[發明專利]一種基于區塊鏈的分布式聯邦學習方法、裝置及終端設備

有效

• 申請號: 202110692794.2
• 申請日: 2021-06-22
• 公開（公告）號: CN113408746B
• 公開（公告）日: 2023-03-14
• 發明（設計）人: 黃子湛;楊晴;王暉;張勝利;王滔滔
• 申請（專利權）人: 深圳大學
• 主分類號: G06N20/20
• 分類號: G06N20/20;G06F16/27
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 溫宏梅

本申請公開了一種基于區塊鏈的分布式聯邦學習方法、裝置及終端設備，方法包括：確定預先創建的區塊鏈；參與者節點通過智能合約確定全局模型參數，基于全局模型參數更新本地網絡模型的模型參數，基于本地訓練數據對更新后的本地網絡模型進行訓練以得到本地模型參數；參與者節點將本地模型參數發送至智能合約，并通過智能合約聚合接收到的所有本地模型參數以更新全局模型參數；通過智能合約確定本輪訓練過程中各參與者節點各自對應的獎勵資源。本申請通過使用區塊鏈上的智能合約來實現傳統聯邦學習中的中央服務器的功能，從而使用能夠進行可信計算的智能合約來代替聯邦學習中的中央服務器，可以解決聯邦學習中的中央服務器不可信的問題。

技術領域

本申請涉及區塊鏈技術領域，特別涉及一種基于區塊鏈的分布式聯邦學習方法、裝置及終端設備。

背景技術

在工業4.0的進程中，數據信息的充分利用已經成為了企業推動產業變革的重要力量。但出于隱私保護的考慮以及企業之間的競爭，小公司能夠掌握的數據量相對較少，這不利于這些公司在工業4.0進程中的發展。而聯邦學習這一技術的出現則一定程度上解決了小公司掌握的數據量較少的問題。即這些公司可以先在本地利用自己的數據進行模型訓練，之后將訓練后的本地模型上傳到中央服務器進行聚合。接著各個公司再從服務器下載聚合后的全局模型并以此為基礎繼續利用自己的數據進行本地訓練，以得到性能更好的全局模型。

目標普遍使用的聯邦學習框架需要借助一個可信任的中央服務器來協調整個聯邦學習過程，也就是說，在傳統的聯邦學習過程中，參與者會預先選擇一個第三方作為中央服務器以協助其完成模型訓練過程。但是，中央服務器無法保證完全誠實的，從而使得聯邦學習過程存在安全性問題。

因而現有技術還有待改進和提高。

發明內容

本申請要解決的技術問題在于，針對現有技術的不足，提供一種基于區塊鏈的分布式聯邦學習方法、裝置及終端設備。

為了解決上述技術問題，本申請實施例第一方面提供了一種基于區塊鏈的分布式聯邦學習方法，所述的方法包括：

確定預先創建的區塊鏈，其中，所述區塊鏈至少包括參考聯邦學習的參與者節點以及用于執行聯邦學習任務的智能合約；

參與者節點向聯邦學習對應的智能合約發送調用交易，并通過所述智能合約確定全局網絡模型的全局模型參數；

參與者節點基于所述全局模型參數更新其自身存儲的本地網絡模型的模型參數，并基于本地訓練數據對更新后的本地網絡模型進行訓練以得到本地模型參數；

參與者節點將所述本地模型參數發送至所述智能合約，并通過所述智能合約聚合所述智能合約接收到的所有本地模型參數，以更新全局網絡模型的全局模型參數；

通過智能合約確定本輪訓練過程中各參與者節點各自對應的獎勵資源，并將所述獎勵資源寫入區塊鏈中。

所述基于區塊鏈的分布式聯邦學習方法，其中，所述區塊鏈還包括聯邦學習的請求者節點；所述參與者節點向聯邦學習對應的智能合約發送調用交易，并通過所述智能合約確定全局網絡模型的全局模型參數之前，所述方法還包括：

所述請求者節點將全局網絡模型存儲于預設存儲空間，并且在所述智能合約中寫入全局網絡模型對應的訓練參數。

所述基于區塊鏈的分布式聯邦學習方法，其中，所述參與者節點向聯邦學習對應的智能合約發送調用交易，并通過所述智能合約確定全局網絡模型的全局模型參數具體包括：

參與者節點向聯邦學習對應的智能合約發送調用交易，通過所述調用交易獲取所述智能合約攜帶的全局網絡模型的哈希值；

參考者節點根據所述哈希值獲取預設存儲空間中的全局模型參數。