[发明专利]一种基于区块链医疗数据共享的联邦学习方法

权利要求书

1.一种基于区块链医疗数据共享的联邦学习方法，其特征在于，包括以下步骤：

步骤1，建立区块链网络；

步骤2，模型所有者将机器学习模型上传到区块链网络的星际文件系统IPFS，并通过设置区块链网络中合约层的多个智能合约组成的Orchestrator对联邦学习流程进行规划；

步骤3，数据所有者从区块链网络的星际文件系统IPFS中获取加密的自己的数据和断点，再对加密数据进行解密；

步骤4，数据所有者使用解密后的数据，根据Orchestrator规划联邦学习流程对机器学习模型进行训练，获得机器学习模型的训练梯度；

步骤5，数据所有者对获得的训练梯度加上噪声实现差分隐私，再将训练梯度发送给安全聚合器；

步骤6，区块链网络的分布式不可篡改账本记录机器学习过程中的训练事件；安全聚合器为训练记录生成一个nonce并发送给参与训练的医疗机构，在区块链上记录下该条训练记录的哈希值hash(K,nonce)；

步骤7，安全聚合器对数据所有者传输的训练梯度进行加密，并将全部数据所有者传输的训练梯度进行汇集，对机器学习模型进行更新。

2.根据权利要求1所述的基于区块链医疗数据共享的联邦学习方法，其特征在于，步骤1，具体的，使用FISCO BCOS区块链底层平台搭建区块链网络，以数据拥有者作为区块链网络节点；设置星际文件系统IPFS(Inter-Planetary File System)对医疗数据进行链下储存。

3.根据权利要求1所述的基于区块链医疗数据共享的联邦学习方法，其特征在于，步骤5中的差分隐私，具体的，对于一个随机化算法M，假如满足下式：

Pr[M(x)∈s]≤e^εPr[M(y)∈s]+δ

且对于所有的都成立，那么称这个算法M满足(ε,δ)差分隐私；其中ε是单次查询对于隐私预算的消耗；

当外界观测者在从某个数据集中获取结果时，无法得知某个个体是否被用到，那么说明该数据集满足差分隐私。

4.根据权利要求1所述的基于区块链医疗数据共享的联邦学习方法，其特征在于，步骤6中hash(K,nonce)的K，具体的，区块链网络设置两个公开的参数，素数q和它的原根a；设某次训练中某个数据拥有者和安全聚合器的私钥分别为pri₁,pri₂，双方计算并公开：

则得到

5.根据权利要求1所述的基于区块链医疗数据共享的联邦学习方法，其特征在于，步骤7中安全聚合器对数据所有者传输的训练梯度进行加密，具体的，加密方式为工作者选择worker selection，即令安全聚合器只随机选择收集到的梯度的一部分来生成输出，而医疗机构无从得知自己上传的梯度是否被选中。