GB/T 46284-2025 人工智能 联邦学习技术规范

ICS35.240

CCSL60

中华人民共和国国家标准

/—

GBT462842025

人工智能联邦学习技术规范

—

ArtificialintellienceTechnicalsecificationsoffederatedlearnin

gpg

2025-10-05发布2025-10-05实施

国家市场监督管理总局

发布

国家标准化管理委员会

/—

GBT462842025

目次

前言…………………………Ⅲ

1范围………………………1

2规范性引用文件…………………………1

3术语和定义………………1

4缩略语……………………2

5联邦学习系统概述………………………2

5.1联邦学习系统架构…………………2

5.2联邦学习参与方……………………3

5.3联邦学习任务流程…………………5

6联邦学习系统功能要求…………………7

6.1基础技术模块………………………7

6.2计算模块……………8

6.3管理模块……………8

7联邦学习系统性能要求…………………10

7.1联邦数据探查………………………10

7.2联邦建模……………10

7.3联邦推理……………11

7.4联邦数据质量及激励机制…………11

8联邦学习系统功能测试方法……………11

8.1基础技术模块………………………11

8.2计算模块……………12

8.3管理模块……………13

9联邦学习系统性能测试方法……………15

9.1联邦数据探查………………………15

9.2联邦建模……………16

9.3联邦推理……………16

9.4联邦数据质量与激励机制…………16

参考文献……………………18

Ⅰ

/—

GBT462842025

前言

/—《:》

本文件按照标准化工作导则第部分标准化文件的结构和起草规则的规定

GBT1.120201

起草。

。。

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

本文件由全国信息技术标准化技术委员会(/)提出并归口。

SACTC28

:、、

本文件起草单位中国电子技术标准化研究院深圳前海微众银行股份有限公司中国移动通信有

、、、

限公司研究院中国移动通信集团有限公司中国工商银行股份有限公司中电科大数据研究院有限公

、、、、、

司深圳市洞见智慧科技有限公司浪潮软件科技有限公司浪潮软件集团有限公司山东大学哈尔滨

()、、()、()

工业大学深圳浪潮电子信息产业股份有限公司中移苏州软件技术有限公司亚信科技中国有

、、、、

限公司北京数牍科技有限公司中国科学院计算技术研究所OPPO广东移动通信有限公司上海市

、、、

人工智能行业协会上海计算机软件技术开发中心中国科学院自动化研究所中国电信股份公司研究

、()、、

院南方电网数据平台与安全广东有限公司上海零数众合信息科技有限公司马上消费金融股份有

、、()、、

限公司交通银行股份有限公司杭州高新区滨江区块链与数据安全研究院杭州趣链科技有限公司

北京浩瀚深度信息技术股份有限公司。

:、、、、、、、、、、

本文件起草人范科峰范力欣马珊珊钱文君贾云飞夏知渊管桂林王湾湾林一伟孟建

、、、、、、、、、、、、、

吴建龙聂礼强邸贺亮王肖斌经琴金银玉王煜炜付艳艳饶雪陈敏刚何赛克巫祖萍杨光

、、、、、。

兰春嘉邓伟洪王光中杜静漪张晴刘少凯

Ⅲ

/—

GBT462842025

人工智能联邦学习技术规范

1范围

、,

本文件确立了联邦学习系统架构任务参与方和任务流程规定了联邦学习系统的功能要求和性能

,。

要求描述了相应的测试方法

、、、,

本文件适用于联邦学习系统的设计开发测试使用及运维开展联邦学习应用系统的横向比较并

选型。

:,

注本文件仅涵盖实现与支持联邦学习方法的系统功能和性能要求对通用计算机软硬件及通信设备本身不作详

细规定。

2规范性引用文件

。,

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款其中注日期的引用文

,;,()

件仅该日期对应的版本适用于本文件不注日期的引用文件其最新版本包括所有的修改单适用于

本文件。

/信息技术人工智能术语

GBT41867

3术语和定义

/界定的以及下列术语和定义适用于本文件。

GBT41867

3.1

联邦学习federatedlearning

,

多个参与方在保证各自原始数据不出数据方定义的可信域前提下以保护隐私数据的方式交互中

,、。

间数据从而协作完成人工智能机器学习任务的方法

3.2

联邦学习系统federatedlearninsstem

gy

,。

综合的计算机与通信系统用于实现联邦学习方法

:(、、),

注该系统不仅包含执行联邦学习算法的各类计算机软硬件例如算法CPUGPU等还包括支持各节点间远程

()。

数据传输的通信协议和设备例如网络设备和数据传输协议该系统确保各参与方能够在本地保护原始数

,()。

据隐私的前提下通过交换中间模型更新如梯度或参数协同完成机器学习任务

3.3

横向联邦学习horizontalfederatedlearning

,。

按样本划分的联邦学习方法各参与方的数据集具有相同的特征空间和不同的样本空间

3.4

纵向联邦学习verticalfederatedlearning

,。

按特征划分的联邦学习方法各参与方的数据集具有相同的样本空间和不同的特征空间

1