[發明專利]一種基于區塊鏈的物聯網個性化聯邦學習方法

在審

• 申請號: 202110191251.2
• 申請日: 2021-02-19
• 公開（公告）號: CN113052331A
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 王榮;蔡維德
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06N20/20
• 分類號: G06N20/20;G06F21/60;G06F21/64;G16Y30/10
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開一種基于區塊鏈的物聯網個性化聯邦學習方法，涉及區塊鏈技術領域，該方法包括：終端設備和邊緣計算設備注冊和認證，各個終端設備和邊緣計算設備向區塊鏈進行注冊，區塊鏈對各個設備進行認證，并發放證書；區塊鏈智能合約創建聯邦學習任務，初始化訓練模型及參數；終端設備加載數據樣本，卸載到邊緣計算設備上，進行本地模型訓練；邊緣計算設備將本地訓練模型參數加密之后，上傳至區塊鏈，區塊鏈節點共識通過之后，產生新的區塊；智能合約對模型參數進行聚合，聚合模型參數，并更新整體的模型；智能合約判斷是否達到模型預設收斂條件，如果沒有則進行下一輪訓練，如果到達則終止聯邦學習任務；邊緣計算設備基于全局模型信息結合自己數據，訓練個性化模型。本發明解決傳統的聯邦學習的全局模型卻無法滿足物聯網設備在存儲計算和通信能力方面的異構性，同時提高了隱私數據的安全性以及系統的拜占庭容錯性。

技術領域

本發明涉及針對區塊鏈領域，特別是涉及一種基于區塊鏈的物聯網個性化聯邦學習方法。

背景技術

聯邦學習系統作為一個多個客戶端貢獻本地數據合作訓練一個統一的模型的學習方法，其局限性在于該模型只依賴于一個單一的中央服務器，容易受到服務器故障的影響。傳統的聯邦學習的目的是為了獲得一個全局共享的模型，供所有參與者使用。但當各個參與者數據分布不一致時，全局模型卻無法滿足每個聯邦學習參與者對性能的需求，有的參與者甚至無法獲得一個比僅采用本地數據訓練模型更優的模型。

基于此，提出一種基于區塊鏈的物聯網個性化聯邦學習方法，解決物聯網環境中的異構性問題和提高聯邦學習拜占庭容錯性以及提高數據的隱私性。

發明內容

有鑒于現有技術的上述缺陷，本發明所要解決的技術問題是提供本發明針對目前技術發展的需求和不足之處，提供一種基于區塊鏈的物聯網個性化聯邦學習方法。

首先，本發明提供一種基于區塊鏈的聯邦學習激勵方法，解決上述技術問題采的技術方案如下：

S01、終端設備和邊緣計算設備注冊和認證，各個終端設備和邊緣計算設備向區塊鏈進行注冊，區塊鏈對各個設備進行認證，并發放證書；

S02、區塊鏈智能合約創建聯邦學習任務，初始化訓練模型及參數；

S03、終端設備加載數據樣本，卸載到邊緣計算設備上，進行本地模型訓練；

S04、邊緣計算設備將本地訓練模型參數加密之后，上傳至區塊鏈，區塊鏈節點共識通過之后，產生新的區塊；

S05、智能合約對模型參數進行聚合，聚合模型參數，并更新整體的模型；智能合約判斷是否達到模型預設收斂條件，如果沒有則進行下一輪訓練，如果到達則終止聯邦學習任務；

S06、邊緣計算設備基于全局模型信息結合自己數據，訓練個性化模型。

具體的，所涉及物聯網設備可以是各種智能終端，如手機、眼鏡、手表、攝像頭、監控設備等?？蛻舳耸峭ㄟ^區塊鏈進行認證，認證方式可以是數字證書、令牌認證等認證方式。區塊鏈可以是公有鏈、聯盟鏈、私有鏈。智能合約是運行在區塊鏈上，用戶可以通過模板創建聯邦學習任務。終端設備加載數據樣本卸載到邊緣計算設備上，是通過加密的方式進行傳輸，本地模型訓練是通過梯度訓練的方法。加密方式可以是RSA算法、DSA算法、ECC算法、DH算法等非對稱加密算法。模型參數進行聚合是通過智能合約依據區塊鏈上的記錄，聚合模型參數，并更新整體的模型。對收到的模型參數更新方法可以使用加權平均，也可以是中位數取值。區塊鏈將更新之后的模型下發至各參與邊緣計算設備，從而開始新一輪的訓練學習。每個設備根據自己的本地數據重新定義全局模型得到個性化模型，其中全局模型分低層參數和高層參數，個性化模型是通過本地數據對全局模型的高層參數進行微調，來學習本設備的特定特征。

附圖說明