[发明专利]一种联邦学习框架的构建方法、装置、介质及设备

说明书

本申请实施例公开了一种联邦学习框架的构建方法、装置、介质及设备。其中，该方法包括：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。本技术方案，通过使用私有秘钥对局部模型和局部梯度进行签名，保证模型训练结果的真实性，提高了联邦学习框架的安全性。

技术领域

本申请实施例涉及计算机技术领域，尤其涉及一种联邦学习框架的构建方法、装置、介质及设备。

背景技术

随着人工智能技术的迅速发展，联邦学习等先进的机器学习技术被广泛应用于图像识别、语音识别、智慧城市以及疾病诊断等领域。因此设计一个安全的联邦学习框架来保证训练过程的正确性是亟需解决的一个问题。

目前的联邦学习框架主要通过一个共享密钥对局部模型进行签名，中央服务器如云服务器负责分发、聚合和更新最终用于数据分析任务的模型。每个参与者接受云端分发的初始模型，用本地的数据进行训练每个参与者将更新的局部梯度即模型参数用哈希算法求得数字摘要，用共享密钥对数字摘要加密得数字签名，之后是将数字签名和电子文件原文以及签名证书的公钥加在一起进行封装，形成带有签名的局部梯度并传回云端。云端对来自各个参与者的数据用公钥解密数字签名得出数字摘要；将原文采用同样哈希算法又得一新的数字摘要，将两个数字摘要进行比较，如果二者匹配，说明经数字签名的电子文件传输成功，然后进行聚合形成新的模型再下发。重复这一过程。

然而，现有的方案在进行模型聚合之前，每个参与者使用一个共享密钥来签署梯度，不能保证局部模型的正确性。因此，目前的联邦学习框架很难满足实际应用的安全要求。

发明内容

本申请实施例提供一种联邦学习框架的构建方法、装置、介质及设备，可以通过使用私有秘钥对局部模型和局部梯度进行签名，保证模型训练结果的真实性，提高了联邦学习框架的安全性。

第一方面，本申请实施例提供了一种联邦学习框架的构建方法，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。

第二方面，本申请实施例提供了一种联邦学习框架的构建装置，该装置包括：

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。

第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例所述的联邦学习框架的构建方法。