CN115460617B 基于联邦学习的网络负载预测方法、装置、电子设备及介质 （北京邮电大学）

基于联邦学习的网络负载预测方法、装置、本申请公开了一种基于联邦学习的网络负任的第三方设备接收在联邦学习架构下的其他而基于全局模型参数进行预测模型的训练进而的前提下实现切片负载预测模型的多方协同训练，可实现切片级的分布式异构负载预测的目的流量预测性能不足所导致的容易影响用户业2接收所述第三方设备发送的全局模型参数，并基于所述全局模型参利用所述目标预测模型对所述目标网络切片进行若确定所述初始移动预测模型满足所述预设模型精度，将所述若确定所述初始移动预测模型不满足所述预设模型精度，利用接收所述第三方设备发送的利用所述公钥进行加密的样对所述加密的样本负载数据进行解密，得到所述样本负载数据后，接收所述第三方设备发送的总梯度值参数，所述总梯度值参数为接收所述目标基站发送的资源调配指令，所述资源调配指令3接收模块，被配置为接收第三方设备发送的公钥，所述公钥用加密模块，被配置为利用所述公钥，对本地的初生成模块，被配置为接收所述第三方设备发送的全局模型参预测模块，被配置为利用所述目标预测模型对所述目标网络切片进行未来若确定所述初始移动预测模型满足所述预设模型精度，将所述若确定所述初始移动预测模型不满足所述预设模型精度，利用处理器，用于与所述存储器执行所述可执行指令从而完成权利要求1_5中任一所述基执行时执行权利要求1_5中任一所述基于联邦学习的网络4[0002]网络切片(NetworkSlicing，NS)是5G/B5G通信系统赋能垂直行业的核心技术之初始模型参数由所述目标网络切片利用样本数据对自身部署的初始预测模型进行训练而述负载预测结果发送给与所述目标网络切片56进行预测模型的训练进而得到训练完毕的目标预测模型。进而达到一种利用联邦学习框量预测性能不足所导致的容易影响用户业务[0040]图1示出了本申请一实施例所提供的一种基于联邦学习的网络负载预测方法示意[0041]图2示出了本申请一实施例所提供的一种基于联邦学习的网络负载预测系统架构[0042]图3示出了本申请一实施例所提供的一种基于联邦学习的网络负载预测方法流程7[0053]下面结合图1_图3来描述根据本申请示例性实施方式的用于进行基于联邦学习的[0055]图1示意性地示出了根据本申请实施方式的一种基于联邦学习的网络负载预测方参数由目标网络切片利用样本数据对自身部署的初始预测模型进行训练[0059]S104,利用目标预测模型对目标网络核心技术之一，指将统一的物理网络基础设施资源虚拟化，抽象为多个端到端(Endto切片三部分。在5G时代，ITU正式定义了网络切片的三类典型应用场景：增强型移动宽带(enhancedMobileBroadband，eMBB)，大规模机器类型通信(massiveMachineTypeofCommunication，mMTC)，超可靠和低延迟通信(Ultra_ReliableLowLatency8[0064]进一步的，对于利用网络切片用于实现基于AI的负载感知与流量预测技术来型(AutoRegressive，AR)，自回归移动平均模型(AutoRegressiveMovingAverage，ARMA)，差分自回归移动平均模型(AutoRegressiveIntegratedMovingAverage，想是由网络切片用户利用受信任的第三方设备接收在联邦学习架构下的其他网络切片用及合法合规的基础上，实现共同建模，提升AI模型的效果。在FL框架下，本地客户机9集中控制单元统一收集全局用户数据和网络状态信息，对数据进行智能分析预测和决策，务流组成)在一个区域内共享相同的物理网络基础设施。也即一个微基站上可以承载多个[0083]步骤5、加密第三方设备汇总各个目标切片用户向其发送的所得梯度值以及损失进行预测模型的训练进而得到训练完毕的目标预测模型。进而达到一种利用联邦学习框量预测性能不足所导致的容易影响用户业务预测模型进行训练而得到；[0115]预测模块204，被配置为利用所述目标预测模型对所述目标网络切片进行未来时流量预测性能不足所导致的容易影响用户业信接口303和存储器301通过总线302连接；所述存储器301中存储有可在所述处理器300上运行的计算机程序，所述处理器300运行所述计算机程序时执行本申请前述任一实施方式少一个通信接口303(可以是有线或者无线)实现该装置网元与至少一个其他网元之间的通方法的各步骤可以通过处理器300中的硬件的集成逻辑电路或者软件形式的指令完成。上[0137]本申请实施例提供的电子设备与本申请实施例提供的基于联邦学习的网络负载[0138]本申请实施方式还提供一种与前述实施方式所提供的数据识别的方法对应的计[0140]本申请的上述实施例提供的计算机可读存储介质与本申请实施例提供的数据识上面对本申请的示例性实施例的描述中，本申请的各个特征有时被一起分组到单个