模型更新的方法、装置、设备以及存储介质

1.本公开涉及计算机技术领域，尤其涉及网络传输领域。


背景技术：

2.智简移动通信网络的衍变依托于节点极智、网络极简，虚实结合的智简原理，智能模型可以根据不同的应用场景需求，提供不同的智能的服务。与此同时，ai技术与通信技术的融合方式也将成为未来6g移动通信系统中的重点研究内容。区别于传统通信网络中的内容信息传输，节点极智必然导致网络中存在大量的智能模型，通过强大的算力资源保障了网络极简的实现。因此，智简网络中传播的主体由信息转变为了模型。不同的用户设备有不同的通信需求，传输的内容也有语言、文本、图像、视频的种类区分，在智简网络中，面对多样化的用户需求，用户侧部署的智能模型也不尽相同，模型的更新需要多次迭代和全局收敛，但同时用户本地数据也有相应的安全性要求。因此，如何更新模型是个亟待解决的技术问题。


技术实现要素：

3.本公开提供了一种用于模型更新的方法、装置、设备以及存储介质。
4.根据本公开的一方面，提供了一种模型更新的方法，包括：
5.响应于用户的模型更新的请求，服务于所述用户的第一路由节点分析所述请求中新模型的模型特征，并获得分析结果；
6.所述第一路由节点将自身周边的至少两个第二路由节点的环境与所述用户的环境进行比较，获得环境相似度评估；
7.所述第一路由节点将所述用户的请求按照所述分析结果，分别发送给不同环境相似度的至少两个第二路由节点；
8.响应于所述第一路由节点转发的所述用户的请求，所述至少两个第二路由节点将各自的第一模型切片发送给所述第一路由节点；
9.所述第一路由节点将收到的所有所述第一模型切片进行融合获得新的模型，并发送给所述用户；
10.所述用户利用所述新的模型替换旧模型。
11.优选的，所述分析结果，包括：
12.所述新模型的模型切片与常用模型的模型切片的相似度；
13.所述新模型的模型精度。
14.优选的，所述环境，包括：
15.所述用户和第二路由节点各自所服务的对象的业务种类、位置信息、偏好。
16.优选的，所述第一路由节点将所述用户的请求按照所述分析结果，分别发送给不同环境相似度的至少两个第二路由节点，还包括：
17.将所述至少两个第二路由节点根据所述环境相似度进行分类。
18.优选的，所述将所述至少两个第二路由节点根据所述环境相似度进行分类，包括：
19.根据所述环境相似度将所述至少两个第二路由节点分为强环境和弱环境；
20.所述强环境为所述第二路由节点拥有所述用户所需要的第一模型切片的可能性为大于且等于n％；
21.所述弱环境为所述第二路由节点拥有所述用户所需的第一模型切片的可能性为小于n％。
22.优选的，所述响应于所述第一路由节点转发的所述用户的请求，所述至少两个第二路由节点将各自的第一模型切片发送给所述第一路由节点，包括：
23.所述至少两个第二路由节点中任一个将收到的所述用户的请求，转发给该所述第二路由节点所处的局部网络中的每个设备；
24.所述每个设备将各自具有的，满足所述用户的请求的第一模型切片，发送给所述设备所属的局部网络的所述第二路由节点；
25.每个所述第二路由节点将各自的第一模型切片发送给所述第一路由节点。
26.优选的，所述每个设备将各自具有的，满足所述用户的请求的第一模型切片，发送给所述设备所属的局部网络的所述第二路由节点，包括：
27.所述每个设备联合向所述设备所属的局部网络的所述第二路由节点进行分布式第一模型切片传输。
28.优选的，所述第一路由节点将收到的所有所述第一模型切片进行融合获得新的模型，其中，在所述融合之前，还包括：
29.所述第一路由节点将收到的所有所述第一模型切片进行处理，包括模型去重、模型修剪。
30.优选的，所述分布式第一模型切片的传输，包括：将所述第一模型切片的特征值部分进行传输。
31.优选的，还包括：
32.所述第一路由节点对所述融合后的新的模型进行评估，判断所述新的模型是否满足所述用户更新模型的请求。
33.优选的，还包括：
34.响应于所述第一路由节点判断所述新的模型不满足所述用户更新模型的请求，所述第一路由节点重复上述的技术方案；
35.响应于所述第一路由节点判断所述新的模型满足所述用户更新的请求，所述用户停止所述模型更新的再次请求。
36.根据本公开的第二方面，还提供一种模型更新的方法，包括：
37.响应于用户的模型更新的请求，服务于所述用户的第一路由节点分析所述请求中新模型的模型特征，并获得分析结果；
38.所述第一路由节点将所述用户的请求按照分析结果，发送给第三路由节点；所述第三路由节点为单个路由节点；
39.响应于所述第一路由节点转发的所述用户的请求，所述第三路由节点将自己拥有的第一模型切片发送给所述第一路由节点；
40.所述第一路由节点将收到的所有所述第一模型切片进行融合获得新的模型，并发
送给所述用户；
41.所述用户利用所述新的模型替换旧模型。
42.根据本公开的第三方面，还提供一种模型更新的装置，包括：
43.第一分析模块：用于响应于用户的模型更新的请求，服务于所述用户的第一路由节点分析所述请求中新模型的模型特征，并获得分析结果；
44.比较模块：用于所述第一路由节点将自身周边的至少两个第二路由节点的环境与所述用户的环境进行比较，获得环境相似度评估；
45.第一发送模块：用于所述第一路由节点将所述用户的请求按照所述分析结果，分别发送给不同环境相似度的至少两个第二路由节点；
46.第二发送模块：用于响应于所述第一路由节点转发的所述用户的请求，所述至少两个第二路由节点将各自的第一模型切片发送给所述第一路由节点；
47.第一融合模块：用于所述第一路由节点将收到的所有所述第一模型切片进行融合获得新的模型，并发送给所述用户；
48.第一更新模块：用于所述用户利用所述新的模型替换旧模型。
49.优选的，所述分析结果，包括：
50.所述新模型的模型切片与常用模型的模型切片的相似度；
51.所述新模型的模型精度。
52.优选的，所述环境，包括：
53.所述用户和第二路由节点各自所服务的对象的业务种类、位置信息、偏好。
54.优选的，所述第一发送模块，还包括：
55.将所述至少两个第二路由节点根据所述环境相似度进行分类。
56.优选的，所述将所述至少两个第二路由节点根据所述环境相似度进行分类，包括：
57.根据所述环境相似度将所述至少两个第二路由节点分为强环境和弱环境；
58.所述强环境为所述第二路由节点拥有所述用户所需要的第一模型切片的可能性为大于且等于n％；
59.所述弱环境为所述第二路由节点拥有所述用户所需的第一模型切片的可能性为小于n％；。
60.优选的，所述第二发送模块，包括：
61.转发模块：用于所述至少两个第二路由节点中任一个将收到的所述用户的请求，转发给该所述第二路由节点所处的局部网络中的每个设备；
62.第三发送模块：用于所述每个设备将各自具有的，满足所述用户的请求的第一模型切片，发送给所述设备所属的局部网络的所述第二路由节点；
63.第四发送模块：用于每个所述第二路由节点将各自的第一模型切片发送给所述第一路由节点。
64.优选的，所述第三发送模块，包括：
65.所述每个设备联合向所述设备所属的局部网络的所述第二路由节点进行分布式第一模型切片传输。
66.优选的，所述第一融合模块中，在所述融合之前，还包括：
67.所述第一路由节点将收到的所有所述第一模型切片进行处理，包括模型去重、模
型修剪。
68.优选的，所述分布式第一模型切片的传输，包括：将所述第一模型切片的特征值部分进行传输。
69.优选的，还包括：
70.评估模块：用于所述第一路由节点对所述融合后的新的模型进行评估，判断所述新的模型是否满足所述用户更新模型的请求。
71.优选的，还包括：
72.循环模块：用于响应于所述第一路由节点判断所述新的模型不满足所述用户更新模型的请求，所述第一路由节点重复上述的技术方案；
73.终止模块：用于响应于所述第一路由节点判断所述新的模型满足所述用户更新的请求，所述用户停止所述模型更新的再次请求。
74.根据本公开的第四方面，还提供一种模型更新的装置，包括：
75.第二分析模块：用于响应于用户的模型更新的请求，服务于所述用户的第一路由节点分析所述请求中新模型的模型特征，并获得分析结果；
76.第五发送模块：用于所述第一路由节点将所述用户的请求按照分析结果，发送给第三路由节点；所述第三路由节点为单个路由节点；
77.第六发送模块：用于响应于所述第一路由节点转发的所述用户的请求，所述第三路由节点将自己拥有的第一模型切片发送给所述第一路由节点；
78.第二融合模块：用于所述第一路由节点将收到的所有所述第一模型切片进行融合获得新的模型，并发送给所述用户；
79.第二更新模块：用于所述用户利用所述新的模型替换旧模型。
80.根据本公开的第五方面，还提供一种电子设备，包括：
81.至少一个处理器；以及
82.与所述至少一个处理器通信连接的存储器；其中，
83.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述技术方案中任一项所述的方法。
84.根据本公开的第六方面，还提供一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述技术方案中任一项所述的方法。
85.根据本公开的第七方面，还提供一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据上述技术方案中任一项所述的方法。
86.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
87.附图用于更好地理解本方案，不构成对本公开的限定。其中：
88.图1是根据本公开模型更新的方法第一实施例的示意图；
89.图2是根据本公开模型更新的方法第二实施例的示意图；
90.图3是根据本公开模型更新的方法第三实施例的示意图；
91.图4是根据本公开模型更新的方法第四实施例的示意图；
92.图5是根据本公开的另一种模型更新的方法的实施例的示意图；
93.图6是根据本公开模型更新的装置的第一实施例的示意图；
94.图7是根据本公开第二发送模块的示意图；
95.图8是根据本公开模型更新的装置的第二实施例的示意图；
96.图9是根据本公开模型更新的装置的第三实施例的示意图；
97.图10是根据本公开另一种模型更新的装置的实施例的示意图；
98.图11是用来实现本公开实施例的模型更新的方法的电子设备的框图。
99.附图标记说明：
100.2模型更新的装置
101.201第一分析模块202比较模块
102.203第一发送模块204第二发送模块
103.205第一融合模块206第一更新模块
104.207评估模块208循环模块
105.209终止模块
106.2041转发模块2042第三发送模块
107.2043第四发送模块
108.3另一种模型更新的装置
109.301第二分析模块302第五发送模块
110.303第六发送模块304第二融合模块
111.305第二更新模块
112.1110电子设备1101计算单元
113.1102只读存储器1103随机访问存储器
114.1104总线1105i/o接口
115.1106输入单元1107输出单元
116.1108存储单元1109通信单元
具体实施方式
117.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
118.所谓智简网络，是指网络自身蕴含“智能简约”要素，网络中的节点将成为具备智能的新型节点，而网络本身的协议结构将趋向于极简，通过原生智能、认知重塑等特性支撑网络，围绕不同通信对象构建有针对性的智能服务生态，形成“网络极简、节点极智”，最终达到网络“由智生简、以简促智”的自演进、自优化、自平衡的状态。智简网络中主要通过人工智能模型传播业务信息，通过使用人工智能模型将待传播的第一业务信息压缩为与所述人工智能模型相关的第二业务信息，极大地降低了网络中的数据通信量，压缩效率远超传统的压缩算法。其中，发送端设备利用预先配置的第一模型对所述第一业务信息进行提取
并得到待传输的第二业务信息；所述发送端设备向接收端设备传输所述第二业务信息。接收端设备接收所述第二业务信息，并利用预先配置的第二模型对所述第二业务信息进行恢复处理得到第三业务信息；经第二模型恢复的第三业务信息比起原先的第一业务信息会有些许质量上的差异，但两者在内容上是一致的，给用户的体验几乎是无差异的。在所述发送端设备向接收端设备传输所述第二业务信息之前，还包括：更新模块判断所述接收端设备是否需要对所述第二模型进行更新，并在判断需要更新时向所述接收端设备传输预先配置的第三模型，所述接收端设备利用所述第三模型对所述第二模型进行更新。通过预先训练好的人工智能模型对业务信息进行处理，可显著降低通信业务中的数据传输量，极大地提升了信息传输效率。这些模型相对稳定，并具有复用性、传播性。模型的传播和复用将有助于增强网络智能，同时降低开销和资源浪费。所述模型能够根据不同切分规则切分为若干个模型切片，上述模型切片也可以在不同的网络节点之间传输，模型切片可以融合成模型。模型切片可以分散存储在多个网络节点上。当网络节点发现自己缺少或需要更新某模型或某模型切片时，可以通过请求的方式，向周围可能具有该切片的节点请求。传输所述业务信息、传输所述模型的路径上经过的网络节点包括智简路由器。智简路由器的功能包括但不限于业务信息传输、模型传输，吸收模型自我更新，安全保护等功能。智简路由器的传输功能，涉及将业务信息或模型从信源节点传输到信宿节点，信源节点和信宿节点之间存在多个路径。智简路由器的模型传输功能，可以对模型切片进行传输，通过合理安排模型切片走多个路径，多路传输模型切片，提高模型传输速率。
119.具体地，本发明主要提供一种应用于智简网络中的方法和装置，智简网络中主要通过人工智能模型传播业务信息，通过使用人工智能模型将待传播的第一业务信息压缩为与所述人工智能模型相关的第二业务信息，极大地降低了网络中的数据通信量，压缩效率远超传统的压缩算法。其中，所述发送端设备利用预先配置的第一模型对所述第一业务信息进行提取并得到待传输的第二业务信息；所述发送端设备向接收端设备传输所述第二业务信息。所述接收端设备接收所述第二业务信息，并利用预先配置的第二模型对所述第二业务信息进行恢复处理得到第三业务信息；经第二模型恢复的第三业务信息比起原先的第一业务信息会有些许质量上的差异，但两者在内容上是一致的，给用户的体验几乎是无差异的。在所述发送端设备向接收端设备传输所述第二业务信息之前，还包括：更新模块判断所述接收端设备是否需要对所述第二模型进行更新，并在判断需要更新时向所述接收端设备传输预先配置的第三模型，所述接收端设备利用所述第三模型对所述第二模型进行更新。智简通信标准的核心是模型的标准，因此模型的安全是至关重要的。智简网络非线性传播，主体是模型的传播。这些模型相对稳定，并具有复用性、传播性。模型的传播和复用将有助于增强网络智能，同时降低开销和资源浪费。
120.联邦学习(federated learning)是一个机器学习框架，能有效帮助多个机构在满足用户隐私保护和数据安全的要求下，进行数据使用和机器学习建模。联邦学习作为分布式的机器学习范式,可以有效解决数据孤岛问题,让参与方在不共享数据的基础上联合建模,能从技术上打破数据孤岛,实现ai协作。面对复杂通信网络中多来源用户高安全性以及模型传输的需求，运用联邦学习的模型数据传输方式，是对用户数据隐私保护的有效措施。
121.由于网络的结构不断向智慧内生转化，用户从原来的信道请求转变为对人工智能模型的需求。不同的服务需求，对神经网络模型的要求也不近相同。而神经网络模型的功能
性与稳定性依托于模型的更新和多样数据训练后的多次迭代。仅靠用户端进行本地数据训练及模型更新是对用户侧的资源的巨大挑战，有可能会导致局部最优或者模型坍塌的情况。模型传输模块的引入就是为了更好的命中用户的请求，通过多来源的分布式模型传输，将更新或者请求的需求神经网络模型传输至目标用户处。例如，所述分布式，包括联邦学习式。
122.如图1所示，根据本公开的一方面，提供了一种模型更新的方法，包括：
123.s101：响应于用户的模型更新的请求，服务于所述用户的第一路由节点分析所述请求中新模型的模型特征，并获得分析结果；所述用户包括手机端、电脑端等多种具有计算功能的智能终端。所述第一路由节点是与所述用户直接具有网络连接的智能终端。当用户需要更新其自身的模型时，向第一路由节点发出请求，告知第一路由节点，所述用户需要的更新的模型。所述第一路由节点具有分析能力，将所述新模型的模型特征分析出来。
124.s102：所述第一路由节点将自身周边的至少两个第二路由节点的环境与所述用户的环境进行比较，获得环境相似度评估；第一路由节点首先评估所述用户的环境，然后评估与第一路由节点具有网络连接的其他第二路由节点的环境。将用户的环境评估结果与所述第二路由节点的环境评估结果进行匹配，获得环境相似度的评估。在本实施例中，如果不进行环境相似度评估，直接将所述模型更新的请求进行广播，则会导致占用过多的带宽，而且，也会增加匹配的难度。所以，需要先进行环境相似度评估。
125.s103：所述第一路由节点将所述用户的请求按照所述分析结果，分别发送给不同环境相似度的至少两个第二路由节点；根据环境相似度分析的结果，再转发所述模型更新的请求至不同的第二路由节点。
126.s104：响应于所述第一路由节点转发的所述用户的请求，所述至少两个第二路由节点将各自的第一模型切片发送给所述第一路由节点；第二路由节点在响应与所述用户的请求，将自己具有的符合用户请求的第一模型切片发送给第一路由节点。如果其中一个第二路由节点具有的符合用户请求的第一模型切片较多，则传输较多的第一模型切片；如果其中一个第二路由节点具有的符合用户请求的第一模型切片较少，则传输较少的第一模型切片；符合用户请求的第一模型切片的多少，是根据第二路由节点具体拥有的符合用户的请求的第一模型切片数据内容来定的；数据内容包括：模型切片功能，模型切片的数量。
127.s105：所述第一路由节点将收到的所有所述第一模型切片进行融合获得新的模型，并发送给所述用户；多个第一模型切片在第一路由节点处被融合，既可以获取到新的模型。然后，将所述新的模型发送给提出模型更新请求的用户。
128.s106：所述用户利用所述新的模型替换旧模型。用户用收到的所述新的模型更新旧的模型。
129.优选的，所述分析结果，包括：
130.所述新模型的模型切片与常用模型的模型切片的相似度；例如，在本实施例中，所述新模型为电力视频传输模型；其有两个属性，一为电力类型，二为视频传输类型。将该电力视频传输模型切片与常用的模型切片进行比较。
131.所述新模型的模型精度。
132.优选的，所述环境，包括：
133.所述用户和第二路由节点各自所服务的对象的业务种类、位置信息、偏好。所述业
务种类包括：业务请求时间段分布、请求时延带宽可靠性要求等。环境相似度的评估是为了发送用户请求到不同的环境而必须作出的。
134.优选的，所述第一路由节点将所述用户的请求按照所述分析结果，分别发送给不同环境相似度的至少两个第二路由节点，还包括：
135.将所述至少两个第二路由节点根据所述环境相似度进行分类。
136.优选的，所述将所述至少两个第二路由节点根据所述环境相似度进行分类，包括：
137.根据所述环境相似度将所述至少两个第二路由节点分为强环境和弱环境；
138.所述强环境为所述第二路由节点拥有所述用户所需要的第一模型切片的可能性为大于且等于n％；向强环境发出弱请求。
139.所述弱环境为所述第二路由节点拥有所述用户所需的第一模型切片的可能性为小于n％。例如，。向弱环境发出强请求。以上两种请求都是必须的；不存在只对强环境或弱环境发出请求。每种环境能够提供其所具有的优势模型切片。区分所述强环境和所述弱环境，主要是根据拥有所述用户所需第一模型切片的比例。例如，n＝70，即70％，如果所述第二路由节点拥有所述用户所需的第一模型切片的可能性为80％，那么该第二路由节点为强环境。如果所述第二路由节点拥有所述用户所需的第一模型切片的可能性为40％，那么该第二路由节点为弱环境。
140.因为模型请求包含了计算请求和一些模型的数据，需要占用一定的带宽资源，直接广播的话会增大匹配难度，所以先进行请求分析后进行模型请求会减少匹配时间，提高命中率。以电力视频模型请求为例，对于强环境节点，节点内用户均具有视频请求模型，直接进行广播可以获得多样的模型样本数据，经过联邦学习后容易学习迭代得到电力视频模型；同时对于弱环境节点，此节点具有电力语义特性可能只和某一用户有关，通过提高模型相似度要求门槛，进而希望能命中高相似度的模型切片，经过较短的学习时间后获得高质量电力语义模型切片。
141.在环境匹配划分后，第一路由节点向强环境节点发出弱请求，反之，则向弱环境节点发送强请求。若第二路由节点环境维度与所述用户环境相似度较高，则说明此第二路由节点所服务的设备有更大的可能性拥有符合所述用户所需要的第一模型切片数据。因此，向此种强环境的第二路由节点发送弱请求，强环境的第二路由节点向所属的服务区域用户进行广播，通过低的发送数据门槛以换取多设备的响应确保模型切片数据的普遍性。反之，若所述第二路由节点环境维度与所述用户环境相似度较低，则说明此所述第二路由节点所服务的设备，可能仅有少部分拥有符合需求的第一模型切片数据，为了保障所述用户请求的第一模型切片数据的充分性，此种弱环境的第二路由节点将向区域内的部分目标设备发送强请求，通过高的设备第一模型切片数据发送门槛以保障第一模型切片数据的完整性。
142.如图2所示，优选的，所述响应于所述第一路由节点转发的所述用户的请求，所述至少两个第二路由节点将各自的第一模型切片发送给所述第一路由节点，包括：
143.s1041：所述至少两个第二路由节点中任一个将收到的所述用户的请求，转发给该所述第二路由节点所处的局部网络中的每个设备；所述每个设备才是可能具体拥有所述第一模型切片的计算终端。
144.s1042：所述每个设备将各自具有的，满足所述用户的请求的第一模型切片，发送给所述设备所属的局部网络的所述第二路由节点；
145.s1043：每个所述第二路由节点将各自的第一模型切片发送给所述第一路由节点。
146.优选的，所述每个设备将各自具有的，满足所述用户的请求的第一模型切片，发送给所述设备所属的局部网络的所述第二路由节点，包括：
147.所述每个设备联合向所述设备所属的局部网络的所述第二路由节点进行分布式第一模型切片传输。其中，所述分布式，包括联邦学习式。
148.优选的，所述第一路由节点将收到的所有所述第一模型切片进行融合获得新的模型，其中，在所述融合之前，还包括：
149.所述第一路由节点将收到的所有所述第一模型切片进行处理，包括模型去重、模型修剪。
150.优选的，所述分布式第一模型切片的传输，包括：将所述第一模型切片的特征值部分进行传输。
151.如图3所示，优选的，还包括：
152.s107：所述第一路由节点对所述融合后的新的模型进行评估，判断所述新的模型是否满足所述用户更新模型的请求。
153.如图4所示，优选的，还包括：
154.s108：响应于所述第一路由节点判断所述新的模型不满足所述用户更新模型的请求，所述第一路由节点重复上述的技术方案；
155.s109：响应于所述第一路由节点判断所述新的模型满足所述用户更新的请求，所述用户停止所述模型更新的再次请求。
156.如图5所示，根据本公开的第二方面，还提供另一种模型更新的方法，包括：
157.s201：响应于用户的模型更新的请求，服务于所述用户的第一路由节点分析所述请求中新模型的模型特征，并获得分析结果；
158.s202：所述第一路由节点将所述用户的请求按照分析结果，发送给第三路由节点；所述第三路由节点为单个路由节点；
159.s203：响应于所述第一路由节点转发的所述用户的请求，所述第三路由节点将自己拥有的第一模型切片发送给所述第一路由节点；
160.s204：所述第一路由节点将收到的所有所述第一模型切片进行融合获得新的模型，并发送给所述用户；
161.s205：所述用户利用所述新的模型替换旧模型。
162.如图6所示，根据本公开的第三方面，还提供一种模型更新的装置2，包括：
163.第一分析模块201：用于响应于用户的模型更新的请求，服务于所述用户的第一路由节点分析所述请求中新模型的模型特征，并获得分析结果；
164.比较模块202：用于所述第一路由节点将自身周边的至少两个第二路由节点的环境与所述用户的环境进行比较，获得环境相似度评估；
165.第一发送模块203：用于所述第一路由节点将所述用户的请求按照所述分析结果，分别发送给不同环境相似度的至少两个第二路由节点；
166.第二发送模块204：用于响应于所述第一路由节点转发的所述用户的请求，所述至少两个第二路由节点将各自的第一模型切片发送给所述第一路由节点；
167.第一融合模块205：用于所述第一路由节点将收到的所有所述第一模型切片进行
融合获得新的模型，并发送给所述用户；
168.第一更新模块206：用于所述用户利用所述新的模型替换旧模型。
169.优选的，所述分析结果，包括：
170.所述新模型的模型切片与常用模型的模型切片的相似度；
171.所述新模型的模型精度。
172.优选的，所述环境，包括：
173.所述用户和第二路由节点各自所服务的对象的业务种类、位置信息、偏好。
174.优选的，所述第一发送模块203，还包括：
175.将所述至少两个第二路由节点根据所述环境相似度进行分类。
176.优选的，所述将所述至少两个第二路由节点根据所述环境相似度进行分类，包括：
177.根据所述环境相似度将所述至少两个第二路由节点分为强环境和弱环境；
178.所述强环境为所述第二路由节点拥有所述用户所需要的第一模型切片的可能性为大于且等于n％；
179.所述弱环境为所述第二路由节点拥有所述用户所需的第一模型切片的可能性为小于n％。
180.如图7所示，优选的，所述第二发送模块204，包括：
181.转发模块2041：用于所述至少两个第二路由节点中任一个将收到的所述用户的请求，转发给该所述第二路由节点所处的局部网络中的每个设备；
182.第三发送模块2042：用于所述每个设备将各自具有的，满足所述用户的请求的第一模型切片，发送给所述设备所属的局部网络的所述第二路由节点；
183.第四发送模块2043：用于每个所述第二路由节点将各自的第一模型切片发送给所述第一路由节点。
184.优选的，所述第三发送模块2042，包括：
185.所述每个设备联合向所述设备所属的局部网络的所述第二路由节点进行分布式第一模型切片传输。
186.优选的，所述第一融合模块205在所述融合之前，还包括：
187.所述第一路由节点将收到的所有所述第一模型切片进行处理，包括模型去重、模型修剪。
188.优选的，所述分布式第一模型切片的传输，包括：将所述第一模型切片的特征值部分进行传输。
189.如图8所示，优选的，还包括：
190.评估模块207：用于所述第一路由节点对所述融合后的新的模型进行评估，判断所述新的模型是否满足所述用户更新模型的请求。
191.如图9所示，优选的，还包括：
192.循环模块208：用于响应于所述第一路由节点判断所述新的模型不满足所述用户更新模型的请求，所述第一路由节点重复上述的技术方案；
193.终止模块209：用于响应于所述第一路由节点判断所述新的模型满足所述用户更新的请求，所述用户停止所述模型更新的再次请求。
194.如图10所示，根据本公开的第四方面，还提供另一种模型更新的装置3，包括：
195.第二分析模块301：用于响应于用户的模型更新的请求，服务于所述用户的第一路由节点分析所述请求中新模型的模型特征，并获得分析结果；
196.第五发送模块302：用于所述第一路由节点将所述用户的请求按照分析结果，发送给第三路由节点；所述第三路由节点为单个路由节点；
197.第六发送模块303：用于响应于所述第一路由节点转发的所述用户的请求，所述第三路由节点将自己拥有的第一模型切片发送给所述第一路由节点；
198.第二融合模块304：用于所述第一路由节点将收到的所有所述第一模型切片进行融合获得新的模型，并发送给所述用户；
199.第二更新模块305：用于所述用户利用所述新的模型替换旧模型。
200.根据本公开的第五方面，还提供一种电子设备，包括：
201.至少一个处理器；以及
202.与所述至少一个处理器通信连接的存储器；其中，
203.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述技术方案中任一项所述的方法。
204.根据本公开的第六方面，还提供一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述技术方案中任一项所述的方法。
205.根据本公开的第七方面，还提供一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据上述技术方案中任一项所述的方法。
206.本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
207.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
208.图11示出了可以用来实施本公开的实施例的示例电子设备1110的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
209.如图11所示，设备1100包括计算单元1101，其可以根据存储在只读存储器(rom)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(ram)1103中的计算机程序，来执行各种适当的动作和处理。在ram 1103中，还可存储设备1100操作所需的各种程序和数据。计算单元1101、rom 1102以及ram 1103通过总线1104彼此相连。输入/输出(i/o)接口1105也连接至总线1104。
210.设备1100中的多个部件连接至i/o接口1105，包括：输入单元1106，例如键盘、鼠标等；输出单元1107，例如各种类型的显示器、扬声器等；存储单元1108，例如磁盘、光盘等；以及通信单元1109，例如网卡、调制解调器、无线通信收发机等。通信单元1109允许设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
211.计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算
单元1101的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理，例如模型更新的方法。例如，在一些实施例中，模型更新的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1108。在一些实施例中，计算机程序的部分或者全部可以经由rom 1102和/或通信单元1109而被载入和/或安装到设备1100上。当计算机程序加载到ram 1103并由计算单元1101执行时，可以执行上文描述的模型更新的方法的一个或多个步骤。备选地，在其他实施例中，计算单元1101可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行模型更新的方法。
212.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
213.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
214.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
215.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
216.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界
面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
217.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
218.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
219.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

技术特征：
1.一种模型更新的方法，其特征在于，包括：响应于用户的模型更新的请求，服务于所述用户的第一路由节点分析所述请求中新模型的模型特征，并获得分析结果；所述第一路由节点将自身周边的至少两个第二路由节点的环境与所述用户的环境进行比较，获得环境相似度评估；所述第一路由节点将所述用户的请求按照所述分析结果，分别发送给不同环境相似度的至少两个第二路由节点；响应于所述第一路由节点转发的所述用户的请求，所述至少两个第二路由节点将各自的第一模型切片发送给所述第一路由节点；所述第一路由节点将收到的所有所述第一模型切片进行融合获得新的模型，并发送给所述用户；所述用户利用所述新的模型替换旧模型。2.根据权利要求1所述的方法，其特征在于，所述分析结果，包括：所述新模型的模型切片与常用模型的模型切片的相似度；所述新模型的模型精度。3.根据权利要求1所述的方法，其特征在于，所述环境，包括：所述用户和第二路由节点各自所服务的对象的业务种类、位置信息、偏好。4.根据权利要求1所述的方法，其特征在于，所述第一路由节点将所述用户的请求按照所述分析结果，分别发送给不同环境相似度的至少两个第二路由节点，还包括：将所述至少两个第二路由节点根据所述环境相似度进行分类。5.根据权利要求4所述的方法，其特征在于，所述将所述至少两个第二路由节点根据所述环境相似度进行分类，包括：根据所述环境相似度将所述至少两个第二路由节点分为强环境和弱环境；所述强环境为所述第二路由节点拥有所述用户所需要的第一模型切片的可能性为大于且等于n％；所述弱环境为所述第二路由节点拥有所述用户所需的第一模型切片的可能性为小于n％。6.根据权利要求1所述的方法，其特征在于，所述响应于所述第一路由节点转发的所述用户的请求，所述至少两个第二路由节点将各自的第一模型切片发送给所述第一路由节点，包括：所述至少两个第二路由节点中任一个将收到的所述用户的请求，转发给该所述第二路由节点所处的局部网络中的每个设备；所述每个设备将各自具有的，满足所述用户的请求的第一模型切片，发送给所述设备所属的局部网络的所述第二路由节点；每个所述第二路由节点将各自的第一模型切片发送给所述第一路由节点。7.根据权利要求6所述的方法，其特征在于，所述每个设备将各自具有的，满足所述用户的请求的第一模型切片，发送给所述设备所属的局部网络的所述第二路由节点，包括：所述每个设备联合向所述设备所属的局部网络的所述第二路由节点进行分布式第一模型切片传输。
8.根据权利要求7所述的方法，其特征在于，所述第一路由节点将收到的所有所述第一模型切片进行融合获得新的模型，其中，在所述融合之前，还包括：所述第一路由节点将收到的所有所述第一模型切片进行处理，包括模型去重、模型修剪。9.根据权利要求7所述的方法，其特征在于，所述分布式第一模型切片的传输，包括：将所述第一模型切片的特征值部分进行传输。10.根据权利要求1所述的方法，其特征在于，还包括：所述第一路由节点对所述融合后的新的模型进行评估，判断所述新的模型是否满足所述用户更新模型的请求。11.根据权利要求10所述的方法，其特征在于，还包括：响应于所述第一路由节点判断所述新的模型不满足所述用户更新模型的请求，所述第一路由节点重复权利要求1～权利要求10的技术方案；响应于所述第一路由节点判断所述新的模型满足所述用户更新的请求，所述用户停止所述模型更新的再次请求。12.一种模型更新的方法，其特征在于，包括：响应于用户的模型更新的请求，服务于所述用户的第一路由节点分析所述请求中新模型的模型特征，并获得分析结果；所述第一路由节点将所述用户的请求按照分析结果，发送给第三路由节点；所述第三路由节点为单个路由节点；响应于所述第一路由节点转发的所述用户的请求，所述第三路由节点将自己拥有的第一模型切片发送给所述第一路由节点；所述第一路由节点将收到的所有所述第一模型切片进行融合获得新的模型，并发送给所述用户；所述用户利用所述新的模型替换旧模型。13.一种模型更新的装置，其特征在于，包括：第一分析模块：用于响应于用户的模型更新的请求，服务于所述用户的第一路由节点分析所述请求中新模型的模型特征，并获得分析结果；比较模块：用于所述第一路由节点将自身周边的至少两个第二路由节点的环境与所述用户的环境进行比较，获得环境相似度评估；第一发送模块：用于所述第一路由节点将所述用户的请求按照所述分析结果，分别发送给不同环境相似度的至少两个第二路由节点；第二发送模块：用于响应于所述第一路由节点转发的所述用户的请求，所述至少两个第二路由节点将各自的第一模型切片发送给所述第一路由节点；第一融合模块：用于所述第一路由节点将收到的所有所述第一模型切片进行融合获得新的模型，并发送给所述用户；第一更新模块：用于所述用户利用所述新的模型替换旧模型。14.根据权利要求13所述的装置，其特征在于，所述分析结果，包括：所述新模型的模型切片与常用模型的模型切片的相似度；所述新模型的模型精度。
15.根据权利要求13所述的装置，其特征在于，所述环境，包括：所述用户和第二路由节点各自所服务的对象的业务种类、位置信息、偏好。16.根据权利要求13所述的装置，其特征在于，所述第一发送模块，还包括：将所述至少两个第二路由节点根据所述环境相似度进行分类。17.根据权利要求16所述的装置，其特征在于，所述将所述至少两个第二路由节点根据所述环境相似度进行分类，包括：根据所述环境相似度将所述至少两个第二路由节点分为强环境和弱环境；所述强环境为所述第二路由节点拥有所述用户所需要的第一模型切片的可能性为大于且等于n％；所述弱环境为所述第二路由节点拥有所述用户所需的第一模型切片的可能性为小于n％；。18.根据权利要求13所述的装置，其特征在于，所述第二发送模块，包括：转发模块：用于所述至少两个第二路由节点中任一个将收到的所述用户的请求，转发给该所述第二路由节点所处的局部网络中的每个设备；第三发送模块：用于所述每个设备将各自具有的，满足所述用户的请求的第一模型切片，发送给所述设备所属的局部网络的所述第二路由节点；第四发送模块：用于每个所述第二路由节点将各自的第一模型切片发送给所述第一路由节点。19.根据权利要求18所述的装置，其特征在于，所述第三发送模块，包括：所述每个设备联合向所述设备所属的局部网络的所述第二路由节点进行分布式第一模型切片传输。20.根据权利要求19所述的装置，其特征在于，所述第一融合模块中，在所述融合之前，还包括：所述第一路由节点将收到的所有所述第一模型切片进行处理，包括模型去重、模型修剪。21.根据权利要求19所述的装置，其特征在于，所述分布式第一模型切片的传输，包括：将所述第一模型切片的特征值部分进行传输。22.根据权利要求13所述的装置，其特征在于，还包括：评估模块：用于所述第一路由节点对所述融合后的新的模型进行评估，判断所述新的模型是否满足所述用户更新模型的请求。23.根据权利要求22所述的装置，其特征在于，还包括：循环模块：用于响应于所述第一路由节点判断所述新的模型不满足所述用户更新模型的请求，所述第一路由节点重复权利要求1～权利要求10的技术方案；终止模块：用于响应于所述第一路由节点判断所述新的模型满足所述用户更新的请求，所述用户停止所述模型更新的再次请求。24.一种模型更新的装置，其特征在于，包括：第二分析模块：用于响应于用户的模型更新的请求，服务于所述用户的第一路由节点分析所述请求中新模型的模型特征，并获得分析结果；第五发送模块：用于所述第一路由节点将所述用户的请求按照分析结果，发送给第三
路由节点；所述第三路由节点为单个路由节点；第六发送模块：用于响应于所述第一路由节点转发的所述用户的请求，所述第三路由节点将自己拥有的第一模型切片发送给所述第一路由节点；第二融合模块：用于所述第一路由节点将收到的所有所述第一模型切片进行融合获得新的模型，并发送给所述用户；第二更新模块：用于所述用户利用所述新的模型替换旧模型。25.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-12中任一项所述的方法。26.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-12中任一项所述的方法。27.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-12中任一项所述的方法。

技术总结
本公开提供了模型更新的方法、装置、设备以及存储介质，涉及计算机领域，尤其涉及网络传输领域。具体实现方案为：一种模型更新的方法，包括：响应于用户的模型更新的请求，服务于所述用户的第一路由节点分析所述请求中新模型的模型特征，并获得分析结果；所述第一路由节点将自身周边的至少两个第二路由节点的环境与所述用户的环境进行比较，获得环境相似度评估；所述第一路由节点将所述用户的请求按照所述分析结果，分别发送给不同环境相似度的至少两个第二路由节点。本公开的技术方案利用智简网络中的多节点均拥有的模型对用户节点进行模型更新，减少通信网络的冗余传输，降低用户请求时延的同时，最大化网络的系统质量。最大化网络的系统质量。最大化网络的系统质量。


技术研发人员：许晓东 车玥 董辰 韩书君 王碧舳
受保护的技术使用者：北京邮电大学
技术研发日：2022.02.08
技术公布日：2023/8/24