[发明专利]一种提高通信效率和合理分配奖励的隐私保护方法及系统

说明书

本发明涉及隐私保护技术领域，涉及一种提高通信效率和合理分配奖励的隐私保护方法及系统，方法包括：一、在主链上进行训练任务的发布，同时客户端选择需要加入的模型训练；二、任务发起者发布相关配置建立安全训练的侧链；三、训练任务开始时，进行本地训练得到梯度结果之后，将梯度结果的正负值矩阵提取出来，进行对比，进行贡献度的计算和积累，使用同态加密密钥对梯度结果进行加密；四、对梯度结果进行同态聚合运算，进行模型更新；五、将更新后的模型发送至侧链上，迭代训练直至获取目标模型；六、对各个客户端每次通过智能合约设定阈值积累的奖励值进行统计和分发。本发明的通信效率高，分配奖励合理。

技术领域

本发明涉及隐私保护技术领域，具体地说，涉及一种提高通信效率和合理分配奖励的隐私保护方法及系统。

背景技术

目前，为了解决联邦学习梯度结果的可靠性和真实性方面的问题，大多数工作依靠审计方式和奖惩制度来维护系统有序的工作。仅依靠审计方式判断客户端的数据和训练得到梯度结果是否靠，不能够合理的判断出每次训练的梯度结果是否符合训练发起者的全局模型训练方向，如果在联邦学习过程中出现与模型训练方向偏差很大的梯度数据，在一定程度上会减缓收敛速度，影响系统的稳定和奖励的合理分配。

发明内容

本发明的内容是提供一种提高通信效率和合理分配奖励的隐私保护方法及系统，其能够克服现有技术的某种或某些缺陷。

根据本发明的一种提高通信效率和合理分配奖励的隐私保护方法，其包括以下步骤：

一、在主链上进行训练任务的发布，帮助训练发起者找到参与训练的客户端，同时客户端可以根据发布在主链上的训练任务描述选择需要加入的模型训练；

二、等待客户端达到一定数量之后，根据客户端的信息，任务发起者发布相关配置建立安全训练的侧链，侧链将分别在开始和结束锚定在主链上；

三、训练任务开始时，工作节点将初始化模型下载至本地，进行本地训练得到梯度结果之后，将梯度结果的正负值矩阵提取出来，利用部署在各个客户端的智能合约与全局模型的梯度方向进行对比，达到设定阈值标准的客户端梯度结果将被允许上传到区块链中并在侧链上进行贡献度的计算和积累，在客户端进行梯度结果上传之前，使用同态加密密钥对梯度结果进行加密；

四、当一定数量的梯度结果上传到区块链上后，训练发布者将下载梯度结果至本地，侧链将对训练发布方获得的梯度结果进行安全的同态聚合运算，训练发布方获得聚合的结果后进行模型更新；

五、在模型更新后，任务发布者将更新后的模型发送至侧链上，此后依照上述方式进行模型的迭代训练直至获取目标模型；

六、在获取目标模型后，侧链将自动调用主链进行结束锚定，标识本次训练结束，然后对各个客户端每次通过智能合约设定阈值积累的奖励值进行统计和分发。

作为优选，训练过程中，客户端节点每次提交密文梯度时，同时会提交本轮训练数据的RSA累加值，用以后续验证训练数据的有效性。

作为优选，步骤一中，在创世区块上进行任务相关数据的上传，加入训练中的客户端可以下载训练任务数据进行本地数据的训练。

作为优选，在训练中，通过审计的方式对每个参与训练的客户端数据进行审核。

作为优选，审核采用抽样的方式对客户端的数据和梯度结果进行审核，通过零知识证明方法验证数据样本是否存在聚合结果中。

本发明提供了一种提高通信效率和合理分配奖励的隐私保护系统，其采用上述的一种提高通信效率和合理分配奖励的隐私保护方法，并包括：

模型安全训练框架，用于任务的安全多方训练和梯度结果的筛选以及奖励值的统计；

数据审核框架，用于通过审计的方式对每个参与训练的客户端数据进行审核；