一种基于联邦学习的数据安全可信共享方法和装置制造方法及图纸

本发明专利技术提供一种基于联邦学习的数据安全可信共享方法和装置，其中所述方法包括：将任一设备节点产生的数据共享请求发送给其上级的许可链节点，且把该设备节点作为数据请求节点；接收到数据共享请求的许可链节点通过许可链进行相关节点检索，确定参与本次数据共享任务的设备节点作为联邦学习节点；每个联邦学习节点基于本地相关数据进行训练得到本地数据模型，并在训练完成后将本地数据模型发送给其他联邦学习节点，且在收到其他联邦学习节点的本地数据模型后，每个联邦学习节点会将自身的本地数据模型与其他联邦学习节点的本地数据模型共同训练，直至其中一个联邦学习节点得到全局数据模型；将全局数据模型发送给数据请求节点。

【技术实现步骤摘要】
一种基于联邦学习的数据安全可信共享方法和装置
本专利技术涉及数据处理
，尤其涉及一种基于联邦学习的数据安全可信共享方法和装置。
技术介绍
随着物联网和大数据的发展，网络内涌入了越来越多的原始数据。根据《2019年全球互联网趋势报告》的预测可知，在2025年年新增数据量将逼近200ZB。如果只关注每个主体自身的数据，而不进行数据共享，就会形成数据孤岛，不仅无法实现数据的重复利用、降低数据收集成本，还会限制数据的使用范围，阻碍数据创造更大的效益，因此数据共享的需求也日渐增多。然而，传统的数据共享方法采用中心化的结构，参与数据共享的双方通过专门的数据中心进行原始数据的传递，数据共享产生的收益由第三方分配。这种方法存在诸多弊端：首先中心化的结构易发生单点故障，用户数据的安全性无法得到保障；其次，数据共享过程对于参与双方不透明，数据提供方失去了对数据的所有权，也无法直接控制数据的使用权。这些问题的存在，打击了节点参与数据共享的积极性。
技术实现思路
本专利技术提供一种基于联邦学习的数据安全可信共享方法和装置、计算设备和存储介质，用以解决现有技术中存在的技术缺陷。本专利技术提供一种基于联邦学习的数据安全可信共享方法，用于基于许可链的两层式内生可信共享架构，包括许可链层和设备层，许可链层包括多个形成许可链的许可链节点，设备层包括多个设备节点；每个设备节点与对应的许可链节点连接；所述方法包括：将任一设备节点产生的数据共享请求发送给其上级的许可链节点，且把该设备节点作为数据请求节点，其中，所述数据共享请求包括此次数据共享任务的数据类型要求以及任务指标要求；接收到数据共享请求的许可链节点通过许可链进行相关节点检索，确定参与本次数据共享任务的设备节点作为联邦学习节点；每个联邦学习节点基于本地相关数据进行训练得到本地数据模型，并在训练完成后将本地数据模型发送给其他联邦学习节点，且在收到其他联邦学习节点的本地数据模型后，每个所述联邦学习节点会将自身的本地数据模型与其他联邦学习节点的本地数据模型共同训练，直至其中一个联邦学习节点接收到所有其他联邦学习节点的本地数据模型进行训练得到全局数据模型；将所述全局数据模型发送给数据请求节点。根据本专利技术提供一种的基于联邦学习的数据安全可信共享方法，接收到数据共享请求的许可链节点通过许可链进行相关节点检索，确定参与本次数据共享任务的设备节点作为联邦学习节点，包括：接收到数据共享请求的许可链节点通过许可链进行相关节点检索，得到与本次数据共享任务相关的设备节点集合；从所述设备节点集合中按照信誉值进行筛选，确定信誉值大于等于信誉阈值的设备节点，组成高信誉值节点集合；根据所述高信誉值节点集合中的每个设备节点的报价以及数据请求节点对于数据来源多样性的要求进行筛选，得到报价较低的设备节点作为所述联邦学习节点。根据本专利技术提供一种的基于联邦学习的数据安全可信共享方法，在联邦学习结束后，所述方法还包括：对各个所述联邦学习节点的信誉值进行更新，并给予各个所述联邦学习节点回报；其中，所述回报包括基本回报和额外奖励回报。根据本专利技术提供一种的基于联邦学习的数据安全可信共享方法，对各个所述联邦学习节点的信誉值进行更新，包括：每个联邦学习节点对接收到的其他联邦学习节点的本地数据模型进行测试，得到对应的评分；基于所述评分，得到该联邦学习节点在当前阶段的信誉值变化量；基于该联邦学习节点上一阶段的信誉值，和当前阶段的信誉值变化量，得到当前阶段的该联邦学习节点的信誉值。根据本专利技术提供一种的基于联邦学习的数据安全可信共享方法，给予各个所述联邦学习节点额外奖励回报，包括：根据各个联邦学习节点的工作质量、节点的基本回报总和以及额外奖励回报总和与基本回报总和的比值，确定给予各个所述联邦学习节点的额外奖励回报；其中，所述联邦学习节点的工作质量包括联邦学习节点训练的模型质量和联邦学习节点的数据模型训练时间。根据本专利技术提供一种的基于联邦学习的数据安全可信共享方法，所述方法还包括：确定执行共识过程的多个设备节点，基于所述信誉值选择其中一个设备节点作为领导节点；所述领导节点收集交易记录，将所述交易记录写入一个临时区块内；所述领导节点将所述临时区块广播至执行共识过程的其他设备节点，以使其他设备节点对所述临时区块内的交易记录进行验证；若验证通过的设备节点占执行共识过程的设备节点的比值高于阈值，则所述领导节点将携带其签名信息的临时区块发送给其他所有的设备节点，并将该临时区块记录于区块链内。根据本专利技术提供一种的基于联邦学习的数据安全可信共享方法，基于所述信誉值选择其中一个设备节点作为领导节点，包括：在信誉值最高的设备节点存在一个的情况下，将该设备节点作为领导节点；在信誉值最高的设备节点存在多个的情况下，选择其中一个作为领导节点。本专利技术还提供一种基于联邦学习的数据安全可信共享装置，设置于基于许可链的两层式内生可信共享架构，包括许可链层和设备层，许可链层包括多个形成许可链的许可链节点，设备层包括多个设备节点，每个设备节点与对应的许可链节点连接；所述装置包括：请求发送模块，用于将任一设备节点产生的数据共享请求发送给其上级的许可链节点，且把该设备节点作为数据请求节点，其中，所述数据共享请求包括此次数据共享任务的数据类型要求以及任务指标要求；节点确定模块，用于接收到数据共享请求的许可链节点通过许可链进行相关节点检索，确定参与本次数据共享任务的设备节点作为联邦学习节点；节点训练模块，用于每个联邦学习节点基于本地相关数据进行训练得到本地数据模型，并在训练完成后将本地数据模型发送给其他联邦学习节点，且在收到其他联邦学习节点的本地数据模型后，每个所述联邦学习节点会将自身的本地数据模型与其他联邦学习节点的本地数据模型共同训练，直至其中一个联邦学习节点接收到所有其他联邦学习节点的本地数据模型进行训练得到全局数据模型；数据返回模块，用于将所述全局数据模型发送给数据请求节点。本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于联邦学习的数据安全可信共享方法的步骤。本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于联邦学习的数据安全可信共享方法的步骤。本专利技术提供的基于联邦学习的数据安全可信共享方法和装置，建立了一个去中心化的可信交易环境，避免了第三方的介入，同时也通过许可链对数据进行记录，实现了交易数据可追溯；通过本专利技术的联邦学习技术，实现了局部数据模型代替原始数据参与共享，进一步加强了对用户数据隐私的保护，最终得到全局数据模型，实现了数据的安全共享。其次，通过对设备节点的信誉值评价方法，综合考虑节点各方面的工作表现，较客观地衡量了节点的可信程度，为节点本文档来自技高网...

【技术保护点】
1.一种基于联邦学习的数据安全可信共享方法，其特征在于，用于基于许可链的两层式内生可信共享架构，包括许可链层和设备层，许可链层包括多个形成许可链的许可链节点，设备层包括多个设备节点；/n每个设备节点与对应的许可链节点连接；/n所述方法包括：/n将任一设备节点产生的数据共享请求发送给其上级的许可链节点，且把该设备节点作为数据请求节点，其中，所述数据共享请求包括此次数据共享任务的数据类型要求以及任务指标要求；/n接收到数据共享请求的许可链节点通过许可链进行相关节点检索，确定参与本次数据共享任务的设备节点作为联邦学习节点；/n每个联邦学习节点基于本地相关数据进行训练得到本地数据模型，并在训练完成后将本地数据模型发送给其他联邦学习节点，且在收到其他联邦学习节点的本地数据模型后，每个所述联邦学习节点会将自身的本地数据模型与其他联邦学习节点的本地数据模型共同训练，直至其中一个联邦学习节点接收到所有其他联邦学习节点的本地数据模型进行训练得到全局数据模型；/n将所述全局数据模型发送给数据请求节点。/n

【技术特征摘要】
1.一种基于联邦学习的数据安全可信共享方法，其特征在于，用于基于许可链的两层式内生可信共享架构，包括许可链层和设备层，许可链层包括多个形成许可链的许可链节点，设备层包括多个设备节点；
每个设备节点与对应的许可链节点连接；
所述方法包括：
将任一设备节点产生的数据共享请求发送给其上级的许可链节点，且把该设备节点作为数据请求节点，其中，所述数据共享请求包括此次数据共享任务的数据类型要求以及任务指标要求；
接收到数据共享请求的许可链节点通过许可链进行相关节点检索，确定参与本次数据共享任务的设备节点作为联邦学习节点；
每个联邦学习节点基于本地相关数据进行训练得到本地数据模型，并在训练完成后将本地数据模型发送给其他联邦学习节点，且在收到其他联邦学习节点的本地数据模型后，每个所述联邦学习节点会将自身的本地数据模型与其他联邦学习节点的本地数据模型共同训练，直至其中一个联邦学习节点接收到所有其他联邦学习节点的本地数据模型进行训练得到全局数据模型；
将所述全局数据模型发送给数据请求节点。


2.根据权利要求1所述的基于联邦学习的数据安全可信共享方法，其特征在于，接收到数据共享请求的许可链节点通过许可链进行相关节点检索，确定参与本次数据共享任务的设备节点作为联邦学习节点，包括：
接收到数据共享请求的许可链节点通过许可链进行相关节点检索，得到与本次数据共享任务相关的设备节点集合；
从所述设备节点集合中按照信誉值进行筛选，确定信誉值大于等于信誉阈值的设备节点作为高信誉值节点集合；
根据所述高信誉值节点集合中的每个设备节点的报价以及数据请求节点对于数据来源多样性的要求进行筛选，得到报价较低的设备节点作为所述联邦学习节点。


3.根据权利要求2所述的基于联邦学习的数据安全可信共享方法，其特征在于，在联邦学习结束后，所述方法还包括：
对各个所述联邦学习节点的信誉值进行更新，并给予各个所述联邦学习节点回报；
其中，所述回报包括基本回报和额外奖励回报。


4.根据权利要求3所述的基于联邦学习的数据安全可信共享方法，其特征在于，对各个所述联邦学习节点的信誉值进行更新，包括：
每个联邦学习节点对接收到的其他联邦学习节点的本地数据模型进行测试，得到对应的评分；
基于所述评分，得到该联邦学习节点在当前阶段的信誉值变化量；
基于该联邦学习节点上一阶段的信誉值，和当前阶段的信誉值变化量，得到当前阶段的该联邦学习节点的信誉值。


5.根据权利要求3所述的基于联邦学习的数据安全可信共享方法，其特征在于，给予各个所述联邦学习节点额外奖励回报，包括：
根据各个联邦学习节点的工作质量、节点的基本回报总和以及额外奖励回报总和与基本回报总和的比值，确定给予...

【专利技术属性】
技术研发人员：司志坚，雷振江，杨超，田小蕾，熊志敏，王超，张子炎，马晓宁，
申请(专利权)人：国网辽宁省电力有限公司物资分公司，国家电网有限公司，
类型：发明
国别省市：辽宁;21