[发明专利]一种基于SIGMA协议的联邦学习贡献度评估方法

权利要求书

1.一种基于SIGMA协议的联邦学习贡献度评估方法，其特征在于，该方法包括如下步骤：

步骤一：模型训练方向各个参与模型训练的参与方发送当前批次的模型、模型参数、不可篡改的可信执行程序和非交互SIGMA协议及相关参数；所述可信执行程序包含测试模块和哈希函数沙箱H(x)；

步骤二：参与方利用本地数据集对模型训练得到梯度，运行可信执行程序，由可信执行程序提取参与方的梯度，并使用梯度对模型进行更新，运行可信执行程序中的测试模块测试新模型的准确率，然后计算该梯度的贡献度；

所述测试模块包含一个测试数据集，并保存了待训练模型的当前准确率；在对更新后的模型进行准确率测试后，计算更新前后的准确率变化，记为对应梯度的贡献度；

步骤三：参与方根据非交互SIGMA协议的加密算法对可信执行程序提取的梯度进行编码得到x_i，并使用加密算法的两个生成元分别对其加密得到x_iG、x_iH，发送至模型训练方；

步骤四：参与方产生一个随机值，对该随机值进行编码得到v_i，再次使用协议中加密算法的两个生成元分别对其加密得到v_iG、v_iH，参与方随后将当前生成的所有密文输入可信执行程序中的哈希函数沙箱H(x)，由沙箱输出哈希值c，并使用公式Com_i＝v_i-x_ic生成承诺Com_i；

步骤五：参与方上传承诺Com_i、v_iG、v_iH和梯度的贡献度至模型训练方，模型训练方使用当前已接收到的x_iG、x_iH、v_iG、v_iH和备份的哈希函数沙箱H(x)计算出哈希值c；验证式子v_iG＝rG+c(x_iG)和v_iH＝rH+c(x_iH)是否成立，若成立，则模型训练方验证通过，说明该参与方上传的密文梯度和其本地参与更新和测试的梯度明文是对应的，将该梯度密文与其贡献度绑定记录在数据库中；若验证不通过，则说明密文与其明文不对应，放弃记录该梯度，并向参与方反馈错误。

2.根据权利要求1所述的基于SIGMA协议的联邦学习贡献度评估方法，其特征在于：所述SIGMA协议使用椭圆曲线加密算法或离散对数加密算法，协议内还包括加密算法中的某两个生成元G、H。

3.根据权利要求1或2所述的基于SIGMA协议的联邦学习贡献度评估方法，其特征在于：所述可信执行程序具有签名功能，每当运行某模块完成后，都将对运行结果进行签名，第三方可以通过查询签名确认程序是否正常运行。

4.根据权利要求2所述的基于SIGMA协议的联邦学习贡献度评估方法，其特征在于：所述哈希函数沙箱H(x)的输入为所有参与验证运算的密文，输出为一个随机值，且输入不同时，输出的随机值也不同。