联邦学习工作流界面的显示方法、装置、终端及介质与流程

本发明涉及fintech(金融科技)技术领域，尤其涉及一种联邦学习工作流界面的显示方法、装置、终端设备及计算机可读存储介质。

背景技术：

在机器学习领域，为了能使机器学习的整个运行过程清晰，以便及时发现机器学习的异常，从而对机器学习的工作流进行可视化展示已经逐渐成为业界愈来愈重视的研究方向。

然而，在联邦机器学习过程中，由于联邦学习涉及到多方的参与，且每个参与方所参与的联邦学习阶段各有不同，出于数据隐私和数据安全考虑，必须要保证每个参与方的机器学习过程不会被其他参与方所知晓，如此，使用传统的机器学习工作流展示方式，将无法达到保护联邦学习参与方数据隐私和数据安全的目的。

技术实现要素：

本发明的主要目的在于提供一种联邦学习工作流界面的显示方法、装置、终端设备及计算机可读存储介质，旨在解决传统的机器学习工作流展示方式，无法保护联邦学习参与方数据隐私和数据安全的技术问题。

为实现上述目的，本发明提供一种联邦学习工作流界面的显示方法，所述联邦学习工作流界面的显示方法包括：

在联邦学习工作流发起时，生成所述联邦学习工作流的可视化界面；

检测所述可视化界面的输出对象，根据所述输出对象调整所述可视化界面的输出显示状态；

将调整输出显示状态后的可视化界面输出显示给所述输出对象。

进一步地，所述根据所述输出对象调整所述可视化界面的输出显示状态的步骤，包括：

检测所述显示输出对象在联邦学习中的角色类型；

根据所述角色类型对所述可视化界面的输出显示状态进行调整。

进一步地，所述根据所述角色类型对所述可视化界面的输出显示状态进行调整的步骤，包括：

根据所述角色类型，筛选所述可视化界面中所述输出对象不可见的目标工作组件；

在所述可视化界面中，更改目标工作组件的显示参数以调整所述可视化界面的输出显示状态。

进一步地，在所述在联邦学习工作流发起时，生成所述联邦学习工作流的可视化界面的步骤之前，还包括：

基于预设联邦学习任务配置所述联邦学习工作流中的各运行组件，

所述生成所述联邦学习工作流的可视化界面的步骤，包括：

按照各所述运行组件的运行流程和所述显示参数，对应生成所述可视化界面。

进一步地，所述基于预设联邦学习任务配置所述联邦学习工作流中的各运行组件的步骤，包括：

读取所述预设联邦学习任务所携带的工作流配置信息；

依据所述工作流配置信息，在所述联邦学习工作流中配置独立运行工作组件，并指定所述独立运行工作组件的单方执行角色，和/或者，在所述联邦学习工作流中配置联合运行工作组件，并指定所述联合运行工作组件的多方执行角色；

依据所述工作流配置信息，在所述联邦学习工作流中配置所述独立运行工作组件和/或者所述联合运行工作组件的运行参数信息。

进一步地，在所述将调整输出显示状态后的可视化界面输出显示给所述输出对象的步骤之后，还包括：

获取查看组件输出结果的请求指令，并将所述请求指令指定的运行组件的输出结果显示给目标输出对象。

进一步地，所述将所述请求指令指定的运行组件的输出结果显示给目标输出对象的步骤，包括：

获取所述请求指令指定的运行组件的运行方，并检测所述请求指令的触发端是否属于所述运行方；

若是，则将所述触发端作为所述目标输出对象，以输出显示所述输出结果。

此外，为实现上述目的，本发明还提供一种联邦学习工作流界面的显示装置，所述联邦学习工作流界面的显示装置包括：

生成模块，用于在联邦学习工作流发起时，生成所述联邦学习工作流的可视化界面；

调整模块，用于检测所述可视化界面的输出对象，根据所述输出对象调整所述可视化界面的输出显示状态；

显示模块，用于将调整输出显示状态后的可视化界面输出显示给所述输出对象。

本发明还提供一种终端设备，所述终端设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的联邦学习工作流界面的显示程序，所述联邦学习工作流界面的显示程序被所述处理器执行时实现如上述中的联邦学习工作流界面的显示方法的步骤。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的联邦学习工作流界面的显示方法的步骤。

本发明提出的联邦学习工作流界面的显示方法、装置、终端设备以及计算机可读存储介质，通过在联邦学习工作流发起时，生成所述联邦学习工作流的可视化界面；检测所述可视化界面的输出对象，根据所述输出对象调整所述可视化界面的输出显示状态；将调整输出显示状态后的可视化界面输出显示给所述输出对象。本发明通过在输出显示联邦学习工作流的可视化界面时，根据检测当前可视化界面在联邦学习中的不同输出对象，相应的对可视化界面的输出显示状态进行调整，并将调整之后的联邦学习工作流的可视化界面输出显示给当前显示对象，从而使得在对多方参与的联邦学习工作流进行展示时，针对不同参与方显示可视化界面不同的输出显示状态，保证了每个参与方的机器学习过程不会被其他参与方所知晓，从而达成了在展示联邦学习工作流的过程中，也对联邦学习各参与方数据隐私和数据安全进行保护的目的。

附图说明

图1是本发明实施例方案涉及的硬件运行的结构示意图；

图2是本发明一种联邦学习工作流界面的显示方法第一实施例的流程示意图；

图3a是本发明一种联邦学习工作流界面的显示方法一实施例的界面输出显示场景示意图；

图3b是本发明一种联邦学习工作流界面的显示方法一实施例的另一界面输出显示场景示意图；

图3c是本发明一种联邦学习工作流界面的显示方法一实施例的又一界面输出显示场景示意图；

图4是本发明一种联邦学习工作流界面的显示装置的结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的结构示意图。

需要说明的是，图1即可为终端设备的硬件运行环境的结构示意图。本发明实施例终端设备可以是pc，便携计算机等终端设备。

如图1所示，该终端设备可以包括：处理器1001，例如cpu，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的终端设备结构并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及分布式任务的处理程序。其中，操作系统是管理和控制样本终端设备硬件和软件资源的程序，支持分布式任务的处理程序以及其它软件或程序的运行。

在图1所示的终端设备中，用户接口1003主要用于与各个终端进行数据通信；网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；而处理器1001可以用于调用存储器1005中存储的联邦学习工作流界面的显示程序，并执行以下操作：

在联邦学习工作流发起时，生成所述联邦学习工作流的可视化界面；

检测所述可视化界面的输出对象，根据所述输出对象调整所述可视化界面的输出显示状态；

将调整输出显示状态后的可视化界面输出显示给所述输出对象。

进一步地，处理器1001可以调用存储器1005中存储的联邦学习工作流界面的显示程序，还执行以下操作：

检测所述显示输出对象在联邦学习中的角色类型；

根据所述角色类型对所述可视化界面的输出显示状态进行调整。

进一步地，处理器1001可以调用存储器1005中存储的联邦学习工作流界面的显示程序，还执行以下操作：

根据所述角色类型，筛选所述可视化界面中所述输出对象不可见的目标工作组件；

在所述可视化界面中，更改目标工作组件的显示参数以调整所述可视化界面的输出显示状态。

进一步地，处理器1001可以调用存储器1005中存储的联邦学习工作流界面的显示程序，在执行在联邦学习工作流发起时，生成所述联邦学习工作流的可视化界面之前，还执行以下操作：

基于预设联邦学习任务配置所述联邦学习工作流中的各运行组件。

进一步地，处理器1001可以调用存储器1005中存储的联邦学习工作流界面的显示程序，还执行以下操作：

所述生成所述联邦学习工作流的可视化界面的步骤，包括：

按照各所述运行组件的运行流程和所述显示参数，对应生成所述可视化界面。

进一步地，处理器1001可以调用存储器1005中存储的联邦学习工作流界面的显示程序，还执行以下操作：

读取所述预设联邦学习任务所携带的工作流配置信息；

依据所述工作流配置信息，在所述联邦学习工作流中配置独立运行工作组件，并指定所述独立运行工作组件的单方执行角色，和/或者，在所述联邦学习工作流中配置联合运行工作组件，并指定所述联合运行工作组件的多方执行角色；

依据所述工作流配置信息，在所述联邦学习工作流中配置所述独立运行工作组件和/或者所述联合运行工作组件的运行参数信息。

进一步地，处理器1001可以调用存储器1005中存储的联邦学习工作流界面的显示程序，在执行将调整所述输出显示状态后的所述可视化界面输出显示给所述输出对象之后，还执行以下操作：

获取查看组件输出结果的请求指令，并将所述请求指令指定的运行组件的输出结果显示给目标输出对象。

进一步地，处理器1001可以调用存储器1005中存储的联邦学习工作流界面的显示程序，还执行以下操作：

获取所述请求指令指定的运行组件的运行方，并检测所述请求指令的触发端是否属于所述运行方；

若是，则将所述触发端作为所述目标输出对象，以输出显示所述输出结果。

基于上述的结构，提出本发明联邦学习工作流界面的显示方法的各个实施例。

请参照图2，图2为本发明联邦学习工作流界面的显示方法第一实施例的流程示意图。

本发明实施例提供了联邦学习工作流界面的显示方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本发明实施例联邦学习工作流界面的显示方法应用于上述终端设备，本发明实施例终端设备可以是pc，便携计算机等终端设备，在此不做具体限制。

本实施例联邦学习工作流界面的显示方法包括：

步骤s100，在联邦学习工作流发起时，生成所述联邦学习工作流的可视化界面。

在由协调方、需求方以及各数据提供方所构建的联邦机器学习系统中，当检测到需求方基于自身联邦学习任务处理需求，而启动发起当前联邦机器学习的工作流程时，根据当前需求方预先配置完成的处理该自身联邦学习任务所需进行的联邦学习工作流程，生成当前联邦机器学习工作流的可视化界面。

需要说明的是，本实施例中，基于联邦机器学习参与方角色的设置，联邦机器学习系统中含有协调方(arbiter：仲裁者、协调人)、需求方(guest：顾客、客人)以及各数据提供方(host：宿主、寄主)，并且，在联邦机器学习系统中，仅支持由需求方guest发起联邦机器学习的工作流程，即由需求方guest预先完成整个联邦学习工作流的配置，并启动运行。

步骤s200，检测所述可视化界面的输出对象，根据所述输出对象调整所述可视化界面的输出显示状态。

进一步地，步骤s200，包括：

步骤s201，检测所述显示输出对象在联邦学习中的角色类型；

步骤s202，根据所述角色类型对所述可视化界面的输出显示状态进行调整。

在联邦学习系统各个参与方的需求方启动发起当前联邦机器学习的工作流程，并对应生成了当前联邦机器学习工作流的可视化界面之后，检测该可视化界面在当前联邦学习系统中所要输出显示的各输出对象，从而根据各输出对象在当前联邦学习参与方角色中所属的不同角色类型，对应的对联邦机器学习工作流可视化界面的输出显示状态进行调整。

进一步地，步骤s202，包括：

步骤s2021，根据所述角色类型，筛选所述可视化界面中所述输出对象不可见的目标工作组件。

具体地，例如，在需要将当前生成的由联邦学习系统中需求方所启动发起的联邦机器学习工作流的可视化界面，输出显示给当前联邦学习系统中多个数据提供方中的数据提供方a时，从映射当前联邦机器学习全部工作组件整个运行流程的可视化界面中，提取出当前数据提供方a未参与运行的各个目标工作组件，同样的，在需要将可视化界面输出显示给多个数据提供方中的数据提供方b时，在可视化界面中所展示的全部工作组件中，筛选提取出该数据提供方b未参与运行的各个目标工作组件。

需要说明的是，在另一个实施例中，也可以将可视化界面所输出显示的全部运行组件中，数据提供方a(或者数据提供方b)参与运行的运行组件作为目标工作组件，从而在筛选可视化界面中的目标工作组件时，对应的从可视化界面中所展示的全部工作组件中，筛选出数据提供方a(或者数据提供方b)所参与运行的各个目标工作组件。

需要说明的是，本实施例中，可基于当前联邦学习系统中各参与方自主决定是否需要查看联邦机器学习工作流的可视化界面需求，对应的将当前生成的需求方guest所启动发起的联邦机器学习工作流的可视化界面进行输出显示，并在进行输出显示之前，根据各输出对象在当前联邦学习参与方角色中所属的不同角色类型，对应的对联邦机器学习工作流可视化界面的输出显示状态进行调整。

步骤s2022，在所述可视化界面中，更改目标工作组件的显示参数以调整所述可视化界面的输出显示状态。

具体地，例如，在如图3a所示的可视化界面显示场景中，将需要输出显示给数据提供方a的联邦学习工作流的可视化界面中，除数据提供方a独自参与运行的特征归一化组件“federated_feature_scale”，和数据提供方a联合其他数据提供方(如，数据提供方b)参与运行的纵向联邦逻辑回归组件“hetero_federated_lr”之外的其他各个目标运行组件，在当前联邦学习工作流可视化界面中的显示状态进行修改调整，即调整更改各个目标运行组件的输出显示颜色等显示参数(置灰或者修改显示透明度)，并将各个目标运行组件的名称用“＊＊＊＊＊＊”进行表示；进一步的，在如图3b所示的可视化界面显示场景中，将需要输出显示给数据提供方b的联邦学习工作流的可视化界面中，除数据提供方b联合其他数据提供方(当前联邦学习系统多个数据提供方中除数据提供方a以外的其他数据提供方)参与运行的纵向联邦特征分箱组件“hetero_federated_feature_binning”，和数据提供方b联合其他数据提供方(如，数据提供方a)参与运行的纵向联邦逻辑回归组件“hetero_federated_lr”之外的其他各个目标运行组件，在当前联邦学习工作流可视化界面中的显示状态进行修改调整，即调整更改各个目标运行组件的输出显示颜色等显示参数(置灰或者修改显示透明度)，并将各个目标运行组件的名称用“＊＊＊＊＊＊”进行表示。

进一步地，另一个实施例中，即在将当前联邦机器学习工作流的可视化界面输出显示给当前联邦学习系统中的需求方guest时，可以使用不同输出显示颜色等显示参数的方式，向需求方guest输出显示当前可视化界面中全部运行组件。

如图3c所示的可视化界面显示场景，在将当前联邦机器学习工作流的可视化界面输出显示给当前联邦学习系统中的需求方guest(图中标示为：需求方g)时，由于需求方guest预先配置并发起了当前联邦机器学习的工作流，所以需求方可以查看到当前联邦机器学习工作流的可视化界面中所输出显示的全部工作组件，即当前可视化界面中的全部运行组件只需要将非由该需求方guest参与运行的工作组件的输出显示颜色等显示参数进行调整，而无需对非由该需求方guest参与运行的工作组件的名称用“＊＊＊＊＊＊”进行表示。

需要说明的是，本实施例中，联邦学习系统中的需求方guest方可以看到联邦学习工作流的整个结构，但是，对联邦学习工作流中不是由需求方guest运行的组件例如“特征归一化”组件-federated_feature_scale_(由联邦学习系统中的某一个数据提供方单独运行)，因此该非由需求方guest运行的组件将会用灰色进行标记并进行输出显示；在联邦学习系统中的数据提供方host，无法查看到整个联邦学习工作流的组件信息，而只能查看到仅由己方运行的组件，并且用明确的组件状态标记进行输出显示，而其余非由己方运行的组件均用“******”进行表示，且也不可以查看到其他非由己方运行的组件的输入输出端口个数，以避免该数据提供方根据运行组件特有的端口个数猜测出该运行组件；在联邦学习系统中的协调方arbiter，也仅能够查看到联合其他参与方(例如guest方)共同运行的工作组件的状态，例如，在如图3a和图3b分别显示的可视化界面输出显示场景中，数据提供方a仅能看到自己参与运行的“特征归一化”组件-federated_feature_scale，和“纵向联邦逻辑回归”组件-hetero__federated_lr；而数据提供方b仅能看到自己参与运行的“纵向联邦特征分箱”组件-hetero_federated_feature_binning和“纵向联邦逻辑回归”组件-hetero__federated_lr。

需要说明的是，本实施例中，对需要调整更改的各个目标运行组件的显示参数的类型包括但不限于显示颜色、形状等，应当理解的是，本发明联邦学习工作量界面的显示方法，并不对更改运行组件显示参数的类型以及更改程度大小等进行限定。

步骤s300，将调整输出显示状态后的可视化界面输出显示给所述输出对象。

在完成对需求方所启动发起的联邦机器学习流程可视化界面进行显示状态的调整之后，将依据当前参与方在联邦学习系统中所属的角色类型进行调整的可视化界面输出显示给当前参与方。

具体地，例如，在如图3所示的界面显示应用场景中，将依据数据提供方a参与当前联邦机器学习流程中各组件运行情况(即独自参与运行或者联合参与运行的运行组件)，对可视化界面中各目标运行组件的显示参数进行调整更改之后，将根据数据提供方a调整之后可视化界面输出显示给数据提供方a所在的终端设备。

在本实施例中，通过在由协调方、需求方以及各数据提供方所构建的联邦机器学习系统中，当检测到需求方基于自身联邦学习任务处理需求，而启动发起当前联邦机器学习的工作流程时，根据当前需求方预先配置完成的处理该自身联邦学习任务所需进行的联邦学习工作流程，生成当前联邦机器学习工作流的可视化界面，在联邦学习系统各个参与方的需求方启动发起当前联邦机器学习的工作流程，并对应生成了当前联邦机器学习工作流的可视化界面之后，检测该可视化界面在当前联邦学习系统中所要输出显示的各输出对象，从而根据各输出对象在当前联邦学习参与方角色中所属的不同角色类型，对应的对联邦机器学习工作流可视化界面的输出显示状态进行调整，在完成对需求方所启动发起的联邦机器学习流程可视化界面进行显示状态的调整之后，将依据当前参与方在联邦学习系统中所属的角色类型进行调整的可视化界面输出显示给当前参与方。

实现了，在对多方参与的联邦学习工作流进行展示时，针对不同参与方显示可视化界面不同的输出显示状态，保证了每个参与方的机器学习过程不会被其他参与方所知晓，从而达成了在展示联邦学习工作流的过程中，也对联邦学习各参与方数据隐私和数据安全进行保护的目的。

进一步地，基于上述联邦学习工作流界面的显示方法第一实施例，提出本发明联邦学习工作流界面的显示方法的第二实施例。

在本发明联邦学习工作流界面的显示方法的第二实施例中，在上述第一实施例的步骤s100，在联邦学习工作流发起时，生成所述联邦学习工作流的可视化界面之前，本发明联邦学习工作流界面的显示方法，还包括：

步骤s400，基于预设联邦学习任务配置所述联邦学习工作流中的各运行组件。

获取需求方启动发起当前联邦机器学习工作流程的可视化界面时，所依据的预设联邦学习任务，并读取该预设联邦学习任务的联邦学习工作流配置信息，基于该工作流配置信息配置当前联邦学习工作流中的各个运行组件。

进一步地，步骤s100中，生成所述联邦学习工作流的可视化界面的步骤，包括：

步骤s101，按照各所述运行组件的运行流程和所述显示参数，对应生成所述可视化界面。

在需求方基于自身联邦学习任务处理需求，而启动发起当前联邦机器学习的工作流程时，根据当前需求方预先配置完成的处理该自身联邦学习任务所需的各个运行组件的输入输出流程，以及各个运行组件各自的显示参数(即输出显示颜色、显示内容等)，生成映射当前联邦机器学习工作流的可视化界面。

进一步地，步骤s400，包括：

步骤s401，读取所述预设联邦学习任务所携带的工作流配置信息。

步骤s402，依据所述工作流配置信息，在所述联邦学习工作流中配置独立运行工作组件，并指定所述独立运行工作组件的单方执行角色，和/或者，在所述联邦学习工作流中配置联合运行工作组件，并指定所述联合运行工作组件的多方执行角色。

具体地，例如，在配置联邦机器学习工作流时，需求方guest根据数据处理任务，可指定当前联邦学习系统多个数据提供方中的某一个数据提供方host单独运行当前数据处理任务执行所需的特征运行组件，或者，另一方面，需求方guest根据模型训练处理任务，可指定多个数据提供方中的某一个数据提供方host和协调方arbiter联合运行当前模型训练处理任务执行所需的特征运行组件，或者，需求方guest根据数据处理任务，在指定当前联邦学习系统多个数据提供方中的某一个数据提供方host单独运行当前数据处理任务执行所需的特征运行组件的同时，还可以指定多个数据提供方中的某一个数据提供方host和协调方arbiter联合运行当前模型训练处理任务执行所需的特征运行组件。

进一步地，在另一个实施例中，需求方guest还可以根据特征工作组件(例如“特征归一化”组件-federated_feature_scale)，指定当前联邦学习系统多个数据提供方中的某一个数据提供方host单独运行当前组件(即“特征归一化”组件)，或者，需求方guest也可以根据特征工作组件(例如“纵向联邦逻辑回归”组件-hetero_federated_lr)，指定多个数据提供方中的某一个数据提供方host和协调方arbiter联合运行当前特征工作组件。

步骤s403，依据所述工作流配置信息，在所述联邦学习工作流中配置所述独立运行工作组件和/或者所述联合运行工作组件的运行参数信息。

在需求方guest基于联邦学习处理任务的联邦学习工作流任务配置信息，指定完成执行方独立执行和/或者联合执行的各个特征运行组件之后，将预先与当前联邦学习系统中的协调方arbiter、各数据提供方host协商约定的各个特征运行组件的运行参数信息，配置到各自对应的特征运行组件上，从而完成对当前联邦学习工作流的配置。

本实施例中，获取需求方启动发起当前联邦机器学习工作流程的可视化界面时，所依据的联邦学习处理任务，并读取该联邦学习处理任务的任务属性中的任务类型，由需求方依据读取到的联邦学习处理任务的任务类型以及特征工作组件，配置处理该联邦学习任务所需的联邦学习工作流程，即指定联邦学习系统中的参与者独立或者相互联合运行当前联邦学习工作流。

进一步地，基于上述联邦学习工作流界面的显示方法第一实施例，提出本发明联邦学习工作流界面的显示方法的第三实施例。

在本发明联邦学习工作流界面的显示方法的第三实施例中，在上述第一实施例的步骤s300，将调整输出显示状态后的可视化界面输出显示给所述输出对象之后，本发明联邦学习工作流界面的显示方法，还包括：

步骤s500，获取查看组件输出结果的请求指令，并将所述请求指令指定的运行组件的输出结果显示给目标输出对象。

检测获取当前联邦学习系统中的任意一个参与方，触发生成的查看联邦机器学习工作流程中任意运行组件的输出结果的请求指令，检测确定当前联邦学习系统的全部参与方中，拥有对该请求指令所指定的运行组件输出结果进行查看权限的全部运行方，并在检测到触发生成该请求指令的参与方属于该运行方中的一员时，将该参与方作为当前运行组件输出结果的目标输出对象进行输出显示。

进一步地，步骤s500，包括：

步骤s501，获取所述请求指令指定的运行组件的运行方，并检测所述请求指令的触发端是否属于所述运行方。

检测当前联邦学习系统的全部参与方(即协调方、各需求方以及全部数据提供方)中，拥有对获取到的查看运行组件输出结果请求指令，指定运行组件的输出结果进行查看的权限的全部运行方，并进一步检测当前触发生成该请求指令的参与方(可以为协调方、需求方或者任一数据提供方)是否归属于检测到的运行方中的一员。

步骤s502，将所述触发端作为所述目标输出对象，以输出显示所述输出结果。

当检测到当前触发生成请求指令的参与方归属于检测到的运行方中的一员时，将该参与方作为当前运行组件输出结果的目标输出对象，并将输出结果输出显示给当前触发生成请求指令的该参与方。

进一步地，在另一个实施例中，当检测到当前触发生成请求指令的参与方并不归属于检测到的运行方中的一员时，放弃将该参与方作为当前运行组件输出结果的目标输出对象，并向当前触发生成请求指令的该参与方输出对应的提示信息(例如，“不拥有查看权限，无法获知组件运行情况”等)。

需要说明的是，本实施例中，联邦机器学习工作流可视化输出显示的各运行组件的输出结果，按照当前联邦学习系统不同的参与方角色(即协调方arbiter、需求方guest以及数据提供方host)进行相应的差异性输出显示，即令每个运行组件的输出结果中所包含的输出结果(模型的输出、数据的输出等)，在联邦学习系统不同的角色方所输出显示的输出结果是不一样的，即，对于联邦机器学习可视化输出显示给各参与方的每个运行组件的输出结果从查看权限和查看内容上均有差别，从而进一步对联邦学习各参与方的数据隐私和数据安全进行保护。

具体地，例如，对于联邦机器学习可视化输出显示的单方独立运行的组件，仅向该组件唯一的执行方输出该组件的输出结果；而对于联合运行的组件，可以向多个联合执行的双方或多方输出显示该组件的输出结果，即可以向各执行方输出显示各自参与运行的组件的部分输出结果(例如，“纵向联邦逻辑回归”组件-hetero__federated_lr，可以向各执行方输出显示各自本地纵向联邦模型的那一部分模型输出，而不对其输出显示联合运行的其他参与方的本地逻辑回归模型的那部分模型输出，或者，可以向联邦学习系统中的需求方guest输出显示部分数据提供方host参与运行的组件的输出结果(例如，“纵向联邦特征分箱”组件-hetero_federated_feature_binning，对于联邦学习系统中的需求方guest，除了可以向其输出显示依据需求方guest本端特征得到的分箱详情(纵向联邦特征分箱组件的部分输出结果)，还可以向其输出显示参与当前“纵向联邦特征分箱”组件-hetero_federated_feature_binning运行，依据各数据提供方host的特征除了特征分箱分割点之外的其他分箱详情(纵向联邦特征分箱组件的部分输出结果)，而对于联邦学习系统中的各数据提供方host，仅能够对其输出显示当前“纵向联邦特征分箱”组件-hetero_federated_feature_binning依据各数据提供方host特征运行得到的特征分箱分割点，而不能够向其输出显示特征分箱详情，如iv值(informationvalue,信息量或信息值)、woe值(weightofevidence，证据权重)等，从而避免各数据提供方host利用特征分箱详情反推出当前联邦学习系统中需求方guest运行“纵向联邦特征分箱”组件-hetero_federated_feature_binning的关键信息和输出结果。

本实施例中，联邦机器学习工作流可视化输出显示的各运行组件的输出结果，按照当前联邦学习系统不同的参与方角色(即协调方arbiter、需求方guest以及数据提供方host)进行相应的差异性输出显示，令每个运行组件的输出结果中所包含的输出结果(模型的输出、数据的输出等)，在联邦学习系统不同的角色方所输出显示的输出结果是不一样的，即，对于联邦机器学习可视化输出显示给各参与方的每个运行组件的输出结果从查看权限和查看内容上均有差别，从而进一步对联邦学习各参与方的数据隐私和数据安全进行保护。

此外，请参照图4，本发明实施例还提出一种联邦学习工作流界面的显示装置，本发明联邦学习工作流界面的显示装置，包括：

生成模块，用于在联邦学习工作流发起时，生成所述联邦学习工作流的可视化界面；

调整模块，用于检测所述可视化界面的输出对象，根据所述输出对象调整所述可视化界面的输出显示状态；

显示模块，用于将调整输出显示状态后的可视化界面输出显示给所述输出对象。

优选地，调整模块，包括：

检测单元，用于检测所述显示输出对象在联邦学习中的角色类型；

调整单元，用于根据所述角色类型对所述可视化界面的输出显示状态进行调整。

优选地，调整单元，还包括：

筛选子单元，用于根据所述角色类型，筛选所述可视化界面中所述输出对象不可见的目标工作组件；

更改子单元，用于在所述可视化界面中，更改目标工作组件的显示参数以调整所述可视化界面的输出显示状态。

优选地，本发明联邦学习工作流界面的显示装置，还包括：

配置模块，用于基于预设联邦学习任务配置所述联邦学习工作流中的各运行组件，

所述生成模块，包括：

生成单元，用于按照各所述运行组件的运行流程和所述显示参数，对应生成所述可视化界面。

优选地，配置模块，包括：

读取单元，用于读取所述预设联邦学习任务所携带的工作流配置信息；

第一配置单元，用于依据所述工作流配置信息，在所述联邦学习工作流中配置独立运行工作组件，并指定所述独立运行工作组件的单方执行角色，和/或者，在所述联邦学习工作流中配置联合运行工作组件，并指定所述联合运行工作组件的多方执行角色；

第二配置单元，用于依据所述工作流配置信息，在所述联邦学习工作流中配置所述独立运行工作组件和/或者所述联合运行工作组件的运行参数信息。

优选地，本发明联邦学习工作流界面的显示装置的显示模块，还用于获取查看组件输出结果的请求指令，并将所述请求指令指定的运行组件的输出结果显示给目标输出对象。

优选地，显示模块，包括：

检测确认单元，用于获取所述请求指令指定的运行组件的运行方，并检测所述请求指令的触发端是否属于所述运行方；

输出显示单元，用于将所述触发端作为所述目标输出对象，以输出显示所述输出结果。

此外，本发明实施例还提出一种计算机可读存储介质，应用于计算机，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质上存储有联邦学习工作流界面的显示程序，所述联邦学习工作流界面的显示程序被处理器执行时实现如上所述的联邦学习工作流界面的显示方法的步骤。

其中，在所述处理器上运行的联邦学习工作流界面的显示程序被执行时所实现的步骤可参照本发明联邦学习工作流界面的显示方法的各个实施例，此处不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。