【技术实现步骤摘要】
本专利技术涉及区块链，特别是涉及一种去中心化机器学习模型训练方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、机器学习是综合统计学、概率论、计算机科学等多学科知识，通过计算机系统的自动学习和经验改进来完成某些特定任务的一门学科。机器学习模型从大量的训练数据中学习规律和模式，最终获得对新数据的预测和决策能力。机器学习是典型的数据驱动型任务，模型的最终性能与训练数据的数量和质量紧密相关。传统的机器学习方案通常要求训练方收集大量的数据用于模型训练，这些数据中往往包含各数据提供方的敏感信息，多方数据的集中存储带来了敏感数据隐私泄露的风险。
3、相关研究者针对上述问题进行了一系列深入研究，致力于在保护数据隐私的前提下保证各参与方能够参与数据分析与建模任务。mcmahan等人首次提出了联邦学习框架，允许多方共同进行机器学习模型的联合训练，在训练过程中，各参与方无需向服务器发送任何私有的原始数据，仅通过参数交互的方式便可实现机器学习模型的训练。参与训练任务的各客户端基...
【技术保护点】
1.一种去中心化机器学习模型训练方法，其特征在于，应用于客户端，包括：
2.如权利要求1所述的一种去中心化机器学习模型训练方法，其特征在于，在组内分发模型份额时，每个普通参与方仅接收到其中一个模型份额。
3.如权利要求1所述的一种去中心化机器学习模型训练方法，其特征在于，普通参与方通过秘密分享的分享算法将本地模型拆分成份额的形式，拆分份额的数目为n-1，n为普通参与方的总数。
4.如权利要求1所述的一种去中心化机器学习模型训练方法，其特征在于，各普通参与方对组内其他普通参与方的模型份额进行聚合后，得到小组模型份额：其中，n为普通参与...
【技术特征摘要】
1.一种去中心化机器学习模型训练方法，其特征在于，应用于客户端，包括：
2.如权利要求1所述的一种去中心化机器学习模型训练方法，其特征在于，在组内分发模型份额时，每个普通参与方仅接收到其中一个模型份额。
3.如权利要求1所述的一种去中心化机器学习模型训练方法，其特征在于，普通参与方通过秘密分享的分享算法将本地模型拆分成份额的形式，拆分份额的数目为n-1，n为普通参与方的总数。
4.如权利要求1所述的一种去中心化机器学习模型训练方法，其特征在于，各普通参与方对组内其他普通参与方的模型份额进行聚合后，得到小组模型份额：其中，n为普通参与方的总数，为模型份额，g为小组。
5.如权利要求...
【专利技术属性】
技术研发人员：赵川，吴昊，赵圣楠，荆山，徐俊，鞠雷，
申请(专利权)人：泉城省实验室，
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。