(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210949309.X (22)申请日 2022.08.09 (65)同一申请的已公布的文献号 申请公布号 CN 115061825 A (43)申请公布日 2022.09.16 (73)专利权人 深圳致星科技有限公司 地址 518000 广东省深圳市南 山区粤海街 道大冲社区深南大道9676号大冲商务 中心 （一期） 2栋 3号楼18C -1 (72)发明人 王亚玲　王玮　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 陈舟苗 (51)Int.Cl. G06F 9/50(2006.01)G06F 21/62(2013.01) G06N 20/20(2019.01) (56)对比文件 CN 111431951 A,2020.07.17 CN 112541584 A,2021.0 3.23 WO 2022016833 A1,202 2.01.27 US 2019272201 A1,2019.09.0 5 US 2015363239 A1,2015.12.17 审查员 冷小素 (54)发明名称 隐私计算、 隐私数据和联邦学习的异构计算 系统及方法 (57)摘要 本申请涉及隐私计算、 隐私数据及联邦学习 技术领域， 尤其涉及芯片和处理器技术领域， 具 体涉及一种隐私计算、 隐私数据和联邦学习的异 构计算系统及方法。 该异构计算系统和方法， 至 少基于计算任务的总数据量和当前挂载的计算 设备各自的数据量阈值确定计算任务相关联的 任务数据的分配方案， 并且根据分配方案对任务 数据进行拆分并下发到当前挂载的计算设备中 的与分配方案对应的计算设备， 实现了充分利用 当前挂载的计算设备来加速该计算任务的运算 并且考虑到了当前挂载的计算设备的实时数量 和组成等， 以及通过一次数据下发操作且不依赖 于特定数据结构信息， 有利于提高数据交互效 率、 提升整体并行度、 计算 性能和资源利用率。 权利要求书4页 说明书18页 附图3页 CN 115061825 B 2022.11.18 CN 115061825 B 1.一种异构计算系统， 用于隐私计算、 隐私数据和联邦学习， 其特征在于， 所述异构计 算系统包括第一处理单元和第二处理单元， 所述第二处理单元配置为可挂载一个或者多个 计算设备， 其中， 第一处理单元配置为对计算任务进行解析以确定所述计算任务的总数据量， 获 取所述第二处理单元当前挂载的计算设备各自的数据量阈值， 然后至少基于所述计算任务 的总数据量和所述第二处理单元当前挂载 的计算设备各自的数据量阈值确定所述计算任 务相关联的任务数据的分配方案， 以及根据所述分配方案对所述任务数据进 行拆分并下发 到所述第二处 理单元当前挂载的计算设备中的与所述分配方案对应的计算设备， 其中， 所述第 二处理单元当前挂载的计算设备中的与 所述分配方案对应的计算设备从 所述第一处理单元获取拆分后的任务数据后各自进行计算并将计算结果上传到所述第一 处理单元从而获得 所述计算任务的最终计算结果， 所述第一处理单元还配置为： 比较所述总数据量和所述第 二处理单元当前挂载的计算 设备各自的数据量阈值中的最小 数据量阈值， 并且当所述总数据量不超过所述最小数据量 阈值时， 选择第一分配方案， 其中所述第一分配方案指示将所述任务数据全部下发到所述 第二处理单元当前挂载的计算设备中的任意空闲计算设备或者空闲率最高的计算设备， 所 述第二处理单元当前挂载的计算设备各自的空闲率基于存储容量、 单个计算任务的任务空 间大小以及执 行中任务个数确定， 所述第一处理单元还配置为： 当所述总数据量超过所述最小数据量阈值时， 选择整体 并行度最大分配方案， 其中所述整体并行度最大分配方案基于所述第二处理单元当前挂载 的计算设备 各自的数据量阈值和空 闲率， 所述第一处理单元还配置为： 当所述总数据量超过所述最小数据量阈值时， 比较所述 总数据量和所述第二处理单元当前挂载 的计算设备各自的数据量阈值中的最大数据量阈 值， 并且， 当所述总数据量超过所述最大数据量阈值时， 比较基于所述总数据量和所述第二 处理单元当前挂载 的计算设备的个数得到的所述总数据量的平均分配值和所述最大数据 量阈值， 以及当所述平均分配值超过所述最大数据量阈值时， 选择第二分配方案， 其中所述 第二分配方案指示将所述任务数据平均分配到所述第二处理单元当前挂载 的计算设备中 的每一个 计算设备， 所述第一处理单元还配置为： 当所述总数据量超过所述最小数据量阈值并且所述总数 据量不超过所述最大数据量阈值时， 选择第三分配方案， 其中所述第三分配方案指示： 计算 所述第二处理单元当前挂载 的计算设备各自的数据量阈值和空闲率的乘积得到调整后数 据量阈值， 基于所述第二处理单元当前挂载的计算设备各自的调整后数据量阈值从大到小 排序得到第一序列， 然后根据所述第一序列选择计算设备并按照所选择的计算设备的调整 后数据量阈值分配所述任务数据。 2.根据权利要求1所述的异构计算系统， 其特征在于， 所述第一处理单元还配置为： 当 所述总数据量超过所述最大数据量阈值并且所述平均分配值不超过所述最大数据量阈值 时， 选择第四分配方案， 其中所述第四分配方案指示： 基于所述第二处理单元当前挂载的计 算设备各自的调整后数据量阈值从小到大排序得到第二序列， 然后根据所述第二序列选择 计算设备并按照所选择的计算设备的调整后数据量阈值分配所述任务数据。 3.根据权利要求1所述的异构计算系统， 其特征在于， 所述第 二处理单元当前挂载的计权　利　要　求　书 1/4 页 2 CN 115061825 B 2算设备各自的数据量阈值相等且均为第一数据量阈值， 所述第一处理单元还配置为： 比较 所述总数据量和所述第一数据量阈值， 并且当所述总数据量不超过所述第一数据量阈值 时， 选择第一分配方案， 其中所述第一分配方案指示将所述任务数据全部下发到所述第二 处理单元当前挂载的计算设备中的任意空闲计算设备或者空闲率最高的计算设备， 所述第 二处理单元当前挂载的计算设备各自的空闲率基于存储容量、 单个计算任务的任务空间大 小以及执 行中任务个数确定 。 4.根据权利要求3所述的异构计算系统， 其特征在于， 所述第一处理单元还配置为： 当 所述总数据量超过所述第一数据量阈值时， 选择整体并行度最大分配方案， 其中所述整体 并行度最大分配方案基于所述第二处理单元当前挂载 的计算设备各自的数据量阈值和空 闲率。 5.根据权利要求3所述的异构计算系统， 其特征在于， 所述第一处理单元还配置为： 当 所述总数据量超过所述第一数据量阈值时， 比较基于所述总数据量和所述第二处理单元当 前挂载的计算设备的个数得到的所述总数据量的平均分配值和所述第一数据量阈值， 以及 当所述平均分配值超过所述第一数据量阈值时， 选择第二分配方案， 其中所述第二分配方 案指示将所述任务数据平均分配到所述第二处理单元当前挂载 的计算设备中的每一个计 算设备。 6.根据权利要求5所述的异构计算系统， 其特征在于， 所述第一处理单元还配置为： 当 所述总数据量超过所述第一数据量阈值并且所述平均分配值不超过所述第一数据量阈值 时， 选择的分配方案指示： 基于所述第二处理单元当前挂载的计算设备各自的调整后数据 量阈值从小到大排序得到第二序列， 然后根据所述第二序列选择计算设备并按照所选择的 计算设备的调整后数据量阈值分配所述任务数据。 7.根据权利要求1所述的异构计算系统， 其特 征在于， 所述第一处 理单元包括： 任务层， 用于创建或者从外 部接收所述计算任务； SDK层， 用于从所述任务层获取所述计算任务， 然后对所述计算任务进行解析并确定所 述总数据量， 以及用于所述计算任务的数据分发； 交互层， 用于从所述SDK层接收所述总数据量， 从所述第 二处理单元获取所述第二处理 单元当前挂载的计算设备各自的数据量阈值， 确定所述分配方案并根据所述分配方案对所 述任务数据进行拆分； 驱动层， 用于从所述交互层获取所述拆分后的任务数据并下发到所述第 二处理单元当 前挂载的计算设备中的与所述分配方案对应的计算设备。 8.根据权利要求1所述的异构计算系统， 其特征在于， 所述第 一处理单元包括至少一个 CPU， 所述第二处 理单元当前挂载的计算设备包括至少一个FPGA。 9.根据权利要求8所述的异构计算系统， 其特征在于， 所述第 二处理单元当前挂载的计 算设备各自的数据量阈值和存 储容量基于出厂设定 。 10.一种异构计算系统， 用于隐私计算、 隐私数据和联邦学习， 其特征在于， 所述异构计 算系统包括第一处理单元和第二处理单元， 所述第二处理单元配置为可挂载一个或者多个 计算设备， 其中， 针对多个 计算任务中的每一个 计算任务： 第一处理单元配置为对该计算任务进行解析以确定该计算任务的总数据量， 获取所述 第二处理单元当前挂载的计算设备各自的数据量阈值， 然后至少基于该计算任务的总数据权　利　要　求　书 2/4 页 3 CN 115061825 B 3