【技术实现步骤摘要】
【国外来华专利技术】基于区块链的联邦学习设备、方法和系统
[0001]本公开属于数据处理领域,尤其涉及基于联邦学习的数据处理。
技术介绍
[0002]近几年人工智能技术快速发展,在各行各业得到了很大的应用,借助大数据环境驱动的人工智能进入了黄金发展时期。然而,目前大数据驱动的人工智能技术仍存在一些潜在的问题需要面对和解决:一是数据源的问题,包括有限的数据量和数据的质量问题。在很多行业,数据是以数据孤岛的形式存在的,行业之间甚至行业内数据的整合存在重重障碍。二是数据隐私和数据安全问题。如何在保证数据隐私和安全的情况下有效地整合和利用数据是当前不得不面对的难题。针对这两个问题,已经提出了联邦学习(Federated Learning),其能够帮助多个机构在满足用户隐私保护、数据安全和政府法规的要求下,进行数据使用、学习建模等等。
[0003]随着对于安全性、准确性等的要求进一步提高,有必要提出一种改进的联邦学习架构。
[0004]除非另有说明,否则不应假定本节中描述的任何方法仅仅因为包含在本节中而成为现有技术。同样,除非另有说明,否则关于一种或多种方法所认识出的问题不应在本节的基础上假定在任何现有技术中都认识到。
技术实现思路
[0005]本公开提出了一种改进的联邦学习方法,其中基于区块链来实现联邦学习,特别地利用区块链来优化联邦学习的参与方和/或数据处理,从而能够提高联邦学习的安全性、可靠性和准确性中的至少一者。
[0006]本公开的一个方面涉及一种用于基于区块链的联邦学习的电子设备,包括处理电路, ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种用于基于区块链的联邦学习的电子设备,包括处理电路,被配置为:获取来自联邦学习节点的第一联邦学习相关信息;使得经由区块链基于所述第一联邦学习相关信息,验证联邦学习节点是否能够参与联邦学习;以及将指示能够参与联邦学习的联邦学习节点的指示信息告知联邦学习侧,从而被指示能够参与联邦学习的联邦学习节点能够基于联邦学习进行数据处理。2.根据权利要求1所述的电子设备,其中,所述处理电路进一步配置为:使得经由区块链验证所述第一联邦学习相关信息是否满足联邦学习要求;并且在所述第一联邦学习相关信息满足联邦学习要求的情况下,确认该联邦学习节点能够参与联邦学习。3.根据权利要求1或2所述的电子设备,其中,所述处理电路进一步配置为:使得经由区块链验证所述第一联邦学习相关信息中所包含的至少一个信息是否满足相应的联邦学习要求;并且在所述第一联邦学习相关信息中的至少一个信息满足相应的联邦学习要求的情况下,确认所述联邦学习节点能够参加联邦学习。4.根据权利要求1
‑
3中任一项所述的电子设备,其中,所述处理电路进一步配置为获取来自联邦学习侧的联邦学习参与节点的模型参数;使得经由区块链基于来自联邦学习参与节点的模型参数,生成模型区块;并且将模型区块的生成告知联邦学习侧,使得联邦学习参与节点能够基于所述模型区块进行模型参数优化。5.根据权利要求4所述的电子设备,其中,所述处理电路进一步配置为:验证来自联邦学习参与节点的模型参数的可信性;基于被验证为可信的模型参数,生成模型区块。6.根据权利要求4或5所述的电子设备,其中,所述模型区块包括子模型区块和基于所述子模型区块生成的全局模型区块之一。7.根据权利要求4
‑
6中任一项所述的电子设备,其中,所述处理电路进一步配置为:使得经由区块链基于来自联邦学习参与节点的模型参数,生成子模型区块,并且使得经由区块链对所生成的子模型区块进行聚合以生成全局模型区块。8.根据权利要求1
‑
7中任一项所述的电子设备,其中,所述处理电路进一步配置为:获取来自联邦学习节点的第三联邦学习相关信息;使得经由所述区块链基于第三联邦学习相关信息,验证是否发起经由区块链执行联邦学习;以及在验证能够发起经由区块链执行联邦学习的情况下,将所述第三联邦学习相关信息中的至少一部分发送给联邦学习侧。9.根据权利要求8所述的电子设备,其中,所述第三联邦学习相关信息与所述第一联邦学习相关信息中所包含的信息的类型至少部分相同。10.根据权利要求1
‑
9中任一项所述的电子设备,其中,所述第一联邦学习相关信息包括联邦学习节点的身份信息、数据元数据信息、模型参数信息、模型元数据信息中的至少一者。
11.根据权利要求10所述的电子设备,其中,所述模型参数信息和模型元数据信息中的至少一者由联邦学习节点进行本地模型训练而生成。12.根据权利要求10所述的电子设备,其中,所述数据元数据信息包括数据属性信息,数据结构信息、数据分布信息中的至少一者;和/或所述模型参数信息包括模型类型、模型权重、模型梯度中的至少一者;和/或所述模型元数据信息包括联邦学习参与节点的标识符、模型类型、本地训练样本数、本地模型训练精度、联邦学习参与状况信息中的至少一者。13.根据权利要求1
‑
12中任一项所述的电子设备,其中,联邦学习节点中的至少一者属于区块链侧中的节点。14.一种用于基于区块链的联邦学习的电子设备,所述电子设备包括处理电路,其被配置为:将第一联邦学习相关信息传输至区块链侧;获取来自区块链侧的指示与所述电子设备相关联的联邦学习节点能否参与联邦学习的指示信息,所述指示信息是经由区块链对所述第一联邦学习相关信息进行验证而生成的;以及在基于所述指示信息确定与所述电子设备相关联的联邦学习节点能够参与联邦学习的情况下,使得结合联邦学习侧的能够参与联邦学习的各联邦学习节点基于联邦学习进行数据处理。15.根据权利要求14所述的电子设备,其中,所述处理电路进一步配置为:获取全局模型参数,所述全局模型参数是基于联邦学习侧的能够参与联邦学习的各联邦学习节点的模型参数而生成的;并且基于所述全局模型参数进行模型优化。16.根据权利要求14所述的电子设备,其中,所述处理电路进一步配置为:获取联邦学习侧的能够参与联邦学习的各联邦学习节点的模型参数;通过对各联邦学习节点的模型参数进行聚合以生成全局模型参数;并且将所述全局模型参数发送给各联邦学习节点。17.根据权利要求14所述的电子设备,其中,所述处理电路进一步配置为:将由联邦学习节点通过本地模型训练获得的模型参数发送至区块链侧;获取全局模型区块,所述全局模型区块是经由区块链基于联邦学习侧的能够参与联邦学习的各联邦学习节点的模型参数而生成的;并且基于所述全局模型区块进行本地模型优化。18.根据权利要求14所述的电子设备,其中,所述处理电路进一步配置为:获取经由区块链...
【专利技术属性】
技术研发人员:马丽萌,王达,杨爱东,欧阳晔,
申请(专利权)人:亚信科技中国有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。