基于区块链的委员会共识协议的联邦学习方法及系统技术方案

本公开涉及基于区块链的委员会共识协议的联邦学习方法及系统，属于区块链技术领域。所述方法包括：步骤S1：任务发布者根据全局模型创建创世区块；步骤S2：基于节点的权重，选举第r次联邦训练的委员会；步骤S3：验证设备和联邦学习参与方从区块B<supgt;(r‑1)</supgt;中获取全局模型V<supgt;(r‑1)</supgt;后，使用本地数据集训练全局模型V<supgt;(r‑1)</supgt;，并将得到的局部模型V<subgt;0</subgt;<supgt;(r)</supgt;和局部模型V<subgt;j</subgt;<supgt;(r)</supgt;对应的梯度更新共享给第r次联邦训练的委员会成员；步骤S4：委员会成员基于局部模型V<subgt;0</subgt;<supgt;(r)</supgt;和局部模型V<subgt;j</subgt;<supgt;(r)</supgt;对应的梯度更新，生成全局模型V<supgt;(r)</supgt;并创建区块B<supgt;(r)</supgt;以及更新节点的权重w<subgt;i</subgt;<supgt;(r)</supgt;后，从步骤S2开始再次执行。本发明专利技术实现了联邦学习架构的去中心化，对拜占庭攻击进行了有效防御，提升了系统的拜占庭鲁棒性。

【技术实现步骤摘要】

本专利技术属于区块链，提出了一种基于区块链的委员会共识协议的联邦学习方法及系统。

技术介绍

1、近年来，随着人工智能技术的迅速发展，对数据的需求急剧上升。然而，由于数据隐私保护的法律法规，传统的人工智能数据处理模式面临着新的挑战。谷歌提出的联邦学习为人工智能开辟了新的研究方向，解决了数据孤岛和数据安全等问题。在联邦学习中，各参与方将本地模型发送给中央服务器，由中央服务器进行模型聚合。然而，这种模式下，网络威胁和参与的客户端数量的增长可能导致中央服务器出现单点故障，从而影响参与方与中央服务器的通信，导致无法进行模型的聚合和更新，进而影响整个联邦学习系统的运行。此外，还面临着安全攻击和隐私攻击等威胁，敌手可能会干扰模型的正常训练或者操纵部分数据或模型，从而破坏全局模型，危害联邦学习系统的运行、模型的准确性和系统的鲁棒性。敌手还可能窃取训练过程的梯度或参数，通过对模型参数进行重构攻击，还原用户的本地训练数据，包括用户数据的成员信息、类代表信息、属性信息等。

2、为了促进联邦学习在数据隐私保护领域的发展，必须解决联邦学习中所面临的关键问题，其中包括单点本文档来自技高网...

【技术保护点】

1.一种基于区块链的委员会共识协议的联邦学习方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述基于节点的权重Wi(r)，选举第r次联邦训练的委员会，包括：

3.根据权利要求1所述的方法，其特征在于，验证设备从区块B(r-1)中获取全局模型V(r-1)后，使用本地数据集训练全局模型V(r-1)，并将得到的局部模型对应的梯度更新共享给第r次联邦训练的委员会成员，包括：

4.根据权利要求3所述的方法，其特征在于，委员会成员基于局部模型和局部模型Vj(r)对应的梯度更新，生成全局模型V(r)V(r)并创建区块B(r)以及更新节点的...

【技术特征摘要】

1.一种基于区块链的委员会共识协议的联邦学习方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述基于节点的权重wi(r)，选举第r次联邦训练的委员会，包括：

3.根据权利要求1所述的方法，其特征在于，验证设备从区块b(r-1)中获取全局模型v(r-1)后，使用本地数据集训练全局模型v(r-1)，并将得到的局部模型对应的梯度更新共享给第r次联邦训练的委员会成员，包括：

4.根据权利要求3所述的方法，其特征在于，委员会成员基于局部模型和局部模型vj(r)对应的梯度更新，生成全局模型v(r)v(r)并创建区块b(r)以及更...

【专利技术属性】
技术研发人员：程宥霖，宋冬梅，芦翔，范婷，
申请(专利权)人：中国科学院信息工程研究所，
类型：发明
国别省市：