基于联盟链和联邦学习的数据管理方法、装置及设备制造方法及图纸

本发明专利技术提供一种基于联盟链和联邦学习的数据管理方法、装置及设备，方法包括，接收数据需求方发送的数据请求指令；调用智能合约将数据请求指令共享至联盟链上；在联盟链上，检索与请求数据类别相关联的数据相关节点，每个数据相关节点均包括有与请求数据类别相关联的本地数据集；基于联邦机器学习，对本地数据集进行训练，得到全局模型；根据全局模型和需求方标识输出目标数据至数据需求方，使得获得的目标数据不单单由某一节点所提供，而且基于联邦机器学习模型，使得能够将不同数据相关节点的相关数据进行融合发送至数据需求方，使得在获取到完整的目标数据的同时，还有效地保证了目标数据的准确度，提高了目标数据与需求数据的匹配度。的匹配度。的匹配度。

【技术实现步骤摘要】
基于联盟链和联邦学习的数据管理方法、装置及设备


[0001]本专利技术涉及数据处理
，尤其涉及一种基于联盟链和联邦学习的数据管理方法、装置及设备。

技术介绍

[0002]城市计算是以城市为应用场景，计算机科学技术与城市规划、交通、能源、环境和经济等学科融合的新兴领域，通过不断获取、整合和分析城市中多种异构大数据来解决城市所面临的挑战。智慧城市建设目前已经初见成效，借助人工智能、云计算、大数据现代化技术，城市计算在智慧交通、智慧医疗等领域发挥了很大作用。但同时也暴露出目前智慧城市建设还不完善，因为竞争关系、安全问题、审批流程等因素，数据在不同拥有方，云和端以及物联网节点之间的流通存在着难以打破的壁垒，形成所谓的“数据孤岛”问题，无法进行安全可信的数据共享来支持城市计算。“联邦机器学习”(Federated Machine Learning)在本质上是一种数据加密的分布式机器学习技术，参与各方可以在不披露底层数据和底层数据的加密(混淆)形态的前提下共建模型。它可以实现各个参与方的私有数据不出本地，通过加密机制下的参数交换方式，就能在不违反相关本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于联盟链和联邦学习的数据管理方法，其特征在于，包括：接收数据需求方发送的数据请求指令，所述数据请求指令包括需求方标识和请求数据类别；调用智能合约将所述需求方标识和所述请求数据类别共享至联盟链上；在所述联盟链上，检索与所述请求数据类别相关联的数据相关节点，每个所述数据相关节点均包括有与所述请求数据类别相关联的本地数据集；基于联邦机器学习，对所述本地数据集进行训练，得到全局模型；根据所述全局模型和所述需求方标识输出目标数据至所述数据需求方。2.根据权利要求1所述的基于联盟链和联邦学习的数据管理方法，其特征在于，所述基于联邦机器学习，对所述本地数据集进行训练，得到全局模型，包括：基于联邦机器学习，对每个所述本地数据集分别进行训练，得到对应的本地局部模型；基于联邦机器学习，对所述本地局部模型进行训练，得到全局模型。3.根据权利要求2所述的基于联盟链和联邦学习的数据管理方法，其特征在于，所述根据所述全局模型和所述需求方标识输出目标数据至所述数据需求方之后，还包括：识别所述目标数据中由每个所述数据相关节点所提供的数据量；确定每个所述本地局部模型的准确率；根据所述提供的数据量和所述本地局部模型的准确率，确定每个所述数据相关节点的激励收益，并分配所述激励收益至对应的数据相关节点。4.根据权利要求3所述的基于联盟链和联邦学习的数据管理方法，其特征在于，所述确定每个所述本地局部模型的准确率，包括：基于预设平均绝对误差公式，确定本地局部模型的准确率。5.根据权利要求3所述的基于联盟链和联邦学习的数据管理方法，其特征在于，所述根据所述提供的数据量和所述本地局部模型的准确率，确定每个所述数据相关节点的激励收益，包括：确定单位数据量价格；根据所述单位数据量价格、所述提供的数据量和所述本地局部模型的准确率，确定预设收益计算公式；通过所述预设收益计算公式，确定每个所述数据相关节点的激励收益。6.根据权利要求3所述的基于联盟链和联邦学习的数据管理方法，其特征在于，所述得到全局模型之后，还包括：基于每个所述本地局部模型的准确率，在所有所述数据相关...

【专利技术属性】
技术研发人员：王少影，辛锐，王静，李启蒙，刘玮，黄镜宇，吴军英，肖帆，周文芳，吕鹏鹏，王智慧，连阳阳，方蓬勃，蔺鹏，
申请(专利权)人：北京万可信息技术有限公司国家电网有限公司，
类型：发明
国别省市：