【技术实现步骤摘要】
本申请涉及互通信，尤其涉及一种基于联盟链的去中心化联邦学习方法、装置、计算机设备及存储介质。
技术介绍
1、传统的联邦学习通常采用星形网络拓扑，由一个中心服务器与多个参与设备组成。然而，随着参与设备数量的增加，中央服务器将面临巨大的通信与计算压力。为了缓解中央服务器通信压力，研究人员提出了基于云边端的分层联邦学习的概念，通过边缘服务器与中央服务器的分层聚合来缓解中心服务器通信瓶颈的问题，然而这种方式需要增加额外的设备成本。此外，在联邦学习中，参与设备本地的数据集经常呈现出数据异构的特征，即各个参与设备的数据分布存在较大的差异，例如，每个参与设备可能只包含某些分类别的有限数据样本。这种数据异构情形可能导致全局模型性能降低。为了解决数据异构的问题，提出了间接共享本地数据分布的方式，然而共享数据分布可能会增加隐私泄露的风险。因此，如何在无需额外设备成本的情况下缓解中心服务器的通信压力并提高训练安全性成为亟待解决的重要问题。
技术实现思路
1、本申请提供了一种基于联盟链的去中心化联邦学习方法、装置、计算机设备及存储介质，以缓解中心服务器的通信压力并提高训练安全性。
2、第一方面，本申请提供了一种基于联盟链的去中心化联邦学习方法，所述方法包括：
3、在接收到待处理的联邦学习任务时，基于任务发布合约以及所述待处理的联邦学习任务，发布训练任务；
4、在组织主设备接收到所述训练任务时，基于所述训练任务，确定参与任务设备，并基于所述参与任务设备，生成至少一个环形集
5、基于所述组织主设备获取待训练全局模型；
6、基于所述环形集群以及所述待训练全局模型，在所述参与任务设备中确定参与训练设备，并基于所述参与训练设备生成环形路由表；
7、基于所述组织主设备、所述环形集群以及所述环形路由表，对所述待训练全局模型进行处理，获得所述待训练聚合模型对应的全局聚合模型。
8、第二方面，本申请还提供了一种基于联盟链的去中心化联邦学习装置，所述装置包括：
9、训练任务发布模块，用于在接收到待处理的联邦学习任务时，基于任务发布合约以及所述待处理的联邦学习任务，发布训练任务；
10、环形集群生成模块，用于在组织主设备接收到所述训练任务时，基于所述训练任务，确定参与任务设备，并基于所述参与任务设备，生成至少一个环形集群；
11、全局模型获取模块，用于基于所述组织主设备获取待训练全局模型；
12、环形路由表生成模块，用于基于所述环形集群以及所述待训练全局模型，在所述参与任务设备中确定参与训练设备，并基于所述参与训练设备生成环形路由表；
13、全局聚合模型获得模块，用于基于所述组织主设备、所述环形集群以及所述环形路由表，对所述待训练全局模型进行处理，获得所述待训练聚合模型对应的全局聚合模型。
14、第三方面，本申请还提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的基于联盟链的去中心化联邦学习方法。
15、第四方面，本申请还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程序，所述计算机程序被处理器执行时使所述处理器实现如上述的基于联盟链的去中心化联邦学习方法。
16、本申请公开了一种基于联盟链的去中心化联邦学习方法、装置、计算机设备及存储介质，在接收到待处理的联邦学习任务时，基于任务发布合约以及所述待处理的联邦学习任务，发布训练任务；在组织主设备接收到所述训练任务时，基于所述训练任务，确定参与任务设备，并基于所述参与任务设备，生成至少一个环形集群；基于所述组织主设备获取待训练全局模型；基于所述环形集群以及所述待训练全局模型，在所述参与任务设备中确定参与训练设备，并基于所述参与训练设备生成环形路由表；基于所述组织主设备、所述环形集群以及所述环形路由表，对所述待训练全局模型进行处理，获得所述待训练聚合模型对应的全局聚合模型。通过上述方式，该方法可以将参与任务设备按照组织和环形集群的层次进行划分，组织主设备与环形集群中的各个参与训练设备可以共同对待训练全局模型进行处理，可以在无需额外设备成本的情况下缓解中心服务器(即组织主设备)的通信压力，并且，对待训练全局模型进行处理时，组织主设备与环形集群中的各个参与训练设备之间仅共享模型参数，无其他数据传输，避免了数据泄露，进而提高了训练的安全性。
本文档来自技高网...【技术保护点】
1.一种基于联盟链的去中心化联邦学习方法，其特征在于，包括：
2.根据权利要求1所述的基于联盟链的去中心化联邦学习方法，其特征在于，所述基于所述组织主设备、所述环形集群以及所述环形路由表，对所述待训练全局模型进行处理，获得所述待训练聚合模型对应的全局聚合模型，包括：
3.根据权利要求2所述的基于联盟链的去中心化联邦学习方法，其特征在于，所述基于所述环形集群以及所述环形路由表，对所述待训练全局模型进行训练，获得环形优化模型，包括：
4.根据权利要求2所述的基于联盟链的去中心化联邦学习方法，其特征在于，所述基于所述环形集群以及所述组织主设备，对所述环形聚合模型进行加权聚合，获得组织聚合模型，包括：
5.根据权利要求1所述的基于联盟链的去中心化联邦学习方法，其特征在于，所述基于所述训练任务，确定参与任务设备，并基于所述参与任务设备，生成至少一个环形集群，包括：
6.根据权利要求5所述的基于联盟链的去中心化联邦学习方法，其特征在于，所述基于所述环形集群以及所述待训练全局模型，在所述参与任务设备中确定参与训练设备，并基于所述参与训
7.根据权利要求1-6任一项所述的基于联盟链的去中心化联邦学习方法，其特征在于，所述基于所述组织主设备、所述环形集群以及所述环形路由表，对所述待训练全局模型进行处理，获得所述待训练聚合模型对应的全局聚合模型之后，还包括：
8.一种基于联盟链的去中心化联邦学习装置，其特征在于，包括：
9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至7中任一项所述的基于联盟链的去中心化联邦学习方法。
...【技术特征摘要】
1.一种基于联盟链的去中心化联邦学习方法，其特征在于，包括：
2.根据权利要求1所述的基于联盟链的去中心化联邦学习方法，其特征在于，所述基于所述组织主设备、所述环形集群以及所述环形路由表，对所述待训练全局模型进行处理，获得所述待训练聚合模型对应的全局聚合模型，包括：
3.根据权利要求2所述的基于联盟链的去中心化联邦学习方法，其特征在于，所述基于所述环形集群以及所述环形路由表，对所述待训练全局模型进行训练，获得环形优化模型，包括：
4.根据权利要求2所述的基于联盟链的去中心化联邦学习方法，其特征在于，所述基于所述环形集群以及所述组织主设备，对所述环形聚合模型进行加权聚合，获得组织聚合模型，包括：
5.根据权利要求1所述的基于联盟链的去中心化联邦学习方法，其特征在于，所述基于所述训练任务，确定参与任务设备，并基于所述参与任务设备，生成至少一个环形集群，包...
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。