移动用户可信认证方法及装置、电子设备、存储介质制造方法及图纸

本发明专利技术公开了一种移动用户可信认证方法及装置、电子设备、存储介质，包括：构建基于智能合约的私有区块链，所述私有区块链由请求方和愿意参与模型训练的移动设备组成，所述移动设备内存储有用户与移动设备进行人机交互时的传感数据；将全局模型发送给所述移动设备，以使得所述移动设备接收到所述全局模型后，利用所述传感数据训练所述全局模型，得到本地模型，将所述本地模型发送给所述请求方；接收所述本地模型，使用基于质量证明的共识机制对所述本地模型进行验证，对生成有效本地模型的移动设备提供奖励；根据所述的有效本地模型，利用联邦学习的聚合算法更新所述全局模型；利用更新后的全局模型对所述移动设备上的用户进行可信认证。行可信认证。

【技术实现步骤摘要】
移动用户可信认证方法及装置、电子设备、存储介质


[0001]本申请涉及信息安全
，尤其涉及一种移动用户可信认证方法及装置、电子设备、存储介质。

技术介绍

[0002]随着工业4.0时代的发展，人工智能被广泛运用于能源安全领域。在生产设备层面，机器学习方法被用于检测能源安全生产过程中的异常行为；在人机交互层面，机器学习方法被用于员工的可信认证。
[0003]在人机交互进行用户认证时，大多数机器学习技术都需要将代表认证用户的隐私数据聚合到一个中心服务器上进行模型训练和分析。这不仅会导致较高的通信和存储成本，用户也同时面临着严重的隐私泄露风险。为了在不影响模型训练结果的情况下尽可能地保护用户的隐私信息，联邦学习被科学家们提出。在联邦学习中，每个设备会迭代地训练本地的模型(包括模型的权重和梯度等信息)，而各自的原始数据并不会离开本地设备。通常，联邦学习可以在一个中心服务器的帮助下实现，中心会下发一个全局模型，设备端利用本地数据对全局模型进行训练和改进。在每次完成局部训练之后，设备将本地模型更新发送到中心。通过聚合这些局部模型更新，中心会为下一次迭代生成一个新的全局模型。移动设备和中心都重复上述过程，直到全局模型收敛。
[0004]然而，在真实任务中(即安全相关的用户认证)，上述方法存在以下缺陷：第一，数据采集效率较低，缺乏有效的激励机制。现有的机器学习任务中大多的数据采集步骤已事先完成，且参与员工人数有限，并要求员工收集每种行为下的新数据，此类方法十分浪费人力物力，对真实场景中数据采集的效率考虑较少，而本研究中数据的采集速率很大程度上取决于员工使用设备的频率。第二，传统的数据收集方法是要求员工收集每个行为下的数据并集中管理，但是采用的联邦学习的方式下，对于边缘移动设备收集的数据是否真实有效是无法确定的，可能会出现移动设备利用虚假数据训练模型并返回错误梯度来实现对模型的中毒攻击的情况。

技术实现思路

[0005]本申请实施例的目的是提供一种移动用户可信认证方法及装置、电子设备、存储介质，能够提高模型数据采集速率，降低模型被攻击者绕过的概率，提高模型的安全性。
[0006]根据本申请实施例的第一方面，提供一种移动用户可信认证方法，包括：
[0007]构建基于智能合约的私有区块链，所述私有区块链由请求方和愿意参与模型训练的移动设备组成，所述移动设备内存储有用户与移动设备进行人机交互时的传感数据；
[0008]将全局模型发送给所述移动设备，以使得所述移动设备接收到所述全局模型后，利用所述传感数据训练所述全局模型，得到本地模型，将所述本地模型发送给所述请求方；
[0009]接收所述本地模型，使用基于质量证明的共识机制对所述本地模型进行验证，对生成有效本地模型的移动设备提供奖励；
[0010]根据所述的有效本地模型，利用联邦学习的聚合算法更新所述全局模型；
[0011]利用更新后的全局模型对所述移动设备上的用户进行可信认证。
[0012]进一步地，用户与移动设备进行人机交互时的传感数据的获取，包括：
[0013]在所述移动设备上的应用被打开的前n秒内，以50Hz的收集频率收集移动设备内置的加速度传感器，重力传感器和陀螺仪传感器的读数。
[0014]进一步地，使用基于质量证明的共识机制对所述本地模型进行验证，包括：
[0015]使用预测准确度来量化所述本地模型的性能；
[0016]将所述预测准确度高于某设定阈值的本地模型标记为无效模型，反之标记为有效模型；
[0017]根据所述移动设备的历史有效模型提供比例来重新设定所述移动设备的信任度。
[0018]进一步地，在对生成有效本地模型的移动设备提供奖励之后，还包括：
[0019]打包出一个区块，将所述区块上链，广播通知所有移动设备，其中所述区块至少包括移动设备提供的本地模型参数的哈希值。
[0020]根据本申请实施例的第二方面，提供一种移动用户可信认证装置，其特征在于，应用于请求方，包括：
[0021]构建模块，用于构建基于智能合约的私有区块链，所述私有区块链由请求方和愿意参与模型训练的移动设备组成，所述移动设备内存储有用户与移动设备进行人机交互时的传感数据；
[0022]发送模块，用于将全局模型发送给所述移动设备，以使得所述移动设备接收到所述全局模型后，利用所述传感数据训练所述全局模型，得到本地模型，将所述本地模型发送给所述请求方；
[0023]验证奖励模块，用于接收所述本地模型，使用基于质量证明的共识机制对所述本地模型进行验证，对生成有效本地模型的移动设备提供奖励；
[0024]更新模块，用于根据所述的有效本地模型，利用联邦学习的聚合算法更新所述全局模型；
[0025]认证模块，用于利用更新后的全局模型对所述移动设备上的用户进行可信认证。
[0026]根据本申请实施例的第三方面，提供一种电子设备，包括：
[0027]一个或多个处理器；
[0028]存储器，用于存储一个或多个程序；
[0029]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的方法。
[0030]根据本申请实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现如第一方面所述方法的步骤。
[0031]本申请的实施例提供的技术方案可以包括以下有益效果：
[0032]由上述实施例可知，本申请采用联邦学习，所以克服了节点数据泄露的危险，进而实现节点本地数据不共享情况下的模型训练。采用基于智能合约的私有区块链技术，所以克服了数据收集困难问题，进而达到了提高数据收集效率的效果。采用基于训练质量证明的共识机制，克服了联邦学习中可能存在的中毒攻击，达到了排除恶意节点的效果。
[0033]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不
能限制本申请。
附图说明
[0034]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0035]图1是根据一示例性实施例示出的一种移动用户可信认证方法的流程图。
[0036]图2是根据一示例性实施例示出的一种移动用户可信认证装置的结构示意图。
具体实施方式
[0037]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0038]除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是在于限制本申请。
[0039]图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种移动用户可信认证方法，其特征在于，包括：构建基于智能合约的私有区块链，所述私有区块链由请求方和愿意参与模型训练的移动设备组成，所述移动设备内存储有用户与移动设备进行人机交互时的传感数据；将全局模型发送给所述移动设备，以使得所述移动设备接收到所述全局模型后，利用所述传感数据训练所述全局模型，得到本地模型，将所述本地模型发送给所述请求方；接收所述本地模型，使用基于质量证明的共识机制对所述本地模型进行验证，对生成有效本地模型的移动设备提供奖励；根据所述的有效本地模型，利用联邦学习的聚合算法更新所述全局模型；利用更新后的全局模型对所述移动设备上的用户进行可信认证。2.根据权利要求1所述的方法，其特征在于，用户与移动设备进行人机交互时的传感数据的获取，包括：在所述移动设备上的应用被打开的前n秒内，以50Hz的收集频率收集移动设备内置的加速度传感器，重力传感器和陀螺仪传感器的读数。3.根据权利要求1所述的方法，其特征在于，使用基于质量证明的共识机制对所述本地模型进行验证，包括：使用预测准确度来量化所述本地模型的性能；将所述预测准确度高于某设定阈值的本地模型标记为无效模型，反之标记为有效模型；根据所述移动设备的历史有效模型提供比例来重新设定所述移动设备的信任度。4.根据权利要求1所述的方法，其特征在于，在对生成有效本地模型的移动设备提供奖励之后，还包括：打包出一个区块，将所述区块上链，广播通知所有移动设备，其中所述区块至少包括移动设备提供的本地模型参数的哈希值。5.一种移动用户可信认证装置，其特征在于，包括：构建模块，用于构建基于智能合约的私有区块链，所述私有区块链由请求方和愿意参与模型训练的移动设备组成，所述移动设备内存储有用户与移动设备进行人机交互时的传感数据；发送模块，用于将全局模型发送给所...

【专利技术属性】
技术研发人员：常英贤，桂纲，杨涛，马广鹏，刘宗杰，王红梅，宋益睿，杨晓娟，邵晨，张秀琰，张翠珍，冯庆云，乔亚男，高强，盛沛然，邹玉娇，丛超，陈伦，李辉，刘秀秀，吕德志，张坤，孔令基，西灯考，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：