[发明专利]基于区块链的模型联合训练方法及装置

说明书

本说明书实施例提供一种基于区块链的模型联合训练方法及装置，在训练方法中，区块链的当前层节点接收对应的上层节点发送的第一训练结果。该第一训练结果至少基于第一类型结果确定，第一类型结果由上层节点基于其在链下维护的私有数据，对其在链上维护的多种模型中的目标模型进行训练后得到。当前层节点基于其链下维护的私有数据，对其在链上维护的多种模型中的目标模型进行训练，得到第二训练结果。对第一训练结果和第二训练结果进行融合，得到融合结果。判断当前层节点是否在最后一个层级。若当前层节点在最后一个层级，则在区块链上广播所述融合结果，以使得多个节点基于融合结果对各自在链上维护的多种模型中的目标模型进行更新。

本申请为2019年12月09日提交的申请号为201911252312.0，名为“基于区块链的模型联合训练方法及装置”的发明专利申请的分案申请。

技术领域

本说明书一个或多个实施例涉及计算机技术领域，尤其涉及一种基于区块链的模型联合训练方法及装置。

背景技术

联邦学习(Federated Learning)，也称联合学习，是一种新兴的人工智能基础技术。其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下，在多参与方(或者计算节点或者主体)之间开展高效率的机器学习。

在传统的模型联合学习或训练过程中，为了确保各方数据的安全性，通常会对各方间交互的数据进行加密，然而其仍然存在数据泄露的风险。

因此，需要提供一种更安全地模型联合训练方法。

发明内容

本说明书一个或多个实施例描述了一种基于区块链的模型联合训练方法及装置，可以在确保各方数据安全的情况下，高效地对模型进行联合训练。

第一方面，提供了一种基于区块链的模型联合训练方法，包括：

接收对应的上层节点发送的第一训练结果；所述第一训练结果至少基于第一类型结果确定；所述第一类型结果由所述上层节点基于其在链下维护的私有数据，对其在链上维护的多种模型中的目标模型进行训练后得到；

基于其链下维护的私有数据，对其在链上维护的多种模型中的所述目标模型进行训练，得到第二训练结果；

对所述第一训练结果和所述第二训练结果进行融合，得到融合结果；

判断所述当前层节点是否在最后一个层级；

若所述当前层节点在最后一个层级，则在所述区块链上广播所述融合结果，以使得所述多个节点基于所述融合结果对各自在链上维护的多种模型中的所述目标模型进行更新。

第二方面，提供了一种基于区块链的模型联合训练方法，包括：

接收对应的上层节点发送的第一训练结果；所述第一训练结果至少包括第一类型结果；所述第一类型结果由所述上层节点基于其在链下维护的私有数据，对其在链上维护的多种模型中的目标模型进行训练后得到；

基于其链下维护的私有数据，对其在链上维护的多种模型中的所述目标模型进行训练，得到第二训练结果；

判断所述当前层节点是否在最后一个层级；

若所述当前层节点在最后一个层级，则对所述第一训练结果和所述第二训练结果进行融合，得到融合结果；

在所述区块链上广播所述融合结果，以使得所述多个节点基于所述融合结果对各自在链上维护的多种模型中的所述目标模型进行更新。

第三方面，提供了一种基于区块链的模型联合训练装置，包括：

接收单元，用于接收对应的上层节点发送的第一训练结果；所述第一训练结果至少基于第一类型结果确定；所述第一类型结果由所述上层节点基于其在链下维护的私有数据，对其在链上维护的多种模型中的目标模型进行训练后得到；