所述根据 所述第二节点的异常类型进行 相应处理， 包括： 基于所述第三节点发送的模型参数信息、 所述第三节点对应的第一权重值， 以及所述 第四节点发送的模型参数信息、 所述第四节点对应的第二权 重值， 进行模型聚合； 其中， 所述第一权 重值大于所述第二权 重值。 14.根据权利要求13所述的方法， 其特征在于， 所述第 二权重值与所述第四节点对应的 所述异常评判函数的评判值相关。 15.根据权利要求1所述的方法， 其特征在于， 所述第一节点为联邦学习系统中的区块 链主节点， 所述第二节点 为联邦学习 系统中多个区块链从节点中的至少一个； 所述在联邦学习过程中， 若第一节点在目标时长内未接收到第二节点发送的第一信 息， 或者若所述第一节点接收到所述第二节点发送的第二信息且所述第二信息中的参数存 在异常， 则确定所述第二节点存在异常之前， 还 包括： 所述区块链主节点将建模请求信息记录至区块链； 其中， 所述区块链记录有多个节点 的相关信息， 所述区块链主节点 为所述多个节点中的一个；权　利　要　求　书 2/3 页 3 CN 115202911 A 3