(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210660615.1 (22)申请日 2022.06.13 (65)同一申请的已公布的文献号 申请公布号 CN 114764417 A (43)申请公布日 2022.07.19 (73)专利权人 深圳致星科技有限公司 地址 518000 广东省深圳市南 山区粤海街 道大冲社区深南大道9676号大冲商务 中心 （一期） 2栋 3号楼18C -1 (72)发明人 薛新江　高晓龙　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 陈舟苗 (51)Int.Cl. G06F 16/2455(2019.01) G06F 16/248(2019.01) G06F 16/25(2019.01) G06F 21/62(2013.01) G06N 3/08(2006.01) (56)对比文件 CN 110554921 A,2019.12.10CN 112130963 A,2020.12.25 CN 111258735 A,2020.0 6.09 CN 108519 914 A,2018.09.1 1 CN 113946552 A,202 2.01.18 CN 112445583 A,2021.0 3.05 CN 10976 6180 A,2019.0 5.17 CN 10797 7268 A,2018.0 5.01 US 20193 03197 A1,2019.10.0 3 US 201725 5877 A1,2017.09.07 黄日胜.“异构并行系统中 高时效性任务的 节能调度方法 ”. 《计算机 应用与软件》 .2015,第 32卷(第1 1期), 李志亮等.“基于前摄反应策略的敏捷成像 卫星任务动态调度 ”. 《第四届高分辨 率对地观测 学术年会》 .2018, V.Kalogeraki等.“Dynamic Sc heduling for Soft Real-Time Distributed Object Systems”. 《ISORC 0 0:Proceedings of the Third IE EE Internati onal Symposium o n Object-Oriented Real-Time Distributed Computing》 .2000, 审查员 姚晓斌 (54)发明名称 隐私计算、 隐私数据及联邦学习的分散式处 理方法及装置 (57)摘要 本申请涉及隐私计算、 隐私数据及联邦学习 技术领域， 具体涉及一种隐私计算、 隐私数据及 联邦学习的分散式处理方法及装置。 方法包括： 根据待执行任务的任务类型和任务要求选择离 线数据处理模式或者在线数据处理模式； 根据所 选择的数据处理模式分别在离线数据处理模式 下或者在线数据处理模式下运行本地隐私计算 框架从而执行待执行任务并获得执行结果。 如 此， 有利于在分散式处理方法的适用场景下包括 在数据分散式的隐私计算的应用场景及其应用 实例中充分利用本地资源为给定任务的执行过程提供支持以及为多个任务的执行过程提供支 持， 提高整体效率和资源利用率。 权利要求书4页 说明书17页 附图2页 CN 114764417 B 2022.08.26 CN 114764417 B 1.一种分散式处理方法， 用于隐私计算、 隐私数据及联邦学习， 其特征在于， 所述分散 式处理方法包括： 根据待执行任务的任务类型和任务要求选择离线数据处理模式或者在线数据处理模 式， 其中， 所述待执 行任务的任务要求包括所述待执 行任务的时效性要求； 根据所选择的离线数据处理模式或者在线数据处理模式， 分别在所述离线数据处理模 式下或者在所述在线数据处理模式下运行本地隐私计算框架从而执行所述待执行任务并 获得执行结果， 其中， 当在所述在线数据处理模式下运行所述本地 隐私计算框架时， 所述本地 隐私计 算框架通过本地数据管理系统的在线接口实时接 收与所述待执行任务相关联 的一个或者 多个样本ID并实时反馈所述执 行结果， 其中， 当在所述离线数据处理模式下运行所述本地 隐私计算框架时， 所述本地 隐私计 算框架通过所述本地数据管理系统的数据导出模块从所述本地数据管理系统的本地存储 器导出与所述待执 行任务相关联的ID集或者特 征数据集用于执 行所述待执 行任务。 2.根据权利要求1所述的分散式处理方法， 其特征在于， 当所述待执行任务的任务类型 是数据求交任务或者建模任务时， 在所述离线 数据处理模式下运行所述本地隐私计算框架 从而执行所述数据求交任务或者所述建模 任务。 3.根据权利要求1所述的分散式处理方法， 其特征在于， 当所述待执行任务的任务类型 是数据查询任务时， 在所述在线 数据处理模式下运行所述本地隐私 计算框架从而 执行所述 数据查询任务。 4.根据权利要求1所述的分散式处理方法， 其特征在于， 当所述待执行任务的任务类型 是预测任务时， 根据所述待执行任务的时效性要求来选择在所述离线 数据处理模式下或者 在所述在线数据处 理模式下运行 所述本地隐私计算框架从而执 行所述预测任务。 5.根据权利要求4所述的分散式处理方法， 其特征在于， 所述待执行任务的任务类型是 预测任务， 所述待执行任务的任务要求还包括所述待执行任务的数据量， 通过比较所述待 执行任务的数据量和 参考数据量来选择在所述离线数据处理模式下或者在所述在线数据 处理模式下运行所述本地隐私 计算框架从而 执行所述预测任务， 其中所述参考数据量是基 于本地实时数据处 理能力。 6.根据权利要求5所述的分散式处理方法， 其特征在于， 所述参考数据量还基于本地实 时网络通信条件。 7.根据权利要求4所述的分散式处理方法， 其特征在于， 所述待执行任务的任务类型是 预测任务， 所述待执行任务的任务要求还包括可信度要求， 当所述预测任务的发起方的可 信度不满足所述可信度要求时， 在所述离线 数据处理模式下运行所述本地隐私 计算框架从 而执行所述预测任务。 8.根据权利要求4所述的分散式处理方法， 其特征在于， 所述待执行任务的任务类型是 预测任务， 当所述预测任务是自动 驾驶场景下的规避操作预测任务或者电商场景下的推荐 操作预测任务或者金融场景下的违规行为预测任务时， 在所述在线数据处理模式下运行所 述本地隐私计算框架从而执 行所述预测任务。 9.根据权利要求4所述的分散式处理方法， 其特征在于， 所述待执行任务是多个任务中 的一个任务， 所述多个任务的任务类型均是预测任务， 所述分散式处理方法还包括： 根据所权　利　要　求　书 1/4 页 2 CN 114764417 B 2述多个任务各自的时效性要求进行排序并在所述在线数据处理模式下运行所述本地隐私 计算框架从而执 行所述多个任务中时效性要求 排序较高的任务。 10.根据权利要求1所述的分散式处理方法， 其特征在于， 所述本地数据管理系统的本 地存储器包括第一数据仓库和 第二数据仓库， 其中所述第一数据仓库用于存储本地特征数 据集的元信息， 所述第二数据仓库用于存储与所述本地特征数据集对应的本地ID集和所述 本地特征数据集， 其中所述数据导出模块配置为： 通过所述第一数据仓库所存储的所述本 地特征数据集的元信息或者所述第二数据仓库所存储的所述本地ID集， 获得并导出与所述 待执行任务相关联的ID集。 11.根据权利要求10所述的分散式处理方法， 其特征在于， 所述数据导出模块还配置 为： 基于与所述待执行任务相关联的ID集， 从所述第二数据仓库导出与所述待执行任务相 关联的特 征数据集。 12.根据权利要求10所述的分散 式处理方法， 其特征在于， 所述待执行任务的任务类型 是数据求交任务， 所述本地隐私 计算框架在所述离线 数据处理模式下运行并且所述数据导 出模块从所述第二数据仓库导出与所述数据求交任务相关联的ID集用于执行所述数据求 交任务。 13.根据权利要求10所述的分散 式处理方法， 其特征在于， 所述待执行任务的任务类型 是建模任务， 所述本地隐私 计算框架在所述离线 数据处理模式下运行并且 所述数据导出模 块从所述第二数据仓库导出与所述建模 任务相关联的特 征数据集用于执 行所述建模 任务。 14.根据权利要求10所述的分散 式处理方法， 其特征在于， 所述待执行任务的任务类型 是离线预测任务， 所述本地隐私 计算框架在所述离线 数据处理模式下运行并且所述数据导 出模块从所述第二数据仓库导出与所述离线预测任务相关联 的特征数据集用于执行所述 离线预测任务。 15.根据权利要求10所述的分散 式处理方法， 其特征在于， 所述待执行任务的任务类型 是在线预测任务， 所述本地隐私 计算框架在所述在线 数据处理模式下运行并且所述本地数 据管理系统基于与所述在线预测任务相关联 的一个或者多个样本ID从所述第二数据仓库 或者从相对于所述本地存储器的外部存储器获得与所述在线预测任务相关联 的特征数据 集用于执 行所述在线预测任务。 16.根据权利要求10所述的分散 式处理方法， 其特征在于， 所述待执行任务的任务类型 是数据查询任务， 所述本地隐私 计算框架在所述在线 数据处理模式下运行并且所述本地数 据管理系统基于与所述数据查询任务相关联 的一个或者多个样本ID查询所述第二数据仓 库得到查询结果作为所述执 行结果。 17.根据权利要求1至16中任一项所述的分散