申请/专利权人：上海零数众合信息科技有限公司

申请日：2023-10-20

公开（公告）日：2024-07-05

公开（公告）号：CN117474119B

主分类号：G06N20/00

分类号：G06N20/00;G06F18/25;G06F18/241;G06F18/214;G06F17/18;G06Q50/06;G06F18/213

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2024.02.20#实质审查的生效;2024.01.30#公开

摘要：本发明公开了一种基于联邦学习的故障预测方法及系统，其中该方法包括：获取检测目标在发起方的第一数据集与在合作方的第二数据集，计算第一数据集与第二数据集的ID交集，根据ID交集及各方本地数据集得到发起方原始数据集与合作方原始数据集；对发起方、合作方原始数据集进行数据处理，得到发起方待用数据集及合作方待用数据集；根据发起方待用数据集与合作方待用数据集进行相关性分析及特征选择，得到发起方训练数据集与合作方训练数据集；根据发起方训练数据集与合作方训练数据集进行模型训练，得到故障预测模型，采用故障预测模型对检测目标进行故障预测，得到预测结果，在保护用户隐私安全前提下增加建模的维度，提高了故障预测准确率。

主权项：1.一种基于联邦学习的故障预测方法，其特征在于，包括：获取检测目标在发起方的第一数据集与在合作方的第二数据集，计算所述第一数据集与第二数据集的ID交集，根据所述ID交集及各方本地数据集分别得到发起方原始数据集与合作方原始数据集；对所述发起方原始数据集及合作方原始数据集进行数据交互及数据处理，得到发起方待用数据集及合作方待用数据集；根据所述发起方待用数据集与合作方待用数据集进行相关性分析及特征选择，得到发起方训练数据集与合作方训练数据集，包括：对所述发起方待用数据集中的特征进行皮尔逊相关性分析，得到每个特征与其他特征的相关系数，在彼此相关系数均大于预设系数阈值的多个特征中任选一个特征，作为多个特征的代表特征，得到发起方更新数据集；对所述合作方待用数据集中的特征进行皮尔逊相关性分析，得到每个特征与其他特征的相关系数，在彼此相关系数均大于预设系数阈值的多个特征中任选一个特征，作为多个特征的代表特征，得到合作方更新数据集；对发起方更新数据集进行分片，得到第一分片数据集与第二分片数据集，将第二分片数据集发送给合作方；对合作方更新数据集进行分片，得到第三分片数据集与第四分片数据集，将第三分片数据集发送给发起方；根据三元组及各方当前数据集计算公共参数，并通过公共参数计算各方当前数据集中每个特征与对方特征的相关系数；其中，所述三元组通过可信第三方生成；发起方在彼此相关系数均大于预设系数阈值的多个特征中任选一个特征，作为多个特征的代表特征，得到发起方训练数据集，并将选择后的合作方的匿名特征发送给合作方，合作方将选择后的匿名特征映射为本地特征后，得到合作方训练数据集；根据所述发起方训练数据集与合作方训练数据集进行模型训练，得到故障预测模型，采用所述故障预测模型对所述检测目标进行故障预测，得到所述检测目标的故障结果。

全文数据：

权利要求：

百度查询： 上海零数众合信息科技有限公司 基于联邦学习的故障预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD