一种联邦学习数据防篡改监测方法及相关装置制造方法及图纸

本申请公开了一种联邦学习数据防篡改监测方法及相关装置，方法包括：通过服务器将训练配置数据发送至筛选后得到的目标设备中，使得目标设备根据训练配置数据进行本地训练，得到训练结果；通过目标设备采用预置哈希算法计算训练结果的第一哈希值，同时将第一哈希值发送至区块链，将训练结果发送至服务器，区块链通过预置智能合约与服务器和目标设备均建立连接；通过服务器根据接收到的训练结果和从区块链获取的第一哈希值进行结果验证，验证通过则判断服务器接收到的训练结果未被篡改。本申请解决了现有联邦学习缺乏传输数据被篡改的监测机制，导致服务器无法判断数据的可信度，影响全局模型更新效果的技术问题。影响全局模型更新效果的技术问题。影响全局模型更新效果的技术问题。

【技术实现步骤摘要】
一种联邦学习数据防篡改监测方法及相关装置


[0001]本申请涉及联邦学习
，尤其涉及一种联邦学习数据防篡改监测方法及相关装置。

技术介绍

[0002]区块链是一个共享数据库，是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。存储于区块链中的数据或信息，具有“防篡改性”、“可以追溯”、“公开透明”、“集体维护”等特征。基于这些特征，区块链技术奠定了坚实的“信任”基础，创造了可靠的“合作”机制。而智能合约是存储在区块量上并能够在区块链中运行的一端代码，可以简单理解成运行在区块链框架上的一段无第三方控制的可自动执行的脚本；因此，可以根据需要编写友好的智能合约，提高区块链与其他节点的合作效率。
[0003]联邦学习是一种机器学习的框架，在联邦学习中，参与的计算机需要按时地将他们的训练结果反馈给服务器，而只使用自身数据库中的数据集进行训练。服务器在得到参与的计算机的训练结果后会进行一次全局的模型更新，再将相关的参数传递给下一次进行联邦学习的计算机。进行机器学习所需的数据集仅存储在各个计算机中并各自使用，这样减少了服本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种联邦学习数据防篡改监测方法，其特征在于，包括：通过服务器将训练配置数据发送至筛选后得到的目标设备中，使得所述目标设备根据所述训练配置数据进行本地训练，得到训练结果；通过所述目标设备采用预置哈希算法计算所述训练结果的第一哈希值，同时将所述第一哈希值发送至区块链，将所述训练结果发送至所述服务器，所述区块链通过预置智能合约与所述服务器和所述目标设备均建立连接；通过所述服务器根据接收到的所述训练结果和从所述区块链获取的所述第一哈希值进行结果验证，验证通过则判断所述服务器接收到的所述训练结果未被篡改。2.根据权利要求1所述的联邦学习数据防篡改监测方法，其特征在于，所述通过所述服务器根据接收到的所述训练结果和从所述区块链获取的所述第一哈希值进行结果验证，验证通过则判断所述服务器接收到的所述训练结果未被篡改，包括：通过所述服务器采用所述预置哈希算法计算接收到的所述训练结果的第二哈希值，同时在所述区块链中获取所述第一哈希值；通过所述服务器将所述第一哈希值与所述第二哈希值进行结果对比验证，若是一致，则验证通过，并判断所述服务器接收到的所述训练结果未被篡改。3.根据权利要求1所述的联邦学习数据防篡改监测方法，其特征在于，所述目标设备的筛选过程为：在所述服务器接收到候选设备的参与请求指令后，通过所述服务器根据预置权值筛选规则对所述候选设备进行筛选，得到所述目标设备。4.根据权利要求3所述的联邦学习数据防篡改监测方法，其特征在于，所述在所述服务器接收到候选设备的参与请求指令后，通过所述服务器根据预置筛选规则对所述候选设备进行筛选，得到所述目标设备，还包括：若所述候选设备的数量小于所述服务器设定的阈值，则通过所述服务器将所述候选设备作为所述目标设备。5.一种联邦学习数据防篡改监测装置，其特征在于，包括：下发训练模块，用于通过服务器将训练配置数据发送至筛选后得到的目标设备中，使得所述目标设备根据所述训...

【专利技术属性】
技术研发人员：黄华威，张可姗，郑子彬，
申请(专利权)人：中山大学，
类型：发明
国别省市：