[发明专利]一种联邦学习框架的构建方法、装置、介质及设备

权利要求书

1.一种联邦学习框架的构建方法，其特征在于，所述方法由区块链系统执行，所述区块链系统包括委员会节点和普通节点；所述方法包括：

通过所述委员会节点收集训练执行节点训练好的局部模型和局部梯度；其中，所述局部模型和局部梯度由训练执行节点通过私有密钥进行签名；

由区块链中任一节点对所述局部模型的签名进行验证并将验证结果同步记录于所有区块链节点中；

通过所述委员会节点验证所述局部模型的有效性；

所述委员会节点将通过验证的所述局部模型聚合生成聚合模型，并将所述聚合模型分发所述训练执行节点进行迭代训练，直至迭代完成。

2.根据权利要求1所述的方法，其特征在于，所述委员会节点将通过验证的所述局部模型聚合生成聚合模型，包括：

统计各个委员会节点对验证有效的局部模型和局部梯度的统计数量；

若每个委员节点的统计数量超过阈值θ，则对所述局部模型进行梯度聚合生成所述聚合模型。

3.根据权利要求1所述的方法，其特征在于，在通过所述委员会节点收集训练执行节点训练好的局部模型和局部梯度之前，所述方法还包括：

若检测到委员会节点的选举触发事件，则获取区块链中各节点的节点信任值；

根据节点信任值的比较结果，进行委员会成员的更替。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对所述区块链系统中的数据结构进行重构，得到所述区块链系统的数据双向跳跃链，其中，所述数据双向跳跃练为包括普通区块和锚区块的链式结构；所述锚区块包括链式结构中先前区块的哈希值和变色龙哈希函数提供的未来区块的哈希值。

5.根据权利要求1所述的方法，其特征在于，在通过所述委员会节点收集训练执行节点训练好的局部模型和局部梯度之前，所述方法还包括：

构建所述基于区块链系统的联邦学习框架的系统架构。

6.根据权利要求5所述的方法，其特征在于，在构建所述基于区块链系统的联邦学习框架的系统架构之后，所述方法还包括：

基于所述联邦学习框架的系统架构，由委员会节点向各个普通节点分发训练模型，供具有数据的训练执行节点对所述模型的局部进行训练，得到局部模型和局部梯度。

7.根据权利要求1所述的方法，其特征在于，将所述聚合模型分发所述训练执行节点进行迭代训练，直至迭代完成，包括：

若所述训练执行节点用本地数据验证所述聚合模型的结果达到识别率要求，则确定迭代完成。

8.一种联邦学习框架的构建装置，其特征在于，所述装置配置于区块链系统，所述区块链系统包括委员会节点和普通节点；包括：

局部参数收集模块，用于通过所述委员会节点收集训练执行节点训练好的局部模型和局部梯度；其中，所述局部模型和局部梯度由训练执行节点通过私有密钥进行签名；

签名验证模块，用于由区块链中任一节点对所述局部模型的签名进行验证并将验证结果同步记录于所有区块链节点中；

局部模型验证模块，用于通过所述委员会节点验证所述局部模型的有效性；

模型聚合分发模块，用于所述委员会节点将通过验证的所述局部模型聚合生成聚合模型，并将所述聚合模型分发所述训练执行节点进行迭代训练，直至迭代完成。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的联邦学习框架的构建方法。

10.一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的联邦学习框架的构建方法。