支持通信系统中的联邦学习的制作方法

本公开涉及无线通信，且更具体来说涉及无线通信网络中的网络分析。

背景技术：

1、无线通信系统可包含一或多个网络通信装置，例如基站，其可支持用于一或多个用户通信装置的无线通信，所述用户通信装置可被另称为用户装备(ue)或其它合适的术语。无线通信系统可通过利用无线通信系统的资源(例如，时间资源(例如，符号、时隙、子帧、帧等)或频率资源(例如，子载波、载波等))来支持与一或多个用户通信装置的无线通信。此外，无线通信系统可支持跨越各种无线电接入技术的无线通信，所述各种无线电接入技术包含第三代(3g)无线电接入技术、第四代(4g)无线电接入技术、第五代(5g)无线电接入技术以及5g之后的其它合适的无线电接入技术(例如，第六代(6g))。

技术实现思路

1、元件之前的冠词“一”不受限制且应理解为指那些元件中的“至少一者”或那些元件中的“一或多者”。术语“一”、“至少一个”、“一或多个”及“一或多个中的至少一者”可互换。如本文中所使用，包含在权利要求书中，如在项目列表中使用的“或”(例如，以短语如“至少一个”或“一或多个”或“一或两个”开头的项目列表)指示包含性列表，使得例如a、b或c中的至少一者的列表意味着a或b或c或ab或ac或bc或abc (即，a及b及c)。此外，如本文中所使用，短语“基于”不应被解释为是指一组封闭条件。例如，在不脱离本公开的范围的情况下，描述为“基于条件a”的实例步骤可基于条件a及条件b两者。换句话说，如本文中所使用，短语“基于”应以与短语“至少部分基于”相同的方式来解释。此外，如本文中所使用，包含在权利要求书中,“组”可包含一或多个元件。

2、本文所描述的方法及设备的一些实施方案可包含一种用于支持网络数据分析的无线通信的网络实体，所述网络实体包括可由至少一个处理器执行以使所述网络实体进行以下操作的指令：获得对训练用于支持(例如，执行)由分析标识符标识的网络分析操作的模型的请求消息；选择一组一或多个模型训练功能以执行所述模型的联邦学习训练过程；为所述所选择一组一或多个模型训练功能中的每一功能选择加权因子；及基于每一所述功能的所述所选择加权因子，控制所述模型的所述联邦学习训练过程及所述一或多个所选择功能。

3、所述指令可使所述网络实体响应于所述联邦学习训练过程被完成而输出响应消息，所述响应消息包括至少：每一所述模型训练功能的标识符；每一所述模型训练功能的所述贡献权重；及标识所述模型的所述联邦学习训练过程的标识符。每一模型训练功能的所述标识符可例如包括每一所述模型训练功能的地址。所述模型训练过程的所述标识符可为所述模型训练过程的过程id，例如，标识所述联邦学习训练过程的单个过程id。

4、所述响应消息可包括以下中的一或多者：将所述网络实体标识为控制(及/或协调)所述联邦学习过程的功能的信息；及将所述模型训练功能标识为所述联邦学习过程中的参与方的信息。

5、所述指令可使所述网络实体基于所述模型的稳定性来确定所述联邦学习训练过程的完成。

6、所述响应消息可为对所述请求消息的响应。

7、所述指令可使所述网络实体响应于所述联邦学习训练过程被完成而向所述通信网络的至少一个第二网络实体输出训练完成确认消息，所述训练完成确认消息包括至少：每一所述模型训练功能的标识符；对于每一所述模型训练功能的所述贡献权重；及标识所述模型的所述联邦学习训练过程的标识符。类似于上文所描述的内容，所述模型训练过程的所述标识符可为所述模型训练过程的过程id，例如，标识所述联邦学习训练过程的单个过程id。

8、所述至少一个第二网络实体可包括以下中的一或多者：网络存储库功能；及分析数据存储库功能。

9、所述指令可使所述网络实体从所述通信网络内的消费者实体接收所述请求消息。

10、所述消费者实体可为消费者分析逻辑功能。

11、所述指令可使所述网络实体基于以下中的至少一者来为所述一或多个模型训练功能的给定功能选择第一贡献权重：来自所述给定功能的针对所述联邦学习训练过程的可用数据的数量；及来自所述给定功能的可用数据的量化重要性权重。

12、所述指令可使所述网络实体执行以下中的至少一者：选择所述贡献权重，使得具有相对较高数量的可用数据的给定模型训练功能具有高于具有相对较低数量的数据的给定模型训练功能的所述贡献权重的相应贡献权重；及选择所述贡献权重，使得具有相对较高量化重要性水平的给定模型训练功能具有高于具有相对较低量化重要性水平的给定模型训练功能的所述贡献权重的相应贡献权重。

13、所述指令可使所述网络实体选择所述贡献权重，使得所述给定模型训练功能具有高于第二给定模型训练功能的所述贡献权重的相应贡献权重，这响应于所述给定模型训练功能具有以下中的至少一者：与所述第二给定模型训练功能相比，相对较高的数据量；及与所述第二给定模型训练功能相比，相对较高的量化重要性水平。

14、所述控制所述联邦学习训练过程可包括：从所述一或多个模型训练功能中的每一者接收所述模型的中间值；基于所述中间值来计算一或多个梯度及一或多个损失中的至少一者；及向所述一或多个模型训练功能输出包括所述一或多个梯度及所述一或多个损失中的所述至少一者的一或多个梯度/损失消息。

15、所述控制所述联邦学习训练过程可包括基于以下中的至少一者来更新每一所述模型训练功能的所述第一贡献权重：所述中间值；所述一或多个梯度；所述一或多个损失；及在预设时间段内已从给定模型训练功能接收所述中间值的次数。

16、所述请求消息可包括标识所述一组网络分析操作的至少一个分析标识符。

17、所述一或多个网络分析操作可包括将要在所述网络上执行的至少一个统计分析操作。

18、所述一或多个网络分析操作可包括将要关于所述通信网络内的一或多个实体的行为执行的至少一个预测操作。

19、所述预测操作可包括以下中的至少一者：与所述通信网络内的至少一个实体相关联的参数的预测，所述参数任选地是所述至少一个实体的负载，所述至少一个实体任选地包括所述通信网络的网络实体及ue中的至少一者；及所述通信网络中的ue的移动特性的预测，所述移动特性任选地包括所述ue的位置。

20、所述一或多个模型训练功能中的每一者可为用于提供与所述通信网络内的一或多个ue相关联的分析数据的网络功能。

21、所述模型可为机器学习模型。

22、所述联邦学习模型可为纵向联邦学习模型。

23、所述网络实体可包括以下中的至少一者：模型训练功能；及应用功能。

24、所述网络实体可经配置以存储与所述模型相关联的一或多个数据标签。

25、在本文所描述的方法及设备的一些实施方案中，一种方法由无线通信网络的网络实体执行，所述方法包括：获得对训练用于支持由分析标识符标识的网络分析操作的模型的请求消息；选择一组一或多个模型训练功能以执行所述模型的联邦学习训练过程；为所述所选择一组一或多个模型训练功能中的每一功能选择加权因子；及基于每一所述功能的所述所选择加权因子，控制所述模型的所述联邦学习训练过程及所述一或多个所选择功能。