基于区块链实现隐私保护的拜占庭-鲁棒联邦学习方法技术

本发明专利技术公开了基于区块链实现隐私保护的拜占庭‑鲁棒联邦学习方法，包括：基于秘钥生成中心向计算服务器和参与方分发秘钥，通过计算服务器初始化全局模型，将初始化全局模型、参与方提交的担保品上传至区块链系统；各联邦学习的参与方在本地进行当前模型训练，将训练获得的梯度进行归一化、同态加密和签名，将签名上传至区块链系统并把加密后的梯度发送给计算服务器；通过计算服务器对参与方提交的梯度和签名进行验证；基于计算服务器采用加权平均的方法进行梯度聚合，然后更新计算服务器初始化全局模型，并将更新后的全局模型上传至区块链；重复上述步骤，直至模型收敛。本发明专利技术实现了隐私保护，降低了计算服务器的通信开销，提高了整体安全性。

【技术实现步骤摘要】

本专利技术涉及联邦学习、区块链和密码学，尤其涉及基于区块链实现隐私保护的拜占庭-鲁棒联邦学习方法。

技术介绍

1、随着gdpr(general data protection regulation)等隐私保护法案的出现，用户私人数据在中央服务器的直接使用受到了极大限制，人们越来越关注能够保护用户隐私的机器学习方法。2016年，谷歌提出了联邦学习(federated learning,fl)这一新范式。联邦学习可以各参与方能够联合训练机器学习模型，而无需共享他们的本地数据。然而，由于联邦学习框架的中心化和各参与方之间互不信任，传统的联邦学习解决方案很容易受到来自恶意参与方和服务器的中毒攻击。

2、目前已知的克服上述缺陷最好的方案是2022年发表在ieee transactions oninformation forensics and security上的《privacy-preserving byzantine-robustfederated learning via blockchain systems》，以下简称pbfl。pbfl不仅可以抵本文档来自技高网...

【技术保护点】

1.基于区块链实现隐私保护的拜占庭-鲁棒联邦学习方法，其特征在于，包括：

2.根据权利要求1所述的基于区块链实现隐私保护的拜占庭-鲁棒联邦学习方法，其特征在于，所述秘钥生成中心向所述计算服务器和所述参与方分别发放用于同态加密的秘钥对和签名的秘钥对；其中，所述计算服务器只拥有用于同态运算的公钥和用于签名验证的公钥。

3.根据权利要求1所述的基于区块链实现隐私保护的拜占庭-鲁棒联邦学习方法，其特征在于，各联邦学习的所述参与方在本地进行模型训练，包括：

4.根据权利要求3所述的基于区块链实现隐私保护的拜占庭-鲁棒联邦学习方法，其特征在于，将训练获得的梯度进行...

【技术特征摘要】

1.基于区块链实现隐私保护的拜占庭-鲁棒联邦学习方法，其特征在于，包括：

2.根据权利要求1所述的基于区块链实现隐私保护的拜占庭-鲁棒联邦学习方法，其特征在于，所述秘钥生成中心向所述计算服务器和所述参与方分别发放用于同态加密的秘钥对和签名的秘钥对；其中，所述计算服务器只拥有用于同态运算的公钥和用于签名验证的公钥。

3.根据权利要求1所述的基于区块链实现隐私保护的拜占庭-鲁棒联邦学习方法，其特征在于，各联邦学习的所述参与方在本地进行模型训练，包括：

4.根据权利要求3所述的基于区块链实现隐私保护的拜占庭-鲁棒联邦学习方法，其特征在于，将训练获得的梯度进行归一化、同态加密和签名，包括：

5.根据权利要求1所...

【专利技术属性】
技术研发人员：曾兵，赵熙阳，任森婷，覃丽冰，李东，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：