[发明专利]一种基于有向无环图的去中心化异步联邦学习方法

摘要

本发明提供了一种基于有向无环图的去中心化异步联邦学习方法，包括以下步骤：S1：在智能合约中初始化全局有向无环图和联邦学习训练相关参数；S2：各客户端使用基于累计权重的随机游走算法从全局有向无环图中选取k个未验证节点，k是开始联邦学习之前商定的参数；S3：各客户端验证共识层所选取的k个未验证节点，若验证不通过则从全局有向无环图中重新获取未验证节点；S4：各客户端从验证通过的节点中提取模型，然后聚合这些模型为一个新的模型，之后在聚合的新模型基础上继续进行若干轮训练；S5：新模型训练完成后，生成新节点，并将客户端本地有向无环图结构更新到全局有向无环图,重复S2‑S5，直到联邦学习任务完成；S6：联邦学习任务完成后，将全局有向无环图存储在智能合约中，智能合约根据各客户端的贡献发放奖励；该发明与传统联邦学习相比，每个客户端可以异步获取模型，无需等待服务器的聚合，弥补了不同客户端的算力差异，并且由于有验证节点的步骤，避免了恶意节点对全局模型的攻击，提高了性能。