申请/专利权人：天翼云科技有限公司

申请日：2023-12-13

公开（公告）日：2024-04-09

公开（公告）号：CN117857461A

主分类号：H04L47/127

分类号：H04L47/127;H04L67/10;G06N3/0475;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了一种基于联邦学习的云主机负载预测方法，其涉及云主机负载预测技术领域，旨在解决宿主机监控服务不断上传监控数据，占用了云主机的网络带宽和内存，大量云主机同时采集和上传数据，对中央监控服务器的性能也有较高要求的问题，其技术方案要点是S1：设置系统，具体工作流程如下：A1：中心服务器将全局模型参数发给各个云主机的本地模型训练模块；A2：本地数据采集模块负责采集数据形成训练或推理样本；A3：本地模型训练模块的负责使用本地样本进行训练；A4：中心服务器接收云主机的本地模型的参数变动进行聚合后更新全局模型；A5：生成负载预测。达到了减少了向外发送的云主机性能指标数据，更加保护了用户隐私的效果。

主权项：1.一种基于联邦学习的云主机负载预测方法，其特征在于：其方法如下：S1：设置系统，构建预测系统，整个系统包括本地数据采集模块、本地模型训练模块、中心服务器、负载预测模块和监控平台，具体工作流程如下：A1：中心服务器将全局模型参数发给各个云主机的本地模型训练模块；A2：本地数据采集模块负责采集数据形成训练或推理样本；A3：本地模型训练模块的负责使用本地样本进行训练，更新本地模型，并将参数变动发送给中心服务器；A4：中心服务器接收云主机的本地模型的参数变动进行聚合后更新全局模型，并分发给云主机内的本地模型训练模块；A5：负载预测模块负责接收监控平台的拉取指令或定时向监控平台推送负载预测数据，生成负载预测。

全文数据：

权利要求：

百度查询： 天翼云科技有限公司 一种基于联邦学习的云主机负载预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD