[发明专利]一种基于孪生链的区块链数据跨链交互方法

说明书

本发明提供了一种面向群体学习(Swarm Learning，SL)的跨链信息交互方法。本发明包括由多链组成的孪生链架构，实现异构区块链的互操作；基于Stackelberg博弈的多领导多追随者的激励机制，鼓励孪生链中的角色积极、诚实地参与跨链共识；证明了博弈中存在一个独特的Stackelberg均衡(SE)，提出基于乘法交替方向法(ADMM)的最优解求解算法；评估了孪生链交互的平均延迟和吞吐量的性能，对所提出的激励机制进行了数值模拟，结果表明，本发明提出的机制能够共同实现孪生链中每个参与者角色的奖励最大化。本申请能够实现异构区块链间的数据交互，并实现基于异构区块链的群体学习。

技术领域

本发明涉及一种基于多孪生链的异构区块链跨链数据交互方法，可助力基于多异构链的群体学习。

背景技术

作为一种代表性的去中心化隐私保护机器学习范式，SL引起了巨大的关注，它已经被用于车联网、去中心化医疗等多个场景。SL将机器学习与许可区块链结合起来，安全地分享参数，减轻了集中式学习方式存在的模型合并和数据合并中的隐私问题。模型在SL节点的私有本地数据上独立训练。基于许可区块链，授权参与者能够以去中心化的方式分享和更新本地模型。

然而，现有的SL应用依赖于一个许可区块链，这限制了参与者的可操作范围。本发明考虑了一个由多组织维护的多个区块链的SL框架。在这种假设下，全局和局部模型的更新需要通过区块链的互操作来完成。模型更新的工作流程可以概括为两个主要步骤。首先，在每个组织内部，本地模型由SL节点进行训练和更新，并通过许可区块链分别进行合并。其次，组织之间通过多个基于区块链的群体网络进行互动，以更新其本地合并的模型并维护全局模型的状态信息。

SL中的模型共享可以被表述为各组织者维护的区块链之间的数据传输。因此关键问题是设计异构区块链间的数据互操作方法，并保证数据传输的安全性。每个组织可能以不同的数据结构、共识协议等来部署和应用区块链，这使得区块链之间的互动具有挑战性。为了使异构区块链能够以去中心化的方式相互操作，本发明提出了孪生链，一种新颖的跨链交互平台，其基本思想是将异构区块链通信转换成同构链交互，且不引入第三方。本发明引入了一个去中心化的多链方案作为孪生链的关键组成部分，并提出了孪生链区块格式规则、构建机制、交易生成方法和分层混合共识。在混合共识中，系统给予积极、合法、有贡献的角色相应的奖励。具体的，将参与角色的行为建模为Stackelberg博弈。通过理论分析，得到了带有均衡约束的纳什均衡。在此基础上，我们知道角色之间的最优策略可以实现。

发明内容

本发明的目的是设计异构区块链的数据跨链交互方法，以拓展现有的SL框架。提出基于孪生链的区块链数据跨链交互架构。孪生链是由多个轻量级同构区块链组成的多链架构，独立于源链而存在。共包含三个角色，分别为连接者、验证者和投资者。连接者负责源链和孪生链之间的连接和映射。群体学习中的每个组织将被分配多个连接者，连接者有权限访问、阅读和修改组织管理的区块链。验证者负责生成包含目标参数数据的区块，并验证交易和区块的合法性，根据共识协议实现目标区块的上传。它从目标孪生链获取参数，实现包含目标数据的交易的生成，并将其放入接受参数的孪生链的共享交易池。验证者能够验证孪生链内的交易和跨孪生链的交易。投资者负责投资和背书验证者生成的交易。在包含目标参数的交易生成并写入区块后，投资者可以选择是否对该区块投资一定数量的资金。当区块最终被确认时，投资者将被系统支付与投资金额相应的奖励。相反，如果该区块没有发布，投资者将损失之前投入的资金。