本申請涉及人工智能，特別是涉及一種異常檢測模型的訓(xùn)練方法、異常檢測方法及相關(guān)產(chǎn)品。

背景技術(shù)：

1、在相關(guān)技術(shù)中通常基于聯(lián)邦學(xué)習(xí)來訓(xùn)練模型，使得訓(xùn)練獲得的模型能夠適用于多邊緣節(jié)點場景。然而相關(guān)技術(shù)中對于模型的訓(xùn)練是多個邊緣節(jié)點分別將各自的訓(xùn)練數(shù)據(jù)輸出至中心服務(wù)器，使得服務(wù)器能夠基于多個邊緣節(jié)點分別對應(yīng)的訓(xùn)練數(shù)據(jù)訓(xùn)練得到模型，此時相關(guān)技術(shù)中訓(xùn)練數(shù)據(jù)的傳輸可能導(dǎo)致對于數(shù)據(jù)的隱私保護性較差和數(shù)據(jù)的傳輸效率低下。因此，如何在模型訓(xùn)練過程中，提高對于數(shù)據(jù)的隱私保護性和數(shù)據(jù)的傳輸效率是本領(lǐng)域技術(shù)人員關(guān)注的重點問題。

技術(shù)實現(xiàn)思路

1、基于上述問題，本申請?zhí)峁┝艘环N異常檢測模型的訓(xùn)練方法、異常檢測方法及相關(guān)產(chǎn)品，旨在模型訓(xùn)練過程中，提高對于數(shù)據(jù)的隱私保護性和數(shù)據(jù)的傳輸效率。本申請實施例公開了如下技術(shù)方案：

2、第一方面，本申請公開了一種異常檢測模型的訓(xùn)練方法，包括：

3、多個邊緣節(jié)點端根據(jù)所述多個邊緣節(jié)點端分別對應(yīng)的車輛訓(xùn)練數(shù)據(jù)，獲得所述多個邊緣節(jié)點端分別對應(yīng)的異常檢測子模型的模型參數(shù)，并由所述多個邊緣節(jié)點端將所述多個邊緣節(jié)點端分別對應(yīng)的異常檢測子模型的模型參數(shù)發(fā)送至中心服務(wù)器，其中一個邊緣節(jié)點端對應(yīng)獲得一個邊緣節(jié)點端對應(yīng)的異常檢測子模型的模型參數(shù)；

4、所述中心服務(wù)器對所述多個邊緣節(jié)點端分別對應(yīng)的異常檢測子模型的模型參數(shù)進行聚合處理，獲得模型聚合參數(shù)；

5、所述中心服務(wù)器根據(jù)所述模型聚合參數(shù)，生成異常檢測模型。

6、第二方面，本申請公開了一種異常檢測方法，包括：

7、獲取目標(biāo)車輛對應(yīng)的待檢測車輛特征集，其中待檢測車輛特征集包括車輛狀態(tài)特征和車輛環(huán)境特征；

8、通過異常檢測模型對所述車輛狀態(tài)特征和所述車輛環(huán)境特征進行檢測處理，獲得所述目標(biāo)車輛對應(yīng)的車輛檢測結(jié)果，其中所述車輛檢測結(jié)果用于指示所述目標(biāo)車輛是否存在異常和展示所述目標(biāo)車輛對應(yīng)的車輛檢測報告，所述異常檢測模型為根據(jù)第一方面所述的異常檢測模型的訓(xùn)練方法訓(xùn)練得到的模型。

9、第三方面，本申請公開了一種異常檢測模型的訓(xùn)練裝置，所述異常檢測模型的訓(xùn)練裝置包括多個邊緣節(jié)點端和中心服務(wù)器：

10、多個邊緣節(jié)點端，用于根據(jù)所述多個邊緣節(jié)點端分別對應(yīng)的車輛訓(xùn)練數(shù)據(jù)，獲得所述多個邊緣節(jié)點端分別對應(yīng)的異常檢測子模型的模型參數(shù)，并由所述多個邊緣節(jié)點端將所述多個邊緣節(jié)點端分別對應(yīng)的異常檢測子模型的模型參數(shù)發(fā)送至中心服務(wù)器，其中一個邊緣節(jié)點端對應(yīng)獲得一個邊緣節(jié)點端對應(yīng)的異常檢測子模型的模型參數(shù)；

11、所述中心服務(wù)器，用于對所述多個邊緣節(jié)點端分別對應(yīng)的異常檢測子模型的模型參數(shù)進行聚合處理，獲得模型聚合參數(shù)；

12、所述中心服務(wù)器，用于根據(jù)所述模型聚合參數(shù)，生成異常檢測模型。

13、第四方面，本申請公開了一種異常檢測裝置，其特征在于，包括：

14、車輛特征集獲取單元，用于獲取目標(biāo)車輛對應(yīng)的待檢測車輛特征集，其中待檢測車輛特征集包括車輛狀態(tài)特征和車輛環(huán)境特征；

15、檢測結(jié)果獲得單元，用于通過異常檢測模型對所述車輛狀態(tài)特征和所述車輛環(huán)境特征進行檢測處理，獲得所述目標(biāo)車輛對應(yīng)的車輛檢測結(jié)果，其中所述車輛檢測結(jié)果用于指示所述目標(biāo)車輛是否存在異常和展示所述目標(biāo)車輛對應(yīng)的車輛檢測報告，所述異常檢測模型為根據(jù)第一方面所述的異常檢測模型的訓(xùn)練方法訓(xùn)練得到的模型。

16、第五方面，本申請實施例提供了一種電子設(shè)備，包括：

17、存儲器，用于存儲計算機程序；

18、處理器，用于執(zhí)行所述計算機程序時實現(xiàn)第一方面中異常檢測模型的訓(xùn)練方法的步驟，或者實現(xiàn)第二方面中異常檢測方法的步驟。

19、第六方面，本申請實施例提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)第一方面中異常檢測模型的訓(xùn)練方法的步驟，或者實現(xiàn)第二方面中異常檢測方法的步驟。

20、相較于現(xiàn)有技術(shù)，本申請具有以下有益效果：

21、在本申請中首先多個邊緣節(jié)點端可以根據(jù)多個邊緣節(jié)點端分別對應(yīng)的車輛訓(xùn)練數(shù)據(jù)，獲得多個邊緣節(jié)點端分別對應(yīng)的異常檢測子模型的模型參數(shù)，并由多個邊緣節(jié)點端將多個邊緣節(jié)點端分別對應(yīng)的異常檢測子模型的模型參數(shù)發(fā)送至中心服務(wù)器，在此之后中心服務(wù)器可以對多個邊緣節(jié)點端分別對應(yīng)的異常檢測子模型的模型參數(shù)進行聚合處理，獲得模型聚合參數(shù)，最后中心服務(wù)器可以根據(jù)模型聚合參數(shù)，生成異常檢測模型?？梢姡诒旧暾堉锌梢詫⒃诙鄠€邊緣節(jié)點端分別訓(xùn)練的異常檢測子模型的模型參數(shù)，傳輸至中心服務(wù)器，此時中心服務(wù)器可以基于模型聚合參數(shù)（即對多個異常檢測子模型的模型參數(shù)聚合后獲得的參數(shù)），生成異常檢測模型。如此，既可以使得訓(xùn)練得到的模型能夠適用于多邊緣節(jié)點場景，也能夠提高對于數(shù)據(jù)的隱私保護性，以及提高對于數(shù)據(jù)的傳輸效率。

技術(shù)特征：

1.一種異常檢測模型的訓(xùn)練方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述多個邊緣節(jié)點端包括第一邊緣節(jié)點端和第二邊緣節(jié)點端，所述第一邊緣節(jié)點端對應(yīng)的車輛訓(xùn)練數(shù)據(jù)包括第一車輛對應(yīng)的第一車輛樣本特征集和所述第一車輛樣本特征集對應(yīng)的第一車輛標(biāo)簽結(jié)果，所述第二邊緣節(jié)點端對應(yīng)的車輛訓(xùn)練數(shù)據(jù)包括第二車輛對應(yīng)的第二車輛樣本特征集和所述第二車輛樣本特征集對應(yīng)的第二車輛標(biāo)簽結(jié)果；

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述多個邊緣節(jié)點端根據(jù)所述多個邊緣節(jié)點端分別對應(yīng)的車輛訓(xùn)練數(shù)據(jù)，獲得所述多個邊緣節(jié)點端分別對應(yīng)的異常檢測子模型的模型參數(shù)，包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，在所述第一邊緣節(jié)點端根據(jù)所述第一車輛預(yù)測結(jié)果和所述第一車輛標(biāo)簽結(jié)果的差異，生成所述第一邊緣節(jié)點端對應(yīng)的異常檢測子模型的模型參數(shù)之前，和在所述第二邊緣節(jié)點端根據(jù)所述第二車輛預(yù)測結(jié)果和所述第二車輛標(biāo)簽結(jié)果的差異，生成所述第二邊緣節(jié)點端對應(yīng)的異常檢測子模型的模型參數(shù)之前，還包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，在所述第一邊緣節(jié)點端獲取所述第一車輛樣本特征集中多個樣本特征分別對應(yīng)的特征權(quán)重之前，和在所述第二邊緣節(jié)點端獲取所述第二車輛樣本特征集中多個樣本特征分別對應(yīng)的特征權(quán)重之前，還包括：

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述中心服務(wù)器根據(jù)所述模型聚合參數(shù)，生成異常檢測模型，包括：

7.一種異常檢測方法，其特征在于，包括：

8.一種異常檢測模型的訓(xùn)練裝置，其特征在于，所述異常檢測模型的訓(xùn)練裝置包括多個邊緣節(jié)點端和中心服務(wù)器：

9.一種電子設(shè)備，其特征在于，包括：

10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至6任一項所述的一種異常檢測模型的訓(xùn)練方法的步驟，或者實現(xiàn)如權(quán)利要求7所述的一種異常檢測方法的步驟。

技術(shù)總結(jié)
本申請公開了一種異常檢測模型的訓(xùn)練方法、異常檢測方法及相關(guān)產(chǎn)品。多個邊緣節(jié)點端根據(jù)多個邊緣節(jié)點端分別對應(yīng)的車輛訓(xùn)練數(shù)據(jù)，獲得多個邊緣節(jié)點端分別對應(yīng)的異常檢測子模型的模型參數(shù)，并由多個邊緣節(jié)點端將多個邊緣節(jié)點端分別對應(yīng)的異常檢測子模型的模型參數(shù)發(fā)送至中心服務(wù)器，其中一個邊緣節(jié)點端對應(yīng)獲得一個邊緣節(jié)點端對應(yīng)的異常檢測子模型的模型參數(shù)；中心服務(wù)器對多個邊緣節(jié)點端分別對應(yīng)的異常檢測子模型的模型參數(shù)進行聚合處理，獲得模型聚合參數(shù)；中心服務(wù)器根據(jù)模型聚合參數(shù)，生成異常檢測模型。如此，在本申請中既可以使得訓(xùn)練得到的模型能夠適用于多邊緣節(jié)點場景，也能夠提高對于數(shù)據(jù)的隱私保護性，以及提高對于數(shù)據(jù)的傳輸效率。

技術(shù)研發(fā)人員：王倫,葉雷鵬,孟凡錦,龔蓮婷
受保護的技術(shù)使用者：杭州安恒信息技術(shù)股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19