一种跨域模型训练方法、种跨装置、域模设备及介质
技术领域
1.本技术涉及通信技术领域，型训尤其涉及一种跨域模型训练方法
、练方
装置
、法流
设备及介质
。种跨
背景技术：
2.基于当前业界对
6g
网络架构的域模研究，未来
6g
网络将原生支持
ai
，型训支持分层分布式智能，练方其中模型训练是法流
6g
智能一个需要关注的问题
。
模型训练需要收集大量
、种跨
广泛的域模数据，不仅涉及到数据的型训隐私性问题，还会给网络传输资源带来一定的练方需求
。
当前的法流第三代合作伙伴计划
(3rd generation partnership project
，
3gpp)
主要关注在单域内部执行的模型训练，对跨域协同有需求的模型训练请求存在局限性
。
3.现有技术中，针对有跨域协同需求的模型训练任务，智能移动网络系统将跨域模型训练任务转换为单域模型训练任务，具体的，智能移动网络系统从目标域中获取模型训练所需的数据，并基于获取到的数据在所在域内进行模型训练
。
但是，智能移动网络系统在从目标域获取数据时，数据的隐私安全性降低，并且需要大量的网络资源传输数据
。
技术实现要素：
4.本技术提供了一种跨域模型训练方法
、
装置
、
设备及介质，用以解决现有技术中有跨域需求的模型训练过程中数据隐私安全性低，且需要大量的网络资源传输数据问题
。
5.第一方面，本技术实施例提供了一种跨域模型训练方法，所述方法包括：
6.若接收到跨域模型训练请求，则确定执行所述跨域模型训练请求的每个目标域，并将所述跨域模型训练请求及所需的初始模型的信息发送给所述每个目标域，使所述每个目标域根据本地的数据对所述初始模型进行训练；
7.接收所述每个目标域发送训练得到的每个目标子模型的信息，根据所述每个目标子模型的信息，确定目标模型
。
8.第二方面，本技术实施例还提供了一种跨域模型训练装置，所述装置包括：
9.接收处理模块，用于若接收到跨域模型训练请求，则确定执行所述跨域模型训练请求的每个目标域；
10.发送处理模块，用于将所述跨域模型训练请求及所需的初始模型的信息发送给所述每个目标域，使所述每个目标域根据本地的数据对所述初始模型进行训练；
11.所述接收处理模块，还用于接收所述每个目标域发送训练得到的每个目标子模型的信息，根据所述每个目标子模型的信息，确定目标模型
。
12.第三方面，本技术实施例提供了一种电子设备，所述电子设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如上述任一所述跨域模型训练方法的步骤
。
13.第四方面，本技术实施例提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一所述跨域模型训练方法的步骤
。
14.在本技术实施例中，若接收到跨域模型训练请求，则确定执行该跨域模型训练请
求的每个目标域，并将该跨域模型训练请求及所需的初始模型的信息发送给该每个目标域，使该每个目标域根据本地的数据对该初始模型进行训练；接收该每个目标域发送训练得到的每个目标子模型的信息，根据该每个目标子模型的信息，确定目标模型
。
在本技术实施例中，智能移动网络系统的智能控制功能节点确定执行跨域模型训练请求的每个目标域，并将该跨域模型训练请求及所需的初始模型的信息发送给该每个目标域，使该每个目标域根据本地的数据对该初始模型进行训练，实现了跨域的分布式模型训练流程，实现了跨域智能协同，避免了跨域的数据传输，在一定程度上降低数据隐私安全风险和对网络资源的需求
。
附图说明
15.为了更清楚地说明本技术的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
16.图1为本技术实施例提供的一种跨域模型训练过程示意图；
17.图2为本技术实施例提供的智能移动网络系统的结构示意图；
18.图3为本技术实施例提供的交互示意图；
19.图4为本技术实施例提供的一种跨域模型训练装置结构示意图；
20.图5为本技术实施例提供的一种电子设备结构示意图
。
具体实施方式
21.为了使本技术的目的
、
技术方案和优点更加清楚，下面将结合附图对本技术作进一步地详细描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例
。
基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本技术保护的范围
。
22.为了实现跨域的分布式模型训练流程，实现跨域智能协同，避免跨域的数据传输，降低数据隐私安全风险和对网络资源的需求，本技术实施例提供了一种跨域模型训练方法
、
装置
、
设备及介质
。
23.在本技术实施例中，若智能移动网络系统接收到跨域模型训练请求，则确定执行该跨域模型训练请求的每个目标域，并将该跨域模型训练请求及所需的初始模型的信息发送给该每个目标域，使该每个目标域根据本地的数据对该初始模型进行训练；接收该每个目标域发送训练得到的每个目标子模型的信息，根据该每个目标子模型的信息，确定目标模型
。
24.实施例1：
25.图1为本技术实施例提供的一种跨域模型训练过程示意图，该过程包括：
26.s101
：若接收到跨域模型训练请求，则确定执行所述跨域模型训练请求的每个目标域，并将所述跨域模型训练请求及所需的初始模型的信息发送给所述每个目标域，使所述每个目标域根据本地的数据对所述初始模型进行训练
。
27.本技术实施例提供的一种跨域模型训练方法应用于智能控制功能节点，该智能控制功能节点可以为电子设备或
pc。
28.图2为本技术实施例提供的智能移动网络系统的结构示意图，如该图2所述，该智能移动网络系统包含多个节点，每个节点用于实现一个功能；例如基站控制面功能节点
、
服务寻址功能节点
、
认证授权控制功能节点
、
智能数据采集处理功能节点
、
智能模型训练功能节点
、
多接入功能节点
、
移动性管理功能节点
、
连接控制功能节点
、
智能控制功能节点
、
用户面功能节点以及智能分析功能节点
。
此外，该智能移动网络系统中还包括用户设备
(user equipment
，
ue)、
用户授权数据库
、
用户认证数据库和用户运行数据库
。
29.其中，智能控制功能节点
、
智能数据采集功能节点
、
智能模型训练功能节点以及智能分析功能节点主要是在智能控制功能节点的控制协同下，从数据源处采集智能相关数据，基于采集的数据完成智能模型训练或智能分析功能，并向服务对象提供智能相关服务
。
终端域和接入网域可支持该智能数据采集功能节点
、
智能模型训练功能节点以及智能分析功能节点
。
30.用户设备，基站控制面功能节点与其它网络功能节点实现端到端服务化
。
31.针对当前
3gpp
主要关注在核心网域内部执行的模型训练，在数据隐私和网络资源方面，对多域协同有需求的模型训练请求存在局限性，本技术实施例提出了一种面向
6g
的智能移动网络系统，并提出了跨域模型训练方法
。
32.具体的，在本技术实施例中，若智能移动网络系统的智能控制功能节点接收到服务需求方发送的跨域模型训练请求，则智能控制功能节点确定执行跨域模型训练请求的每个目标域
。
其中，在本技术实施例中，该服务需求方可以是网络内部或外部的服务对象，该跨域模型训练请求中携带有跨域模型训练任务类型和性能需求
。
33.在本技术实施例中，智能控制功能节点可以对跨域模型训练请求进行分析，根据该跨域模型训练请求中携带的跨域模型训练任务
、
任务类型和性能需求，确定执行该跨域模型训练请求的每个目标域，使得每个目标域内的智能模型训练功能节点可以在其所在的目标域内进行数据采集
、
模型训练
。
34.由于该跨域模型训练任务需要使用多个域的能力
(
如数据源
)
进行联合训练，因此智能控制功能节点采用分布式学习
(
如联邦学习
)
进行模型训练，选择合适的智能模型训练功能节点
。
35.具体的，在本技术实施例中，智能控制功能节点接收到跨域模型训练请求之后，该智能控制功能节点根据该跨域模型训练请求中携带的性能需求，对跨域模型训练任务进行需求分析，并结合每个域的网络基础设施
(
算力
、
连接
)、
每个域内保存的数据和算法的能力，对跨域模型训练任务进行子任务分解
。
36.例如，在本技术实施例中，若跨域模型训练请求中携带的性能需求为既要可以对数据类型a的数据进行处理，又要可以对数据类型b的数据进行处理，则智能控制功能节点可以将跨域模型训练任务拆分为对数据类型a的数据进行处理的子任务和对数据类型b的数据进行处理的子任务
。
并且，智能控制功能节点确定数据类型a的数据保存在a域中，数据类型b的数据保存在b域中，智能控制功能节点将a域和b域确定为目标域
。
37.其中，在本技术实施例中，智能控制功能节点将跨域模型训练请求及所需的初始模型的信息发送给每个目标域内的智能模型训练功能节点
。
针对每个目标域内的智能模型训练功能节点，该智能模型训练功能节点接收到智能控制功能节点发送的跨域模型训练请求及所需的初始模型的信息之后，该智能模型训练功能节点根据该跨域模型训练请求，向
该智能模型训练功能节点所在的目标域的智能数据采集处理功能节点发送数据采集和处理请求
。
该智能数据采集处理功能节点收到该请求后，采集并处理数据；该智能数据采集处理功能节点将数据传回给该智能模型训练功能节点
。
该智能模型训练功能节点根据该数据以及接收到的初始模型的信息，对该初始模型进行训练
。
其中，智能控制功能节点还可以向每个目标域内的智能模型训练功能节点发送跨域模型训练请求时，可以向该智能模型训练功能节点发送其所在的目标域对应的子任务
。
38.需要说明的是，该初始模型的信息可以是模型的下载地址，还可以是模型的标识信息以及初始参数等
。
39.其中，目标域可以是核心网域
、
接入网域
、
终端域等
。
40.s102
：接收所述每个目标域发送训练得到的每个目标子模型的信息，根据所述每个目标子模型的信息，确定目标模型
。
41.在本技术实施例，智能控制功能节点接收每个目标域的智能模型训练功能节点发送的训练得到的每个目标子模型的信息，并根据该每个目标子模型的信息，确定目标模型
。
42.在本技术实施例中，智能控制功能节点接收到每个目标域的智能模型训练功能节点发送的训练得到的每个目标子模型的信息之后，该智能控制功能节点根据每个目标子模型的信息，确定每个目标子模型，并对每个目标子模型进行聚合，生成目标模型
。
43.智能控制功能节点确定了目标模型之后，该智能控制功能节点可以确定该目标模型的损失函数，并基于该损失函数确定该目标模型是否训练完成
。
若该智能控制功能节点确定该目标模型未训练完成，则向每个目标域的智能模型训练功能节点发送该目标模型对应的信息，使得每个目标域的智能模型训练功能节点基于该目标模型对应的信息再次进行训练，直至智能控制功能节点确定目标模型的损失函数收敛，则确定跨域模型训练任务结束
。
44.智能控制功能节点将训练完成的目标模型发送给服务需求方
。
45.在本技术实施例中，智能移动网络系统的智能控制功能节点确定执行跨域模型训练请求的每个目标域，并将该跨域模型训练请求及所需的初始模型的信息发送给该每个目标域，使该每个目标域根据本地的数据对该初始模型进行训练，实现了跨域的分布式模型训练流程，实现了跨域智能协同，避免了跨域的数据传输，在一定程度上降低数据隐私安全风险和对网络资源的需求
。
46.实施例2：
47.为了降低数据隐私安全风险和对网络资源的需求，在上述实施例的基础上，在本技术实施例中，所述确定执行所述跨域模型训练请求的每个目标域之前，所述方法还包括：
48.判断所述跨域模型训练请求是否为用户设备
ue
发送的；
49.若否，则执行后续确定执行所述跨域模型训练请求的每个目标域的步骤；
50.若是，则在保存的用户签约数据库中查找所述
ue
对应的签约信息；若所述签约信息中包含进行模型训练的授权，则执行后续确定执行所述跨域模型训练请求的每个目标域的步骤
。
51.在本技术实施例中，智能控制功能节点接收到服务方发送的跨域模型训练请求之后，该智能控制功能节点判断该跨域模型训练请求是否为
ue
发送的
。
若智能控制功能节点确定该跨域模型训练请求为
ue
发送的，则该智能控制功能节点在保存的用户签约数据库中
查找
ue
对应的签约信息；若签约信息中包含进行模型训练的授权，则执行后续确定执行跨域模型训练请求的每个目标域的步骤
。
52.若智能控制功能节点确定该跨域模型训练请求不是
ue
发送的，则该智能控制功能节点执行后续确定执行所述跨域模型训练请求的每个目标域的步骤
。
53.实施例3：
54.为了降低数据隐私安全风险和对网络资源的需求，在上述各实施例的基础上，在本技术实施例中，所述确定执行所述跨域模型训练请求的每个目标域包括：
55.获取所述跨域模型训练请求中携带的跨域模型训练任务，并对所述跨域模型训练任务进行分析，确定跨域模型训练所需的目标资源；
56.根据预先保存的每个域对应的资源以及所述目标资源，确定执行所述跨域模型训练请求的每个目标域
。
57.在本技术实施例中，智能控制功能节点在确定跨域模型训练所需的目标资源时，该智能控制功能节点对跨域模型训练请求中携带的跨域模型训练任务进行分析，确定该跨域模型训练所需的目标资源
。
58.智能控制功能节点根据预先保存的每个域对应的资源以及该目标资源，确定进行跨域模型训练的每个目标域
。
59.其中，在本技术实施例中，该目标资源可以是数据
、
算力
、
算法等
。
60.为了降低数据隐私安全风险和对网络资源的需求，在上述各实施例的基础上，在本技术实施例中，所述根据预先保存的每个域对应的资源以及所述目标资源，确定执行所述跨域模型训练请求的每个目标域包括：
61.若所述目标资源为每个目标数据能力，则根据预先保存的每个域对应的数据能力以及所述每个目标数据能力，确定所述每个目标域；或，
62.若所述目标资源为总计算能力，则根据预先保存的每个域对应的计算能力以及所述总计算能力，确定所述每个目标域；或，
63.若所述目标资源为每个目标算法能力；根据预先保存的每个域对应的算法能力以及所述每个目标算法能力，确定所述每个目标域
。
64.在本技术实施例中，智能控制功能节点对跨域模型训练请求中携带的跨域模型训练任务进行分析，确定该跨域模型训练所需的目标资源时，该目标资源可以是每个目标数据能力
、
总计算能力或者每个算法能力中的一种
。
65.在本技术实施例中，若智能控制功能节点确定的目标资源为目标数据能力，则根据预先保存的每个域对应的数据能力以及每个目标数据能力，确定所述每个目标域
。
66.其中，在本技术实施例中，数据能力可以是跨域模型训练中需要使用的样本数据的每个目标数据类型，还可以是样本数据对应的每个目标地理区域
。
若数据能力为每个目标数据类型，则该智能控制功能节点根据预先保存的每个域中包含的数据类型以及该每个目标数据类型，确定每个目标域，其中，每个目标域中包含至少一个目标数据类型
。
若数据能力为每个目标地理区域，则该智能控制功能节点根据预先保存的每个域所在的地理区域以及该每个目标地理区域，确定每个目标地理区域对应的每个目标域
。
67.若智能控制功能节点确定目标资源为总计算能力，则该智能控制功能节点根据预先保存的每个域对应的计算能力以及该总计算能力，确定每个目标域，其中每个目标域的
计算能力的和值不小于该总计算能力
。
68.若智能控制节点确定目标资源为每个目标算法能力，则该智能控制功能节点根据预先保存的每个域对应的算法能力，确定每个目标域，其中，算法能力为能够对模型进行训练的训练维度，每个目标域包含至少一个
。
69.实施例4：
70.为了降低数据隐私安全风险和对网络资源的需求，在上述各实施例的基础上，在本技术实施例中，所述将所述跨域模型训练请求及所需的初始模型的信息发送给所述每个目标域包括：
71.针对每个目标域，获取保存的该目标域对应的初始模型的第一下载地址的信息；将所述第一下载地址的信息发送给该目标域
。
72.在本技术实施例中，初始模型的信息为初始模型的第一下载地址的信息
。
73.在本技术实施例中，针对每个目标域，获取保存的该目标域对应的初始模型的第一下载地址的信息；将该第一下载地址的信息发送给该目标域
。
74.每个目标域的智能模型训练功能节点接收到对应的第一下载地址的信息之后，根据该第一下载地址的信息，下载初始模型
。
75.其中，每个目标域对应的第一下载地址可以相同也可以不同
。
76.为了降低数据隐私安全风险和对网络资源的需求，在上述各实施例的基础上，在本技术实施例中，所述接收所述每个目标域发送训练得到的每个目标子模型的信息包括：
77.接收所述每个目标域发送的训练得到的每个目标子模型的每个第二下载地址的信息
。
78.在本技术实施例中，每个目标域的每个智能模型训练功能节点训练得到每个目标子模型之后，该每个智能模型训练功能节点将目标子模型的信息发送给智能控制功能节点，智能控制功能节点根据该目标子模型的信息，确定每个子模型
。
79.其中，目标子模型的信息为目标子模型的第二下载地址的信息
。
智能控制功能节点获取每个目标域的每个智能模型训练功能节点发送的训练得到的目标子模型的第二下载地址的信息
。
80.为了降低数据隐私安全风险和对网络资源的需求，在上述各实施例的基础上，在本技术实施例中，所述根据所述每个目标子模型的信息，确定目标模型包括：
81.根据所述每个第二下载地址的信息，获取所述每个目标子模型；
82.将所述每个目标子模型进行聚合，得到所述目标模型
。
83.在本技术实施例中，智能控制功能节点根据每个第二下载地址的信息，获取每个目标子模型；并将每个目标子模型进行聚合，得到目标模型
。
84.图3为本技术实施例提供的交互示意图，如该图3所示，该过程包括：
85.1、
服务需求方向智能控制功能节点发起跨域模型训练请求
。
86.2、
如果服务需求方为
ue
，则智能控制功能节点向用户签约数据库获取该用户的服务签约信息，确认服务是否授权
。
87.3、
智能控制功能节点对跨域模型训练请求的任务进拆分，选择合适的智能模型训练功能节点
。
88.在本技术实施例中，确定的智能模型训练功能节点为核心网域
、
接入网域和终端
域中的智能模型训练功能节点
。
89.4-6、
智能控制功能向核心网域
、
接入网域
、
终端域中的智能模型训练功能节分别发送跨域模型训练请求
。
90.7-9、
每个智能模型训练功能节点接收到跨域模型训练请求之后，下载初始模型
。
91.10-12、
每个智能模型训练功能节点向各自域的智能数据采集处理功能节点发送数据采集处理请求
。
92.13-15、
每个智能数据采集处理功能收到数据采集处理请求后，采集并处理数据
。
93.16-18、
每个智能数据采集处理功能节点将数据传回给各自域的智能模型训练功能节点
。
94.19-21、
每个智能模型训练功能节点根据收到的数据，在本地训练模型，然后将更新的目标子模型的信息发送到智能控制功能节点
。
95.22、
智能控制功能节点下载每个目标子模型并对进行聚合，生成目标模型
。
96.23-25、
智能控制功能节点将更新的目标模型发送给参与训练的智能模型训练功能节点，用于智能模型训练功能节点进行下一轮模型更新
。
97.其中，步骤
7-25
不断重复，直到达到训练结束条件
。
98.26、
智能控制功能节点将最终训练好的目标模型发送给服务需求方
。
99.实施例5：
100.在上述各实施例的基础上，图4为本技术实施例提供的一种跨域模型训练装置结构示意图，该装置包括：
101.接收处理模块
401
，用于若接收到跨域模型训练请求，则确定执行所述跨域模型训练请求的每个目标域；
102.发送处理模块
402
，用于将所述跨域模型训练请求及所需的初始模型的信息发送给所述每个目标域，使所述每个目标域根据本地的数据对所述初始模型进行训练；
103.所述接收处理模块
401
，还用于接收所述每个目标域发送训练得到的每个目标子模型的信息，根据所述每个目标子模型的信息，确定目标模型
。
104.在一种可能的实施方式中，所述接收处理模块
401
，还用于判断所述跨域模型训练请求是否为用户设备
ue
发送的；若否，则执行后续确定执行所述跨域模型训练请求的每个目标域的步骤；若是，则在保存的用户签约数据库中查找所述
ue
对应的签约信息；若所述签约信息中包含进行模型训练的授权，则执行后续确定执行所述跨域模型训练请求的每个目标域的步骤
。
105.在一种可能的实施方式中，接收处理模块
401
，具体用于获取所述跨域模型训练请求中携带的跨域模型训练任务，并对所述跨域模型训练任务进行分析，确定跨域模型训练所需的目标资源；根据预先保存的每个域对应的资源以及所述目标资源，确定执行所述跨域模型训练请求的每个目标域
。
106.在一种可能的实施方式中，接收处理模块
401
，具体用于若所述目标资源为每个目标数据能力，则根据预先保存的每个域对应的数据能力以及所述每个目标数据能力，确定所述每个目标域；或，若所述目标资源为总计算能力，则根据预先保存的每个域对应的计算能力以及所述总计算能力，确定所述每个目标域；或，若所述目标资源为每个目标算法能力；根据预先保存的每个域对应的算法能力以及所述每个目标算法能力，确定所述每个目
标域
。
107.在一种可能的实施方式中，所述发送处理模块
402
，具体用于针对每个目标域，获取保存的该目标域对应的初始模型的第一下载地址的信息；将所述第一下载地址的信息发送给该目标域
。
108.在一种可能的实施方式中，接收处理模块
401
，具体用于接收所述每个目标域发送的训练得到的每个目标子模型的每个第二下载地址的信息
。
109.在一种可能的实施方式中，接收处理模块
401
，具体用于根据所述每个第二下载地址的信息，获取所述每个目标子模型；将所述每个目标子模型进行聚合，得到所述目标模型
。
110.实施例6：
111.在上述实施例的基础上，本技术实施例还提供了一种电子设备，图5为本技术实施例提供的一种电子设备结构示意图，如图5所示，包括：处理器
51、
通信接口
52、
存储器
53
和通信总线
54
，其中，处理器
51
，通信接口
52
，存储器
53
通过通信总线
54
完成相互间的通信；
112.存储器
53
中存储有计算机程序，当程序被处理器
51
执行时，使得处理器
51
执行以下步骤：
113.若接收到跨域模型训练请求，则确定执行所述跨域模型训练请求的每个目标域，并将所述跨域模型训练请求及所需的初始模型的信息发送给所述每个目标域，使所述每个目标域根据本地的数据对所述初始模型进行训练；
114.接收所述每个目标域发送训练得到的每个目标子模型的信息，根据所述每个目标子模型的信息，确定目标模型
。
115.在一种可能的实施方式中，所述处理器还用于：
116.判断所述跨域模型训练请求是否为用户设备
ue
发送的；
117.若否，则执行后续确定执行所述跨域模型训练请求的每个目标域的步骤；
118.若是，则在保存的用户签约数据库中查找所述
ue
对应的签约信息；若所述签约信息中包含进行模型训练的授权，则执行后续确定执行所述跨域模型训练请求的每个目标域的步骤
。
119.在一种可能的实施方式中，所述处理器还用于：
120.获取所述跨域模型训练请求中携带的跨域模型训练任务，并对所述跨域模型训练任务进行分析，确定跨域模型训练所需的目标资源；
121.根据预先保存的每个域对应的资源以及所述目标资源，确定执行所述跨域模型训练请求的每个目标域
。
122.在一种可能的实施方式中，所述处理器还用于：
123.若所述目标资源为每个目标数据能力，则根据预先保存的每个域对应的数据能力以及所述每个目标数据能力，确定所述每个目标域；或，
124.若所述目标资源为总计算能力，则根据预先保存的每个域对应的计算能力以及所述总计算能力，确定所述每个目标域；或，
125.若所述目标资源为每个目标算法能力；根据预先保存的每个域对应的算法能力以及所述每个目标算法能力，确定所述每个目标域
。
126.在一种可能的实施方式中，所述处理器还用于：
127.针对每个目标域，获取保存的该目标域对应的初始模型的第一下载地址的信息；将所述第一下载地址的信息发送给该目标域
。
128.在一种可能的实施方式中，所述处理器还用于：
129.接收所述每个目标域发送的训练得到的每个目标子模型的每个第二下载地址的信息
。
130.在一种可能的实施方式中，所述处理器还用于：
131.根据所述每个第二下载地址的信息，获取所述每个目标子模型；
132.将所述每个目标子模型进行聚合，得到所述目标模型
。
133.由于上述电子设备解决问题的原理与跨域模型训练方法相似，因此上述电子设备的实施可以参见方法的实施例，重复之处不再赘述
。
134.上述电子设备提到的通信总线可以是外设部件互连标准
(peripheral component interconnect
，
pci)
总线或扩展工业标准结构
(extended industry standard architecture
，
eisa)
总线等
。
该通信总线可以分为地址总线
、
数据总线
、
控制总线等
。
为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线
。
通信接口
52
用于上述电子设备与其他设备之间通信
。
存储器可以包括随机存取存储器
(random access memory
，
ram)
，也可以包括非易失性存储器
(non-volatile memory
，
nvm)
，例如至少一个磁盘存储器
。
可选地，存储器还可以是至少一个位于远离前述处理器的存储装置
。
135.上述处理器可以是通用处理器，包括中央处理器
、
网络处理器
(network processor
，
np)
等；还可以是数字指令处理器
(digital signal processing
，
dsp)、
专用集成电路
、
现场可编程门陈列或者其他可编程逻辑器件
、
分立门或者晶体管逻辑器件
、
分立硬件组件等
。
由于上述电子设备解决问题的原理与动作识别方法相似，因此上述电子设备的实施可以参见方法的实施例，重复之处不再赘述
。
136.实施例7：
137.在上述各实施例的基础上，本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质内存储有可由处理器执行的计算机程序，当程序在处理器上运行时，使得处理器执行时实现以下步骤：
138.若接收到跨域模型训练请求，则确定执行所述跨域模型训练请求的每个目标域，并将所述跨域模型训练请求及所需的初始模型的信息发送给所述每个目标域，使所述每个目标域根据本地的数据对所述初始模型进行训练；
139.接收所述每个目标域发送训练得到的每个目标子模型的信息，根据所述每个目标子模型的信息，确定目标模型
。
140.在一种可能的实施方式中，所述确定执行所述跨域模型训练请求的每个目标域之前，所述方法还包括：
141.判断所述跨域模型训练请求是否为用户设备
ue
发送的；
142.若否，则执行后续确定执行所述跨域模型训练请求的每个目标域的步骤；
143.若是，则在保存的用户签约数据库中查找所述
ue
对应的签约信息；若所述签约信息中包含进行模型训练的授权，则执行后续确定执行所述跨域模型训练请求的每个目标域的步骤
。
144.在一种可能的实施方式中，所述确定执行所述跨域模型训练请求的每个目标域包
括：
145.获取所述跨域模型训练请求中携带的跨域模型训练任务，并对所述跨域模型训练任务进行分析，确定跨域模型训练所需的目标资源；
146.根据预先保存的每个域对应的资源以及所述目标资源，确定执行所述跨域模型训练请求的每个目标域
。
147.在一种可能的实施方式中，所述根据预先保存的每个域对应的资源以及所述目标资源，确定执行所述跨域模型训练请求的每个目标域包括：
148.若所述目标资源为每个目标数据能力，则根据预先保存的每个域对应的数据能力以及所述每个目标数据能力，确定所述每个目标域；或，
149.若所述目标资源为总计算能力，则根据预先保存的每个域对应的计算能力以及所述总计算能力，确定所述每个目标域；或，
150.若所述目标资源为每个目标算法能力；根据预先保存的每个域对应的算法能力以及所述每个目标算法能力，确定所述每个目标域
。
151.在一种可能的实施方式中，所述将所述跨域模型训练请求及所需的初始模型的信息发送给所述每个目标域包括：
152.针对每个目标域，获取保存的该目标域对应的初始模型的第一下载地址的信息；将所述第一下载地址的信息发送给该目标域
。
153.在一种可能的实施方式中，所述接收所述每个目标域发送训练得到的每个目标子模型的信息包括：
154.接收所述每个目标域发送的训练得到的每个目标子模型的每个第二下载地址的信息
。
155.在一种可能的实施方式中，所述根据所述每个目标子模型的信息，确定目标模型包括：
156.根据所述每个第二下载地址的信息，获取所述每个目标子模型；
157.将所述每个目标子模型进行聚合，得到所述目标模型
。
158.由于上述计算机可读存储介质解决问题的原理与跨域模型训练方法相似，因此上述计算机可读存储介质的实施可以参见方法的实施例，重复之处不再赘述
。
159.本领域内的技术人员应明白，本技术的实施例可提供为方法
、
系统
、
或计算机程序产品
。
因此，本技术可采用完全硬件实施例
、
完全软件实施例
、
或结合软件和硬件方面的实施例的形式
。
而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质
(
包括但不限于磁盘存储器
、cd-rom、
光学存储器等
)
上实施的计算机程序产品的形式
。
160.本技术是参照根据本技术的方法
、
设备
(
系统
)、
和计算机程序产品的流程图和
/
或方框图来描述的
。
应理解可由计算机程序指令实现流程图和
/
或方框图中的每一流程和
/
或方框
、
以及流程图和
/
或方框图中的流程和
/
或方框的结合
。
可提供这些计算机程序指令到通用计算机
、
专用计算机
、
嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和
/
或方框图一个方框或多个方框中指定的功能的装置
。
161.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特
定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和
/
或方框图一个方框或多个方框中指定的功能
。
162.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和
/
或方框图一个方框或多个方框中指定的功能的步骤
。
163.显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围
。
这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内
。