[发明专利]一种基于许可链的联邦学习激励方法及系统

说明书

本发明公开一种基于许可链的联邦学习激励方法及系统，涉及区块链技术领域，该方法包括：客户端注册和认证，各个客户端向许可链进行注册，许可链对各个客户端进行认证，发放证书；许可链的智能合约运行，从一组符合资格要求的客户端中进行采样；客户端从许可链下载训练模型和程序；客户端通过执行训练程序在本地计算对模型的参数进行更新，并将更新之后的参数进行加密上传到许可链上；许可链节点收到客户端加密的数据，对数据进行解密并进行正确性验证；许可链节点进行共识，共识通过之后，计算客户端的信誉值和贡献值，并生成新的区块；智能合约对模型参数进行聚合，更新参数；智能合约判断是否达到模型预设收敛条件，如果没有则进行下一轮训练，如果到达则终止训练，根据客户端贡献值发放激励。本发明运用许可区块链和智能合约技术，解决联邦学习恶意客户端或参与方利用错误的梯度搜集和参数更新破坏训练的正确性，提供一种激励机制，增加各参与方之间提供数据、更新网络模型参数的积极性，同时提高了隐私数据的安全性。

技术领域

本发明涉及针对区块链领域，特别是涉及一种基于许可链的联邦学习激励方法及系统。

背景技术

许可链是由若干个机构共同参与管理的区块链，每个机构都运行着一个或多个节点，只有被许可的节点才能参与投票、记账、建块。传统的机器学习将数据集中到服务端，通过运行机器学习算法训练相应的模型。当前，随着用户对隐私保护的重视，此类算法面临着巨大的隐私挑战。而联邦学习将用户数据留存在本地，仅收集模型参数，从而大大降低用户数据泄露的风险。

联邦学习系统作为一个多个客户端贡献本地数据合作训练一个统一的模型的学习方法，其局限性在于该模型只依赖于一个单一的中央服务器，容易受到服务器故障的影响以及如何公平地评估各个参与方的贡献量，如何保护数据的隐私性。

基于此，提出一种基于许可链的联邦学习激励方法及系统，解决联邦学习正确性、公平激励机制，以及提高数据的隐私性。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供本发明针对目前技术发展的需求和不足之处，提供一种基于许可链的联邦学习激励方法及系统。

首先，本发明提供一种基于许可链的联邦学习激励方法，解决上述技术问题采的技术方案如下：

S01、客户端注册和认证，各个客户端向许可链进行注册，许可链对各个客户端进行认证，发放证书；

S02、许可链的智能合约运行，从一组符合资格要求的客户端中采样；

S03、客户端从许可链下载训练模型和程序；

S04、客户端通过执行训练程序在本地计算对模型的参数进行更新，并将更新之后的参数进行加密上传到许可链上；

S05、许可链节点收到客户端加密的数据，对数据进行解密并进行正确性验证；

S06、许可链节点进行共识，共识通过之后，计算客户端的信誉值和贡献值，并生成新的区块；

S07、智能合约对模型参数进行聚合，更新参数；

S08、智能合约判断是否达到模型预设收敛条件，如果没有则进行下一轮训练，如果到达则终止训练，根据客户端贡献值发放激励。

其次，本发明还提供一种基于许可链的联邦学习激励系统，解决上述技术问题采的技术方案如下：

一种基于许可链的联邦学习激励系统，其包括：

(1)客户端，为数据拥有方，能够独立在本地进行机器学习训练，可以是各种终端设备也可以是服务器；

(2)许可链，为由若干个机构或单位共同参与管理的区块链，能够提供存储可信交易；