用于移动网络中的垂直联邦学习的样本和特征对齐优化的制作方法

本发明大体上涉及管理网络中的资源分配，在特定实施例中，涉及用于尤其是移动网络中的垂直联邦学习的样本和特征对齐的技术和机制。

背景技术：

1、联邦学习可以用于实现根据多个参与者的数据进行模型训练。但是，现有的联邦学习实现方式未能充分支持在移动网络中执行vfl。此类实现方式应当具备泛化能力，以适用于不同的用例以及移动网络类型和/或实现方式。

技术实现思路

1、本发明的实施例描述了用于尤其是移动网络中的垂直联邦学习的样本和特征对齐，通常可以实现技术优势。

2、根据本发明的一个方面，提供了一种方法。一种示例性方法包括：垂直联邦学习（vertical federated learning，vfl）服务器基于准则来确定用于执行vfl的所需特征列表。所述示例性方法还包括：所述vfl服务器基于所述准则来确定被标识为执行所述vfl的目标样本列表。所述示例性方法还包括：所述vfl服务器向多个vfl客户端发送所述所需特征列表和所述目标样本列表。所述示例性方法还包括：所述vfl服务器从所述多个vfl客户端中的每个vfl客户端接收所支持特征列表和所支持样本列表。所述示例性方法还包括：所述vfl服务器确定所述多个vfl客户端之间的特征划分。所述特征划分基于每个vfl客户端的所述所支持特征列表和所述所支持样本列表。所述示例性方法还包括：所述vfl服务器确定被标识为在移动网络中执行所述vfl的所述多个vfl客户端之间的样本对齐。

3、根据另一方面，确定所述多个vfl客户端之间的所述特征划分包括：将完整特征集的子集分配给所述多个vfl客户端中的每个vfl客户端。

4、根据另一方面，所述vfl服务器包括具有模型训练逻辑功能（model traininglogical function，mtlf）实体的网络数据分析功能（network data analytics function，nwdaf）实体。

5、根据另一方面，所述准则包括机器学习（machine learning，ml）模型信息，所述ml模型信息包括请求的ml模型的分析标识符（identifier，id）、所述分析id的网络功能（network function，nf）类型、所述分析id的nf实例或ml模型互操作性信息中的至少一个。

6、根据另一方面，所述准则包括所述vfl服务器拥有至少一个数据标签的至少一个数据特征。

7、根据另一方面，所述准则包括请求的ml模型的分析id的至少一种对应的nf类型或至少一个nf实例。

8、根据另一方面，所述准则包括最近的数据收集操作。

9、根据另一方面，所述准则包括至少一个ml模型互操作性信息。

10、根据另一方面，所述vfl服务器确定所述多个vfl客户端之间的所述特征划分包括：发送第二所支持特征列表，其中所述第二所支持特征列表是所述所支持特征列表的子集。

11、根据另一方面，所述vfl服务器确定所述多个vfl客户端之间的所述样本对齐包括：发送第二所支持样本列表，其中所述第二所支持样本列表包括所述所支持样本列表的子集。

12、根据另一方面，所述多个vfl客户端包括第一vfl客户端和第二vfl客户端，所述第一vfl客户端对应于第一所支持特征列表，所述第二vfl客户端对应于所述第二所支持特征列表，其中所述第一所支持特征列表和所述第二所支持特征列表包括不同的特征。

13、根据另一方面，所述特征划分包括基于域的特征划分。

14、根据另一方面，所述特征划分包括基于网络功能（network function，nf）类型的特征划分。

15、根据另一方面，确定所述多个vfl客户端之间的所述特征划分包括：响应于确定与至少一个vfl客户端对应的所述所支持特征列表与所述所需特征列表不重叠，从所述vfl中排除所述至少一个vfl客户端。

16、根据另一方面，所述vfl服务器向所述多个vfl客户端发送所述所需特征列表和所述目标样本列表包括：将所述目标样本列表作为输入参数发送给服务操作。

17、根据另一方面，所述vfl服务器向所述多个vfl客户端发送所述所需特征列表和所述目标样本列表包括：将所述所需特征列表作为所述输入参数发送给所述服务操作。

18、根据又一方面，提供了另一种示例性方法。所述示例性方法包括：垂直联邦学习（vertical federated learning，vfl）客户端从vfl服务器接收所需特征列表。所述示例性方法还包括：所述vfl客户端从所述vfl服务器接收目标样本列表。所述示例性方法还包括：所述vfl客户端基于第一准则来确定所支持特征列表。所述示例性方法还包括：所述vfl客户端基于第二准则来确定所支持样本列表。所述示例性方法还包括：所述vfl客户端向所述vfl服务器发送所述所支持特征列表和所述所支持样本列表。所述示例性方法还包括：所述vfl客户端从所述vfl服务器接收第二所支持特征列表，其中所述第二所支持特征列表包括所述所支持特征列表的子集。所述示例性方法还包括：所述vfl客户端从所述vfl服务器接收第二所支持样本列表，其中所述第二所支持样本列表包括所述所支持样本列表的子集。

19、根据另一方面，所述vfl服务器包括具有模型训练逻辑功能（model traininglogical function，mtlf）实体的网络数据分析功能（network data analytics function，nwdaf）实体。

20、根据另一方面，所述第一准则或所述第二准则中的至少一个包括从所述vfl服务器接收的被标识为执行所述vfl的所述所需特征列表。

21、根据另一方面，所述第一准则或所述第二数据中的至少一个包括所述vfl客户端可用的数据。

22、根据另一方面，所述第一准则或所述第二准则中的至少一个包括机器学习（machine learning，ml）模型信息，所述ml模型信息包括请求的ml模型的分析标识符（identifier，id）的网络功能（network function，nf）类型、所述分析id的nf实例或ml模型互操作性信息中的至少一个。

23、根据另一方面，所述第一准则或所述第二准则中的至少一个包括最近的数据收集操作。

24、根据另一方面，所述第一准则包括ml模型互操作性信息。

25、根据另一方面，所述第二准则包括所述vfl客户端可用的所述数据。

26、根据另一方面，所述第二准则包括至少一个最近的数据收集操作。

27、根据另一方面，所述第二准则包括所述ml模型互操作性信息。

28、根据另一方面，所述vfl客户端和所述vfl服务器设置于5g网络或下一代网络中。

29、根据本发明的又一方面，提供了一种装置。一种示例性装置包括：至少一个处理器；至少一个存储器，其上存储有计算机指令。响应于执行所述计算机指令，所述计算机指令使所述装置执行根据本文示例性权利要求中任一项所述的方法。

30、根据本发明的又一方面，一种非瞬时性计算机可读存储介质，其上存储有计算机程序指令。响应于至少一个处理器执行所述计算机程序指令，所述计算机程序指令将所述至少一个处理器配置为执行根据本文示例性权利要求中任一项所述的方法。