[发明专利]区块链模型训练方法、装置、存储介质及电子设备

说明书

本公开涉及一种区块链模型训练方法、装置、存储介质及电子设备，所述方法应用于区块链网络中的目标节点，所述目标节点为区块链节点集合中的任一区块链节点，所述区块链节点集合中的各个区块链节点部署有模型训练智能合约，所述方法包括：从所述区块链网络的区块链中获取当前的全局模型；通过本地的训练样本训练所述全局模型，得到更新模型；向区块链节点集合中的，所述模型训练智能合约的背书节点发送模型更新请求，所述模型更新请求包括所述更新模型的模型信息，所述模型更新请求用于请求所述背书节点根据自身的样本数据对所述更新模型进行测试；接收所述背书节点的第一测试结果；根据所述更新模型以及所述第一测试结果更新当前的全局模型。

技术领域

本公开涉及信息技术领域，具体地，涉及一种区块链模型训练方法、装置、存储介质及电子设备。

背景技术

联邦学习是一种旨在训练高质量的集成模型的机器学习框架，通过这种框架所取得的实验效果与整合多方数据并集中进行建模的效果相差无几。并且，与相关的同类技术相比，联邦学习架构具有不需要昂贵的加密硬件、平台开源等优点。

但是，在一些场景中，联邦学习还面临着信息安全方面的挑战。

发明内容

本公开的目的是提供一种区块链模型训练方法、装置、存储介质及电子设备，以解决上述相关技术问题。

为了实现上述目的，根据本公开实施例的第一方面，提供一种区块链模型训练方法，应用于区块链网络中的目标节点，所述目标节点为区块链节点集合中的任一区块链节点，所述区块链节点集合中的各个区块链节点部署有模型训练智能合约，所述方法包括：

从所述区块链网络的区块链中获取当前的全局模型；

通过本地的训练样本训练所述全局模型，得到更新模型；

向所述区块链节点集合中的，所述模型训练智能合约的背书节点发送模型更新请求，所述模型更新请求包括所述更新模型的模型信息，所述模型更新请求用于请求所述背书节点根据自身的样本数据对所述更新模型进行测试；

接收所述背书节点的第一测试结果；

根据所述更新模型以及所述第一测试结果更新当前的全局模型。

可选地，所述区块链中保存有公开测试集，所述向所述区块链节点集合中的，所述模型训练智能合约的背书节点发送模型更新请求之前，包括：

获取所述公开测试集；

根据所述公开测试集对所述更新模型进行测试，得到第二测试结果；

确定所述第二测试结果满足所述模型训练智能合约中的预设条件。

可选地，各所述区块链节点具有预设的节点权重，所述根据所述更新模型以及所述第一测试结果更新当前的全局模型，包括：

根据所述第一测试结果，确定各背书节点根据自身的样本数据对所述更新模型测试得到的测试误差率；

通过各个背书节点的节点权重以及该背书节点的测试误差率，计算所述更新模型的模型误差率；

基于所述模型误差率计算所述更新模型的模型权重；

根据所述更新模型以及所述更新模型的模型权重，更新当前的全局模型。

可选地，包括：

获取所述目标节点的训练样本的数量以及所述区块链节点集合的训练样本总数量；

获取训练得到所述更新模型时的训练次数以及预设的总训练次数；

根据所述目标节点的训练样本的数量、所述训练样本总数量、训练得到所述更新模型时的训练次数以及总训练次数，计算所述更新模型的模型权重的调整系数；