[发明专利]一种基于区块链的联邦学习训练方法、系统、设备及存储介质

说明书

本发明提供一种基于区块链的联邦学习训练方法、系统、设备及存储介质，通过将本地客户端节点加入组成区块链网络，在根据多种智能合约的协同，将本地客户端节点训练的局部模型梯度在区块链网络节点上进行聚合，最终实现去中心化的、高效的联邦学习训练方法，克服了现有技术存在的单点故障问题及训练数据无法验证审核的问题。

技术领域

本发明涉及机器学习训练领域，特别涉及一种基于区块链的联邦学习训练方法、系统、设备及存储介质，利用区块链技术解决目前联邦学习存在的问题。

背景技术

当今社会，数据隐私和数据安全问题已经成为一个越来越严重的问题。传统的机器学习方法通常需要集中式数据存储和处理，这意味着数据必须被收集到一个地方才能被用于训练模型，这可能会导致数据隐私泄露和安全性问题。

联邦学习(Federated Learning)是一种分布式机器学习方法，它允许多个设备在本地训练模型，并将训练结果上传到中央服务器进行聚合，从而实现模型的更新和改进，而不需要将原始数据集集中在一个地方。联邦学习的出现主要是为了解决中心化训练模型所面临的隐私和安全问题。传统的机器学习方法通常需要将原始数据集集中在一个地方进行训练，但是这种方法会暴露数据隐私，并且可能会遭受攻击。而联邦学习通过在本地训练模型并将模型更新上传到中央服务器进行聚合的方式，保护了数据隐私和安全性，同时也减轻了中央服务器的负担。

当使用联邦学习时，中央服务器通常被用来聚合设备或用户的本地模型更新，以更新全局模型。这种设计确实解决了一些隐私和数据安全问题，但同时也存在一些缺点。

在传统的联邦学习中，中央服务器是整个系统的核心，如果中央服务器遭受攻击或者出现故障，整个系统都将无法正常运行。此外，由于中央服务器需要处理大量的本地模型更新，这可能导致服务器性能问题和可用性问题。因此，当中央服务器成为系统的单点故障时，系统的安全性和可靠性都会受到影响。

此外，联邦学习中存在恶意节点问题，恶意节点可能会故意提交错误的数据或者篡改其他参与方的数据，从而影响模型的训练和准确性。智能合约(Smart Contract)是一种基于区块链技术的自动化合约，可以在没有第三方的情况下实现可编程的、自动化的交易和执行，从而使得合约的执行更加公平、透明、高效和安全。智能合约通常是以代码的形式编写的，它们被嵌入在区块链网络中，并通过区块链节点的共识机制来执行和验证。智能合约可以执行各种各样的任务，例如，数字货币的交易、资产管理、数据存储和权限管理等。智能合约的一个重要特点是自动化执行。一旦智能合约被编写和发布，它就会自动执行，不需要人为干预或第三方机构的介入。这使得智能合约的执行更加快速、高效、可靠和安全。智能合约的另一个特点是去中心化。智能合约不依赖于任何单一的中心化机构，而是基于区块链网络中的多个节点，这意味着智能合约的执行更加公平、透明和去中心化。

发明内容

本发明的旨在解决当前联邦学习中存在的两个重要问题：单点故障和训练数据可审计问题，提出了一种基于区块链的联邦学习训练方法、系统、设备及存储介质。本发明提供的联邦学习训练方法包括至少一个客户端节点、梯度聚合节点、第一合约、第二合约，具体训练步骤如下：

步骤一，至少一个客户端节点利用本地数据集进行训练，每个客户端节点生成一个客户端模型梯度，并将客户端模型梯度发送至梯度聚合节点及第一合约；

步骤二，梯度聚合节点将接收到的全部客户端模型梯度聚合为全局梯度，并将全局梯度发送至第二合约；

步骤三，客户端节点从第二合约中获取全局梯度，并继续执行步骤一。

具体的，在步骤一前还包括：客户端节点采用ECDSA或者国密SM2算法生成公钥和私钥，并将公钥发送给区块链节点；区块链节点将收到的公钥在区块链网络中公开，并将区块链节点的网络配置发送给客户端节点。

进一步的，步骤一还包括：客户端节点将客户端模型梯度对应的任务编号、训练轮次以及客户端节点的签名发送至梯度聚合节点及第一合约。