[发明专利]基于状态通道的联邦学习任务可信监管与调度方法及装置

说明书

本发明提供一种基于状态通道的联邦学习任务可信监管与调度方法及装置，该方法包括：通过面向数据共享的链上和链下的数据存储结构，将关键数据上链，以对数据的完整性进行校验；基于智能合约面向联邦学习数据共享场景，建立结合节点信誉值的细粒度数据访问控制模型，以保证节点身份；基于状态通道的模型训练过程可信监管机制，在进行模型训练过程的各参与方之间建立状态通道，并将模型训练过程产生的交易转移到链下完成。本发明引入许可链设计混合联邦学习架构，通过用户代理注册的方式，将节点的身份信息和资源信息存储于区块链，并通过设计链上‑链下的数据存储结构，确保数据真实性，实现数据可信查验，保证联邦学习过程的数据存储可信。

技术领域

本发明涉及可信监管技术领域，尤其涉及一种基于状态通道的联邦学习任务可信监管与调度方法及装置。

背景技术

随着大数据和物联网技术的发展和应用，网络数据爆炸式增长，边缘设备突破通信时延和带宽的束缚，广泛参与到分布式应用中。基于边缘计算技术构建的分布式智能系统迅速增加，企业获得大量价值数据。为充分挖掘数据价值，避免产生数据孤岛，协同共享分散数据，增强数据价值传递，成为了网络发展的必然趋势。但与此同时，用户对于隐私问题的关注度也日渐提高，隐私保护相关条款及法律相继出台，原始数据的共享受到了极大限制。企业普遍希望通过数据共享，强化数据分析，改良产品设计，优化生产计划，提高企业效益，提升企业竞争力。

在这一背景下，联邦学习技术进入大众视野，并作为收集用户键盘输入数据的有效工具得到应用。联邦学习技术能够在实现数据价值聚合的同时，避免原始数据传输造成的数据隐私泄露问题，以数据模型替代原始数据进行价值传递，减轻因大量数据传递造成的网络通信压力，所以联邦学习技术在数据共享领域受到了广泛的关注。作为数据价值聚合的有效工具，联邦学习技术充分发展，目前已经在车联网、工业物联网和智慧城市等许多场景中得到了应用。

然而，由于跨域多利益体间的可信问题难以解决，联邦学习技术的应用多局限于单一业务系统，跨域数据共享的应用较少，这使得数据价值难以得到真正的发挥。为了进一步推动数据共享应用的发展，针对跨域数据共享过程中的可信问题亟待解决。

发明内容

针对现有技术存在的问题，本发明提供一种基于状态通道的联邦学习任务可信监管与调度方法及装置。

本发明提供一种基于状态通道的联邦学习任务可信监管与调度方法，包括：

通过面向数据共享的链上和链下的数据存储结构，将关键数据上链，以对数据的完整性进行校验；

基于智能合约面向联邦学习数据共享场景，建立结合节点信誉值的细粒度数据访问控制模型，以保证节点身份；

基于状态通道的模型训练过程可信监管机制，在进行模型训练过程的各参与方之间建立状态通道，并将所述模型训练过程产生的交易转移到链下完成。

根据本发明提供的一种基于状态通道的联邦学习任务可信监管与调度方法，所述方法还包括：

构建联邦学习任务可信监管类别，所述联邦学习任务可信监管类别包括数据存储可信监管、用户身份可信监管、训练过程可信监管以及训练结果可信监管。

根据本发明提供的一种基于状态通道的联邦学习任务可信监管与调度方法，所述方法还包括数据共享流程，所述数据共享流程由数据请求方、许可链、本地节点和全局节点参与，所述数据请求方、本地节点和全局节点是通过代理注册得到的，所述许可链由所述数据请求方、本地节点和全局节点共同支撑和维护。

根据本发明提供的一种基于状态通道的联邦学习任务可信监管与调度方法，所述通过面向数据共享的链上和链下的数据存储结构，将关键数据上链，以对数据的完整性进行校验，包括：

以交易的形式，将数据共享过程中的关键数据上链存储，所述交易包括用户注册交易、数据注册交易和数据共享交易。