ICS 35. 240.50 CCS L 07 YD 中华人民共和国通信行业标准 YD/T XXXX.1XXXX 面向工业场景的联邦机器学习系统 第1部分：参考架构 Federated machine learning system for industrial scenarios Part l: Reference architecture （报批稿） XXXX-XX-XX 发布 XXXX-XX-XX实施 发布 中华人民共和国工业和信息化部 YD/T XXXX.1—XXXX 目次 前言 引言 III 1范围 规范性引用文件 2 术语和定义 4缩略语. 参考架构概述 5 6各子系统的功能技术要求. 7子系统间的接口. 附录A（资料性）IFMLS使用案例：跨企业AGV设备智能运维模型联合优化 附录B（规范性）IFMLS性能基本要求 参考文献. YD/T XXXX.1—XXXX 前 言 本文件按照GB/T1.1一2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定 起草。 YD/TXXXX《面向工业场景的联邦机器学习系统》计划分为以下部分： 第1部分：参考架构； 一一第2部分：接口技术要求； 一第3部分：安全要求； 一一第4部分：系统评测要求。 请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。 本文件由中国通信标准化协会提出并归口。 本文件起草单位：南京理工大学、东南大学、中国信息通信研究院、中国联合网络通信集团有限公 司、江苏第二师范学院、南京邮电大学、北京邮电大学、中兴通讯股份有限公司、鹏城实验室、卡奥斯 工业智能研究院（青岛）有限公司。 本文件主要起草人：李骏、金石、倪艺洋、朱洪波、夏鹏程、韦莎、郭少勇、时龙、蒋海涛、赵海 涛、刘洋、王卓耀、邢真、吴文泰、张凡、滕勇、穆晓君。 II YD/T XXXX.1—XXXX 引 言 随着工业场景中数据规模的不断增大和数据隐私安全的重要性日益凸显，联邦机器学习作为一种分 布式机器学习方法，逐渐受到了工业领域的广泛关注。相比于金融、医疗等领域，工业场景往往涉及大 量的终端设备和传感器，这些设备具有高度的异质性，且由于设备性能差异，难以采集到足够数量的合 格样本，联邦机器学习的有效部署可以充分利用分布式数据资源，实现云边协同下的模型可信流通。另 外，工业场景具有较高的实时性要求。例如，智能制造需要对生产过程进行实时监测和优化。在这种情 况下，联邦机器学习需要设计高效的通信和协同机制，以便快速地更新模型参数并实现实时预测和控制。 通过制定统一的标准，可以推动工业场景中联邦机器学习系统的建设与应用，并促进工业数据的安全共 享与协同分析。 YD/TXXXX《面向工业场景的联邦机器学习系统》计划由四个部分构成： 一第1部分：参考架构。目的在于提供一套面向工业场景的联邦机器学习系统架构。 第2部分：接口技术要求。目的在于确定系统内子系统之间以及与外部系统的交互接口分类、 功能、定义和技术要求。 一第3部分：安全要求。目的在于确定系统内数据、模型和通信的安全性要求，保护系统免受未 经授权的访问、数据泄露、篡改和破坏。 第4部分：系统评测要求。目的在于确立系统测试评估的标准化准则，确保系统的功能、接口 功能和定义、安全性等能够满足工业场景的应用要求。 II YD/T XXXX.1—XXXX 面向工业场景的联邦机器学习系统第1部分：参考架构 1 范围 本文件规定了面向工业场景的联邦机器学习系统的参考架构，包括本地参与者子系统、中间服务子 系统、中央协调者子系统和服务与管理子系统、各子系统的功能技术要求，以及子系统间的接口。 本文件适用于工业场景下联邦机器学习系统的设计、开发、部署和应用。 2规范性引用文件 本文件没有规范性引用文件。 3术语和定义 下列术语和定义适用于本文件。 3. 1 联邦机器学习federatedmachinelearning 一种能够在不泄露参与者原始隐私数据的前提下让多个参与者协作构建和使用机器学习模型，并实 现良好性能的框架或系统。 [来源：IEEEP3652.1-20203.1] 3. 2 本地参与者子系统localparticipantsubsystem 服务于参与联邦机器学习的企业，并为企业整合与管理本地训练所需的数据、算法和模型的系统组 成部分。 3. 3 中央协调者子系统centralcoordinatorsubsystem 服务于联邦机器学习服务提供商，协调本地参与者子系统进行全局模型联合训练的系统组成部分。 3. 4 中间服务子系统intermediate service subsystem 服务于联邦机器学习服务提供商或者第三方监管部门，提供中间过程服务，连接本地参与者子系统 和中央协调者子系统的系统组成部分。 3. 5 服务与管理子系统serviceandmanagementsubsystem 1 YD/T XXXX.1—XXXX 服务于各类参与企业、联邦机器学习服务提供商和第三方监管部门，提供基础管理、业务与协作管 理和工业智能应用服务的系统组成部分。 3. 6 模型个性化微调modelpersonalizedfine-tuning 本地参与者子系统中根据本地个性化工业数据样本，进一步更新调整训练完成的模型参数的行为。 3. 7 全局模型训练global modeltraining 中央协调者子系统中协调每个本地参与者子系统进行全局模型联合训练的过程。 3. 8 联邦聚合算法 federated aggregation algorithm 在不置接交换各参与企业数据的前提下，聚合多个本地模型参数，以生成和更新全局模型的方法或 策略。 3. 9 模型聚合modelaggregation 中央协调者子系统中利用联邦聚合算法，对全局模型的参数进行计算和更新的行为。 4缩略语 下列缩略语适用于本文件 AGV：自动导引车（AutomatedGuidedVehicle） FedAvg：联邦平均（FederatedAveraging） FedDP：带有差分隐私的联邦学习（FederatedLearningwithDifferentialPrivacy） FedMA：联邦模型平均（FederatedModelAveraging） FedPer：个性化联邦学习（FederatedLearningwithPersonalization） FedW：联邦权重平均（FederatedWeightAveraging） HTTP：超文本传输协议（HypertextTransferProtocol） HTTPS：安全超文本传输协议（HypertextTransferProtocolSecure） IDE：集成开发环境（IntegratedDevelopmentEnvironment） IFMLS：面向工业场景的联邦机器学习系统（FederatedMachineLearningSystemforIndustrial Scenarios) MQTT：消息队列遥测传输（MessageQueuingTelemetryTransport） RPC：远程过程调用（RemoteProcedureCall） SSL：安全套接层（SecureSocketsLayer） TLS：传输层安全（TransportLayerSecurity） N