基于区块链的联邦学习系统、方法、电子设备及介质技术方案

本公开提供了一种基于区块链的联邦学习系统、方法、电子设备及介质。该联邦学习系统包括多个节点，节点包括公有链层和私有链层；公有链层包括训练任务链和达标模型链，训练任务链用于存储训练任务数据，达标模型链用于存储达标模型数据；节点用于从训练任务链获取训练任务数据，从训练任务链或达标模型链获取训练任务的待训练模型，基于私有链层中的私有数据对待训练模型进行训练，以得到训练模型，使用测试数据验证训练模型，以得到训练模型的准确率，根据准确率从训练模型确定达标模型数据，将达标模型数据发布至达标模型链。本公开基于区块链和训练任务的测试数据，通过去中心化、可验证的模型准确率来迭代模型，避免噪音模型被引入联邦学习。被引入联邦学习。被引入联邦学习。

【技术实现步骤摘要】
基于区块链的联邦学习系统、方法、电子设备及介质


[0001]本公开涉及联邦学习
，特别涉及一种基于区块链的联邦学习系统、方法、电子设备及介质。

技术介绍

[0002]联邦学习(Federated Learning)是一种分布式机器学习技术，其核心思想是通过在多个拥有本地数据的数据源之间进行分布式模型训练，在不需要交换本地个体或样本数据的前提下，仅通过交换模型参数或中间结果的方式，构建基于虚拟融合数据下的全局模型，从而实现数据隐私保护和数据共享计算的平衡，即“数据可用不可见”、“数据不动模型动”的应用新范式。
[0003]联邦学习可以基于同构和同分布的数据机器学习技术，通过各参与方借助多方数据进行联合建模。各方无需共享数据资源，即数据不需要上传至网络的情况下，进行数据联合训练得到机器学习模型。
[0004]然而，联邦学习的流程复杂，针对不同的训练任务，需要高昂的人力和时间成本针对每一个训练任务进行环境配置和同步训练。此外，在每一轮联邦学习中，需要引入大量基于中心化的数据传输和交互，因此在传统联邦学习中，对参数的收集、计算和再本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区块链的联邦学习系统，其特征在于，所述联邦学习系统包括多个节点，所述节点包括公有链层和私有链层；所述公有链层包括训练任务链和达标模型链，所述训练任务链用于存储所述联邦学习系统中的训练任务数据，所述训练任务数据包括训练任务及所述训练任务对应的测试数据，所述达标模型链用于存储所述联邦学习系统中的达标模型数据；所述私有链层用于存储私有数据；所述节点用于从所述训练任务链获取所述训练任务数据，从所述训练任务链或所述达标模型链获取所述训练任务的待训练模型，基于所述私有链层中的所述私有数据对所述待训练模型进行训练，以得到训练模型，使用所述测试数据验证所述训练模型，以得到所述训练模型的准确率，根据所述准确率从所述训练模型确定达标模型数据，将所述达标模型数据发布至所述达标模型链。2.根据权利要求1所述的基于区块链的联邦学习系统，其特征在于，所述联邦学习系统还包括模型进化层，所述模型进化层用于基于所述达标模型链中对应所述训练任务的所述达标模型数据生成所述待训练模型。3.根据权利要求2所述的基于区块链的联邦学习系统，其特征在于，所述模型进化层用于基于所述达标模型链中，对应所述训练任务的至少两个所述达标模型数据生成所述待训练模型；和/或，所述模型进化层用于基于遗传算法、粒子群优化算法、人工蜂群算法和自动化机器学习算法中的至少一种，根据所述多个所述达标模型生成所述待训练模型。4.根据权利要求1所述的基于区块链的联邦学习系统，其特征在于，所述训练任务数据还包括期望准确率，所述节点用于在所述训练模型的准确率达到所述期望准确率时，从所述训练模型确定达标模型数据，将所述达标模型数据发布至所述达标模型链。5.根据权利要求1
‑
4中任一项所述的基于区块链的联邦学习系统，其...

【专利技术属性】
技术研发人员：温宁，刘俊文，严福华，
申请(专利权)人：上海联影医疗科技股份有限公司，
类型：发明
国别省市：