一种结合训练损失和隐私损失的改进Prim区块链网络传输优化方法技术

本发明专利技术涉及一种结合训练损失和隐私损失的改进Prim区块链网络传输优化方法，属于区块链、隐私计算技术领域。首先，将待训练的数据集先加入拉普拉斯噪声后进行本地训练，根据训练结果，获取训练损失L

【技术实现步骤摘要】
一种结合训练损失和隐私损失的改进Prim区块链网络传输优化方法


[0001]本专利技术涉及一种结合训练损失和隐私损失的改进Prim区块链网络传输优化方法，属于区块链、隐私计算


技术介绍

[0002]隐私计算能够在保证隐私安全情况下打通数据孤岛，目前已在政务、金融、医疗中大规模应用。然而，面向工业领域，隐私计算无法满足海量工业数据安全处理。一方面，隐私计算以机器学习、密码学等复杂算法为基础，并缺少专用加速芯片，面对跨行业、跨领域的海量工业数据时，运算效率和通信速率低下。例如，安全多方计算目前单个运算只能够达到ms级，远远无法支撑海量数据处理。另一方面，加密数据本质上是原始数据在一定规则下的映射，攻击者能够反推部分或者全部原始数据，存在较大的安全隐患。例如，联邦学习面临重构攻击、推理攻击、窃取攻击等多类型攻击。

技术实现思路

[0003]本专利技术要解决的技术问题是提供一种结合训练损失和隐私损失的改进Prim区块链网络传输优化方法，从而优化区块链网络中节点之间的通信，提升区块链网络传输可扩展性，平衡数据训练损失和隐私损失之本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合训练损失和隐私损失的改进Prim区块链网络传输优化方法，其特征在于：首先，将待训练的数据集先加入拉普拉斯噪声后进行本地训练，根据训练结果，获取训练损失L
f
和隐私损失L
p
，然后，计算综合损失值，最后，根据节点的综合损失评价值，利用Prim算法构造最小生成树，并选择损失最小的分支上的节点作为共识节点。2.根据权利要求1所述的结合训练损失和隐私损失的改进Prim区块链网络传输优化方法，其特征在于，具体步骤为：Step1：在待训练的本地数据集D
i
＝{(x1,y1),...,(x
i
,y
i
),...,(x
n
,y
n
)}中加入拉普拉斯噪声Lap(b)，而后对加入噪声后的数据集进行训练得到模型参数W
i
，根据训练结果，获取训练损失L
f
；根据加入数据集中的噪声机制计算隐私损失L
p
；Step2：根据式(1)计算综合损失评价值：L
i
＝λL
f
+ηL
p
ꢀꢀꢀ...

【专利技术属性】
技术研发人员：柏粉花，沈韬，刘英莉，张弛，杨俊，曾凯，王青旺，宋健，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：