[发明专利]基于GAN和区块链的数据生成及去中心化加密联邦框架

摘要

本发明针对工业实际生产中存在的数据类型不平衡、传统联邦学习框架中存在的缺陷，提出了一种基于GAN和区块链的数据生成及去中心化加密联邦框架GAN‑DGEFL(Generative Adversarial Networks‑Decentralized And Gradient Encryption Federate Learning)。由于工业实际生产过程中设备出现故障的概率较小，因此产生的异常数据量也较少，若直接使用原始数据进行训练可能会出现模型过拟合及泛化能力差的问题。因此提出了基于生成对抗网络对异常数据进行生成，以解决数据不平衡的问题。同时传统联邦学习框架的融合节点只有一个且梯度在传输过程中容易受到攻击，因此结合区块链及信息加密的思想，提出了去中心化及梯度加密联邦框架以解决传统联邦学习框架中存在的缺陷。