一种基于区块链可验证安全的联邦学习方法技术

本发明专利技术提供了一种基于区块链可验证安全的联邦学习方法。该方法包括：各个参与方从区块链上下载全局模型，在本地进行训练得到本地模型，将本地模型数据上传至区块链，参与方从区块链上下载其余参与方本轮上传的本地模型，对其余参与方的本地模型进行检测和评分，将评分结果上传至区块链上；智能合约对所用参与方上传的评分结果进行统计和评分，择优选择性能较好的多个本地模型进行聚合，得到最新的全局模型，智能合约根据当前轮次的各个参与方行为进行信誉评分，将各个参与方的信誉评分结果存储在区块链上。本发明专利技术方法通过让参与方依据欧氏距离计算模型相似度，可以同时检测出联邦学习中的多种投毒攻击，可以最大程度保证全局模型的性能表现。型的性能表现。型的性能表现。

【技术实现步骤摘要】
一种基于区块链可验证安全的联邦学习方法


[0001]本专利技术涉及联邦学习
，尤其涉及一种基于区块链可验证安全的联邦学习方法。

技术介绍

[0002]联邦学习作为一种新的机器学习框架，目标是做到“数据不动模型动”，其允许多方参与者在不提供本地原始数据的条件下进行协作学习，通过上传每一轮次训练好的本地模型到中央服务器进行聚合，多次迭代后得到一个全局模型。在保证用户数据隐私安全的前提下，打破数据孤岛。
[0003]区块链作为近年来最为火热的技术之一，是可以用于存储交易记录和一切数据的分布式账本。区块链具有去中心化、数据可溯源、难以篡改、公开透明等鲜明特点，是解决多方协作和多方信任问题的一把利器。
[0004]现有技术中的一种基于区块链的联邦学习可信融合激励方法的处理过程包括：
[0005]步骤S101:在多轮联邦学习过程中，获取各个参与节点的基础信用度和预设的节点等级临界值；
[0006]步骤S102：针对每一轮迭代学习，根据参与节点的基础信用度和前一轮的信用度更新参与节点在当前轮迭代学习的信用度，通过比较所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区块链可验证安全的联邦学习方法，其特征在于，包括：步骤S1:任务发布方初始化一个全局模型，将所述全局模型存储在区块链上，将参与训练的参与方授权进入区块链系统；步骤S2:各个参与方从区块链上下载全局模型，将全局模型在本地进行训练得到本地模型，将本地模型上传至区块链，区块链将接收到的本地模型进行存储；步骤S3:参与方从区块链上下载其余参与方本轮上传的本地模型，利用自己的本地模型对其余参与方的本地模型进行检测和评分，将评分结果上传至区块链上；步骤S4:智能合约对所用参与方上传的评分结果进行统计，为每一个本地模型进行评分，并择优选择性能较好的本地模型进行聚合，得到最新的全局模型，将最新的全局模型存储在区块链上，以便下一轮训练；步骤S5：智能合约根据当前轮次的各个参与方行为进行信誉评分，并将各个参与方的信誉评分结果存储在区块链上；步骤S6：继续进行上述步骤S2
‑
步骤S5的处理过程，进行下一轮迭代，直到训练结束。2.根据权利要求1所述的方法，其特征在于，所述的步骤S1:任务发布方初始化一个全局模型，将所述全局模型存储在区块链上，将参与训练的参与方授权进入区块链系统，包括：步骤S11:任务发布方发布一个联邦学习任务，并初始化一个全局模型，将所述全局模型存储在区块链上；步骤S22:授权合格的n个参与方进入区块链系统；步骤S33:各个参与方提交押金，获得初始信誉值。3.根据权利要求2所述的方法，其特征在于，所述的步骤S2:各个参与方从区块链上下载全局模型，将全局模型在本地进行训练得到本地模型，将本地模型上传至区块链，区块链将接收到的本地模型进行存储，包括：步骤S21:参与方从区块链上下载全局模型；步骤S22:参与方利用本地原始数据训练全局模型，得到本地模型，利用智能合约将本地模型上传到区块链上，区块链将本地模型进行存储。4.根据权利要求3所述的方法，其特征在于，所述的参与方从区块链上下载其余参与方本轮上传的本地模型，利用自己的本地模型对其余参与方的本地模型进行检测和评分，将评分结果上传至区块链上，包括：步骤S31:参与方从区块链上下载其余所有参与方在当前轮次上传的本地模型；步骤S32:参与方利用欧式距离分别计算自己的本地模型与其余所有本地模型之间的模型相似度，并记录在本地，表示为{x1，x2，x3，...，x
n
‑1}；步骤S33:如果某一模型相似度...

【专利技术属性】
技术研发人员：王伟，伍羽放，鲍旭华，陈国荣，刘敬楷，刘铭，李超，段莉，金一，刘吉强，李浥东，
申请(专利权)人：深信服科技股份有限公司，
类型：发明
国别省市：