本申请涉及通信，例如涉及一种纵向联邦学习的方法、系统、通信实体及存储介质。
背景技术：
1、ts23.288协议中，定义了网络数据分析功能(network data ana lyt ics function，简称：nwdaf)。nwdaf可以执行统计数据和机器学习相关任务。nwdaf可出于不同目的与不同实体交互。
2、目前ts23.288协议中，虽然定义了nwdaf基于联邦学习进行模型训练，但是，ts23.288协议中没有支持纵向的联邦学习的流程。
技术实现思路
1、本申请实施例提供一种纵向联邦学习的方法，应用于纵向联邦学习服务器，方法包括：
2、接收各纵向联邦学习客户端发送的中间训练结果；
3、根据标定数据以及每个所述纵向联邦学习客户端发送的中间训练结果，确定所述纵向联邦学习客户端的损失信息；
4、向每个所述纵向联邦学习客户端发送对应的损失信息。
5、本申请实施例提供一种纵向联邦学习的方法，应用于纵向联邦学习服务器，方法包括：
6、接收消费端通信实体发送的推理请求；其中，所述推理请求包括以下至少之一：所述消费端通信实体需要的分析信息、预测结果或其他数据；
7、向各纵向联邦学习客户端发送所述分析信息、所述预测结果或所述其他数据中的至少之一；
8、接收各纵向联邦学习客户端根据本地模型输出的本地推理结果。
9、本申请实施例提供一种纵向联邦学习的方法，应用于纵向联邦学习客户端，方法包括：
10、进行本地模型训练，得到中间训练结果；
11、向纵向联邦学习服务器发送所述中间训练结果；
12、接收所述纵向联邦学习服务器根据所述中间训练结果以及标定数据发送的损失信息。
13、本申请实施例提供一种纵向联邦学习的方法，应用于纵向联邦学习客户端，方法包括：
14、接收纵向联邦学习服务器发送的分析信息、预测结果或其他数据中的至少之一；
15、根据本地模型，输出本地推理结果；
16、向所述纵向联邦学习服务器发送所述本地推理结果。
17、本申请实施例提供一种纵向联邦学习的系统，包括：纵向联邦学习服务器以及纵向联邦学习客户端；
18、所述纵向联邦学习服务器用于执行上述任一纵向联邦学习的方法中纵向联邦学习服务器所执行的纵向联邦学习的方法；
19、所述纵向联邦学习客户端用于执行上述任一纵向联邦学习的方法中纵向联邦学习客户端所执行的纵向联邦学习的方法。
20、本申请实施例提供一种通信实体，包括：处理器；处理器用于在执行计算机程序时实现上述任一实施例的纵向联邦学习的方法。
21、本申请实施例还提供一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现上述任一实施例的方法。
22、关于本申请的以上实施例和其他方面以及其实现方式，在附图说明、具体实施方式和权利要求中提供更多说明。
1.一种纵向联邦学习的方法，其特征在于，应用于纵向联邦学习服务器，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述纵向联邦学习客户端的损失信息包括以下至少一项：损失函数的类型、损失的类型以及损失值。
3.根据权利要求1所述的方法，其特征在于，所述中间训练结果为加密的信息或者不加密的信息；
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述迭代终止条件包括以下至少一项：
6.根据权利要求4所述的方法，其特征在于，所述方法还包括：
7.根据权利要求1至6任一项所述的方法，其特征在于，所述方法还包括以下至少一项：
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
9.根据权利要求8所述的方法，其特征在于，所述纵向联邦学习客户端发送的样本信息为所述纵向联邦学习客户端根据样本对齐指令获取到的样本信息；
10.根据权利要求9所述的方法，其特征在于，所述样本对齐指令包括所述纵向联邦学习客户端需要收集特征数据的样本的标识以及对应的样本特征；所述样本信息包括所述纵向联邦学习客户端可以收集或已收集到的特征数据的样本的标识以及收集到特征数据的样本特征，或者所述样本信息包括所述纵向联邦学习客户端不能收集或未收集到特征数据的样本的标识以及未收集到特征数据的样本特征；或者，
11.根据权利要求1至6、8至10任一项所述的方法，其特征在于，在所述纵向联邦学习服务器位于核心网内，所述纵向联邦学习客户端位于核心网外，或者所述纵向联邦学习服务器位于核心网外，所述纵向联邦学习客户端位于核心网内的情况下，所述纵向联邦学习服务器与所述纵向联邦学习客户端通过网络开放功能nef交互。
12.一种纵向联邦学习的方法，其特征在于，应用于纵向联邦学习服务器，所述方法包括：
13.根据权利要求12所述的方法，其特征在于，所述向各纵向联邦学习客户端发送所述分析信息、所述预测结果或所述其他数据中的至少之一，包括：
14.根据权利要求13所述的方法，其特征在于，在所述推理响应信息指示加入所述纵向联邦学习服务器发起的推理过程的情况中，所述推理响应信息包括所述纵向联邦学习客户端根据所述分析信息、预测结果或其他数据中的至少之一确定的本地模型的推理输入数据信息。
15.根据权利要求14所述的方法，其特征在于，所述方法还包括：
16.根据权利要求12或15所述的方法，其特征在于，所述接收各纵向联邦学习客户端根据本地模型输出的本地推理结果，包括：
17.根据权利要求16所述的方法，其特征在于，所述方法还包括以下至少一项：
18.根据权利要求16所述的方法，其特征在于，所述本地推理结果为加入所述推理过程的纵向联邦学习客户端在最长响应时间内发送给所述纵向联邦学习服务器的信息。
19.一种纵向联邦学习的方法，其特征在于，应用于纵向联邦学习客户端，所述方法包括：
20.根据权利要求19所述的方法，其特征在于，所述方法还包括：
21.根据权利要求19所述的方法，其特征在于，所述中间训练结果为加密的信息或者不加密的信息；
22.根据权利要求20所述的方法，其特征在于，所述方法还包括：
23.根据权利要求19至22任一项所述的方法，其特征在于，所述方法还包括以下至少一项：
24.根据权利要求19所述的方法，其特征在于，所述方法还包括：
25.根据权利要求24所述的方法，其特征在于，所述方法还包括：
26.根据权利要求25所述的方法，其特征在于，所述样本对齐指令包括所述纵向联邦学习客户端需要收集特征数据的样本的标识以及对应的样本特征；所述样本信息包括所述纵向联邦学习客户端可以收集或已收集到的特征数据的样本的标识以及收集到特征数据的样本特征，或者所述样本信息包括所述纵向联邦学习客户端不能收集或未收集到特征数据的样本的标识以及未收集到特征数据的样本特征；或者，
27.一种纵向联邦学习的方法，其特征在于，应用于纵向联邦学习客户端，所述方法包括：
28.根据权利要求27所述的方法，其特征在于，所述接收纵向联邦学习服务器发送的分析信息、预测结果或其他数据中的至少之一，包括：
29.根据权利要求28所述的方法，其特征在于，在所述推理响应信息指示加入所述纵向联邦学习服务器发起的推理过程的情况中，所述推理响应信息包括所述纵向联邦学习客户端根据所述分析信息、预测结果或其他数据中的至少之一确定的本地模型的推理输入数据信息。
30.根据权利要求29所述的方法，其特征在于，所述方法还包括：
31.根据权利要求30所述的方法，其特征在于，所述根据本地模型，输出本地推理结果，包括：
32.根据权利要求27所述的方法，其特征在于，所述本地推理结果为所述纵向联邦学习客户端在最长响应时间内发送给所述纵向联邦学习服务器的信息。
33.一种纵向联邦学习系统，其特征在于，包括纵向联邦学习服务器以及纵向联邦学习客户端；
34.一种通信实体，其特征在于，包括：处理器；所述处理器用于在执行计算机程序时实现如权利要求1至32中任一所述的纵向联邦学习方法。
35.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至32中任一所述的纵向联邦学习方法。
