[发明专利]基于区块链的联邦学习数据参与方贡献值计算和激励方法

权利要求书

1.一种基于区块链的联邦学习数据参与方贡献值计算和激励方法，其特征在于，该方法包括：

对数据参与方的本地训练模型进行特征提取，获得模型更新数据；

数据需求方对所述模型更新数据解码，得到中间验证模型；

数据需求方对中间验证模型分批次评估，得到评估指标；

根据所述评估指标计算所述数据参与方的贡献度；

根据所述数据参与方的贡献度，向数据参与方分配激励值；

将数据参与方的激励值和地址形成奖励队列放入区块链上；

所述模型更新数据包括梯度变化、本地训练模型版本号、本地训练模型数据集大小、数据参与方身份识别；

所述梯度变化采用梯度下降算法，具体为：

δ_li＝T′_li-T_li

其中，δ_li表示第i个数据参与方的第l轮次的梯度变化，T′_li表示第i个数据参与方的第l轮次中本地数据训练后的梯度，T_li表示数据参与方第l轮次本地数据训练前的梯度；

所述数据参与方的贡献度计算完成后，对梯度变化进行更新，更新方法为：

其中，T_li表示第i个数据参与方的第l轮次的本地数据训练前的梯度，η_li表示第i个数据参与方的评估指标，δ_li表示第i个数据参与方第l轮次的梯度变化，N表示数据参与方的数量；

所述评估设置边缘阈值thres_bad和thres_good，当指标小于thres_bad时，评价等级为bad；当指标大于thres_good时，评价等级为good；当指标处于两个阈值之间时，评价等级为uncertain，分别用阶跃函数b(a_ij)、g(a_ij)和u(a_ij)表示：

汇总各类评估结果，表示为：

并对汇总结果进行归一化处理，表示为：

根据各批次测试和评估结果得到第i个数据参与方第l轮次的评估指标η_li，表示为：

η_li＝normal_goodi+k*normal_uncertaini

其中，m表示数据需求方对中间验证模型共分m批次进行评估，j表示数据需求方第j批次评估；

normal_badi表示第i个数据需求方评价等级为bad的归一化结果，normal_goodi表示第i个数据需求方评价等级为good的归一化结果，normal_uncertaini表示第i个数据需求方评价等级为uncertain的归一化结果；k表示评价等级为uncertain的数据被接收为评价等级为good的系数；

所述数据参与方的贡献度为：

con_i＝cost_iη_li

其中，con_i表示第i个数据参与方的贡献度，cost_i＝λn_i，η_li表示第i个数据参与方第l轮次的评估指标，cost_i表示本地训练模型的训练成本，n_i表示第i个数据需求方本地训练集大小；λ为相关系数；

所述数据参与方的激励值r_i为：

其中，W表示中间验证模型的总贡献度，R表示数据需求方提供的奖励总额；con_i表示第i个数据参与方的贡献度，N表示数据参与方的数量。

2.根据权利要求1所述的基于区块链的联邦学习数据参与方贡献值计算和激励方法，其特征在于，所述本地训练模型是数据参与方基于自身的本地数据对分发的模型训练得到。

3.根据权利要求1所述的基于区块链的联邦学习数据参与方贡献值计算和激励方法，其特征在于，将奖励队列放入区块链上包括：

针对每个数据参与方，数据需求方取出奖励队列中该数据参与方的奖励信息，对奖励信息进行私钥加密，将数据参与方的转账信息、私钥、密文以及非对称解密验证码存储在区块链上。