【技术实现步骤摘要】
本专利技术涉及群学习领域，尤其涉及基于零知识证明的防投毒攻击群学习方法及系统。
技术介绍
1、群学习(swarm learning)是一种基于区块链和分布式学习的隐私保护框架，由多个学习节点在没有中央控制器的情况下相互合作与协调，共同完成机器学习训练。与联邦学习类似，群学习也是旨在让分散的各个参与方在不暴露各自敏感数据的前提下,共同协作进行模型的构建和训练，但其结合了分布式机器学习和区块链的技术优势，不需要中心服务器或协调方，各训练节点间直接沟通，权力对等，训练节点可以根据需要加入或离开，有较高的安全性和容错性。
2、与集中式学习相比，群学习和联邦学习都具有分布式存储，计算和私有数据保留的优势。参与者(训练节点)交换或上传的是本地训练的模型参数(密文)，这保护了参与者的隐私，但由于不会将训练样本发送给可信机构并进行检查，使得汇总和更新全局模型的过程更容易受到投毒攻击。
3、基于区块链的群学习框架，可以通过使用私有链的方式增加信任基础，并采用智能合约限制模型聚合阈值，但这种方式高度特定于模型，必须为每个模型创建不同...
【技术保护点】
1.一种基于零知识证明的防投毒攻击群学习方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于零知识证明的防投毒攻击群学习方法，其特征在于，该方法还包括步骤：重复进行多轮模型全局模型训练指导模型状态达到收敛，得到目标模型。
3.根据权利要求1所述的基于零知识证明的防投毒攻击群学习方法，其特征在于，数据提供方具体基于DH密钥交换协议，采用单编码加法聚合算法对本地局部模型参数添加盲化值进行加密。
4.根据权利要求1所述的基于零知识证明的防投毒攻击群学习方法，其特征在于，全局模型训练任务具体由任务发起方通过预设的任务共享合约进行任...
【技术特征摘要】
1.一种基于零知识证明的防投毒攻击群学习方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于零知识证明的防投毒攻击群学习方法，其特征在于，该方法还包括步骤：重复进行多轮模型全局模型训练指导模型状态达到收敛，得到目标模型。
3.根据权利要求1所述的基于零知识证明的防投毒攻击群学习方法，其特征在于，数据提供方具体基于dh密钥交换协议，采用单编码加法聚合算法对本地局部模型参数添加盲化值进行加密。
4.根据权利要求1所述的基于零知识证明的防投毒攻击群学习方法，其特征在于，全局模型训练任务具体由任务发起方通过预设的任务共享合约进行任务注册，写入全局模型训练任务的基本信息。
5.根据权利要求1所述的基于零知识证明的防投毒攻击群学习方法，其特征在于，在任务发起之前，所有参与方均已在数据标识合约中上传己方数据元信息及其对应的数据标识。
6.根据权利要求5所述的基于零知识证明的防投...
【专利技术属性】
技术研发人员：王丽，崔昌，孟庆树，董逢华，
申请(专利权)人：武汉天喻信息产业股份有限公司，
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。