基于区块链的联邦学习激励方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种基于区块链的联邦学习激励方法、装置、设备及介质，属于计算机技术领域，该方法包括：响应于服务请求方发起的在线预测服务调用请求，生成在线预测服务的访问令牌；在线预测服务调用请求包括在线预测服务标识和候选链上激励元素数额；根据服务请求方的账户信息、访问令牌、在线预测服务标识和候选链上激励元素数额，从服务请求方的区块链账户中冻结候选链上激励元素数额；响应于服务提供方发起的包括访问令牌的收益分配请求，并根据访问令牌确定目标预测模型；根据候选链上激励元素数额，为目标预测模型关联的联邦学习参与方分配链上激励元素数额。实现了对联邦学习参与方的激励，提高了联邦学习参与方参与联邦学习的动力。习的动力。习的动力。

【技术实现步骤摘要】
基于区块链的联邦学习激励方法、装置、设备及介质


[0001]本专利技术涉及计算机
，尤其涉及一种基于区块链的联邦学习激励方法、装置、设备及介质。

技术介绍

[0002]联邦学习作为一种从包含大量隐私敏感信息的分散数据中学习的范式，通过模型参数的交换来避免暴露原始数据，以此实现隐私保护的目的。
[0003]但是传统的联邦学习在模型训练过程中，联邦学习发起方将联邦学习训练出来的预测模型对应的线预测服务发布在TEE中，以对外提供收费的数据预测服务；外部用户付费调用在线服务接口，联邦学习发起方所得收益没有分配给为模型训练做出贡献的联邦学习参与方，导致联邦学习参与方缺乏参与联邦学习的动力，不利于联邦模型的持续优化、发展和推广。

技术实现思路

[0004]本专利技术提供了一种基于区块链的联邦学习激励方法、装置、设备及介质，以提高联邦学习参与方参与联邦学习的动力，进而促进联邦模型的持续优化、发展和推广。
[0005]根据本专利技术的一方面，提供了一种基于区块链的联邦学习激励方法，应用于区块链网络，包括：
[0006]响应于服务请求方发起的在线预测服务调用请求，生成在线预测服务的访问令牌；在线预测服务调用请求包括在线预测服务标识和候选链上激励元素数额；
[0007]根据服务请求方的账户信息、访问令牌、在线预测服务标识和候选链上激励元素数额，从服务请求方的区块链账户中冻结候选链上激励元素数额；
[0008]响应于服务提供方发起的包括访问令牌的收益分配请求，并根据访问令牌确定目标预测模型；
[0009]根据候选链上激励元素数额，为目标预测模型关联的联邦学习参与方分配链上激励元素数额。
[0010]根据本专利技术的另一方面，提供了一种基于区块链的联邦学习激励装置，配置于区块链网络，包括：
[0011]访问令牌生成模块，用于响应于服务请求方发起的在线预测服务调用请求，生成在线预测服务的访问令牌；在线预测服务调用请求包括在线预测服务标识和候选链上激励元素数额；
[0012]激励元素数额冻结模块，用于根据服务请求方的账户信息、访问令牌、在线预测服务标识和候选链上激励元素数额，从服务请求方的区块链账户中冻结候选链上激励元素数额；
[0013]目标预测模型确定模块，用于响应于服务提供方发起的包括访问令牌的收益分配请求，并根据访问令牌确定目标预测模型；
[0014]激励元素数额分配模块，用于根据候选链上激励元素数额，为目标预测模型关联的联邦学习参与方分配链上激励元素数额。
[0015]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0016]至少一个处理器；以及
[0017]与至少一个处理器通信连接的存储器；其中，
[0018]存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本专利技术任一实施例的基于区块链的联邦学习激励方法。
[0019]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本专利技术任一实施例的基于区块链的联邦学习激励方法。
[0020]本专利技术实施例的技术方案，通过响应于服务请求方发起的在线预测服务调用请求，生成在线预测服务的访问令牌；在线预测服务调用请求包括在线预测服务标识和候选链上激励元素数额；根据服务请求方的账户信息、访问令牌、在线预测服务标识和候选链上激励元素数额，从服务请求方的区块链账户中冻结候选链上激励元素数额；响应于服务提供方发起的包括访问令牌的收益分配请求，并根据访问令牌确定目标预测模型；根据候选链上激励元素数额，为目标预测模型关联的联邦学习参与方分配链上激励元素数额。上述技术方案，根据候选链上激励元素数额，为目标预测模型关联的联邦学习参与方分配链上激励元素数额，实现了对联邦学习参与方的激励，提高了联邦学习参与方参与联邦学习的动力，进而促进了联邦模型的持续优化、发展和推广。
[0021]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0022]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0023]图1是根据本专利技术实施例一提供的一种基于区块链的联邦学习激励方法的流程图；
[0024]图2是根据本专利技术实施例二提供的一种基于区块链的联邦学习激励方法的流程图；
[0025]图3是根据本专利技术实施例三提供的一种基于区块链的联邦学习激励方法的架构图；
[0026]图4是根据本专利技术实施例四提供的一种基于区块链的联邦学习激励装置的结构示意图；
[0027]图5是实现本专利技术实施例的基于区块链的联邦学习激励方法的电子设备的结构示意图。
具体实施方式
[0028]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都应当属于本专利技术保护的范围。
[0029]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“目标”和“候选”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0030]此外，还需要说明的是，本专利技术的技术方案中，所涉及的区块链账户的账户信息、区块链账户地址和链上激励元素数额等的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
[0031]实施例一
[0032]图1为本专利技术实施例一提供的一种基于区块链的联邦学习激励方法的流程图，本实施例可适用于金融信贷业务场景下实现智能风控的情况，该方法可以由基于区块链的联邦学习激励装置来执行，该装置可以采用硬件和/或软件的形式实现，具体可配置于区块链网络中。如图1所示，该方法包括：
[0033]S101、响应于服务请求方发起的在线预测服务调用请求，生成在线预测服务的访问令牌；在线预测服务调用请求包括在线预测服务标识和候选链上激励元素数额。
[0034]其中，服务请求方可以是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区块链的联邦学习激励方法，其特征在于，应用于区块链网络，所述方法包括：响应于服务请求方发起的在线预测服务调用请求，生成在线预测服务的访问令牌；所述在线预测服务调用请求包括在线预测服务标识和候选链上激励元素数额；根据服务请求方的账户信息、所述访问令牌、所述在线预测服务标识和所述候选链上激励元素数额，从所述服务请求方的区块链账户中冻结所述候选链上激励元素数额；响应于服务提供方发起的包括访问令牌的收益分配请求，并根据所述访问令牌确定目标预测模型；根据所述候选链上激励元素数额，为所述目标预测模型关联的联邦学习参与方分配链上激励元素数额。2.根据权利要求1所述的方法，其特征在于，根据所述候选链上激励元素数额，为所述目标预测模型关联的联邦学习参与方分配链上激励元素数额，包括：根据所述目标预测模型，查询所述目标预测模型关联至少一个联邦学习参与方的贡献度；根据所述贡献度和所述候选链上激励元素数额，确定所述联邦学习参与方的目标链上激励元素数额，并将所述目标链上激励元素数额分配至所述联邦学习参与方区块链账户中。3.根据权利要求2所述的方法，其特征在于，在将所述目标链上激励元素数额分配至所述联邦学习参与方区块链账户中的同时，所述方法还包括：从所述服务请求方的区块链账户中扣除所述目标链上激励元素数额。4.根据权利要求1所述的方法，其特征在于，响应于服务请求方发起的在线预测服务调用请求，生成在线预测服务的访问令牌之前，所述方法还包括：响应于联邦学习发起方发起的在线预测服务注册请求；所述在线预测服务注册请求包括在线预测服务及其关联的目标预测模型。5.根据权利要求1所述的方法，其特征在于，响应于服务请求方发起的在线预测服务调用请求，生成在线预测服务的访问令牌之前，所述方法还包括：响应于联邦学习协调方发起的贡献度存储请求，所述贡献度存储请求包括目标预测模型标识和至少一个联邦学习参与方对训练所述目标预测模型的贡献度；获取并存储所述至少一个联邦学习参与方对训练所述目标预测模型的贡献度。6.一种基于区...

【专利技术属性】
技术研发人员：赵宁，兰春嘉，
申请(专利权)人：上海零数众合信息科技有限公司，
类型：发明
国别省市：