← 返回列表

一种区块链监管与激励下的联邦学习数据共享方法

申请号: CN202311811235.4
申请人: 齐鲁工业大学(山东省科学院)
申请日期: 2023/12/27

摘要文本

本发明公开了一种区块链监管与激励下的联邦学习数据共享方法,属于数据共享技术领域,要解决的技术问题为如何结合区块链和联邦学习实现数据共享。联邦学习参与者与聚合节点配合执行数据共享任务、并分别通过区块链向星际文件系统IPFS发起数据共享事务,聚合节点对最终的全局模型加密后发送至区块链并返回联邦学习请求者;计算中心执行节点贡献任务、并通过区块链向星际文件系统IPFS发起节点贡献事务,基于预定义于区块链的智能合约对参与数据共享任务的聚合节点和计算中心进行贡献值计算,并基于预定义于区块链的智能合约对参与数据共享任务的各节点进行信誉值计算。。 (更多数据,详见马克数据网)

专利详细信息

项目 内容
专利名称 一种区块链监管与激励下的联邦学习数据共享方法
专利类型 发明授权
申请号 CN202311811235.4
申请日 2023/12/27
公告号 CN117472866B
公开日 2024/3/19
IPC主分类号 G06F16/176
权利人 齐鲁工业大学(山东省科学院)
发明人 卢之琰; 禹继国; 王桂娟; 董安明; 韩玉冰; 黄耀
地址 山东省济南市长清区大学路3501号

专利主权项内容

1.一种区块链监管与激励下的联邦学习数据共享方法,其特征在于,应用于区块链、联邦学习框架以及星际文件系统IPFS之间,所述方法包括如下步骤:数据共享参与方作为节点注册至区块链,并通过区块链向星际文件系统IPFS发起节点注册事务,通过节点注册事务记录节点注册信息,节点注册信息包括节点的标识信息、节点本地数据集的数据信息、节点的角色标识值、节点的公钥、节点的信誉值、事务标识以及时间戳;作为联邦学习请求者的节点向区块链发送数据共享请求,并通过区块链向星际文件系统IPFS发起数据共享事务,通过数据共享事务记录数据共享请求信息,数据共享请求信息包括节点的标识信息、联邦学习的初始模型、联邦学习的数据要求及训练指标、支付价格、事务标识以及时间戳;区块链验证数据共享请求的有效性后,基于数据共享请求筛选并确认参与数据共享任务的节点,为确认参与数据共享任务的节点分配角色,选择一个节点作为计算中心、一个节点作为聚合节点、其他节点作为联邦学习参与者,并基于分配的角色更新对应节点的角色标识值;联邦学习参与者与聚合节点配合执行数据共享任务、并分别通过区块链向星际文件系统IPFS发起数据共享事务,执行数据共享任务时,联邦学习参与者及聚合节点访问星际共享系统IPFS并将初始模型下载至本地,基于数据共享任务、联邦学习参与者和聚合节点配合进行迭代模型训练直至得到最终的全局模型,聚合节点对最终的全局模型加密后发送至区块链并返回联邦学习请求者,其中,数据共享事务用于记录对应节点在执行数据共享任务时上传的数据;对于执行完成的数据共享任务,对应的计算中心执行节点贡献任务、并通过区块链向星际文件系统IPFS发起节点贡献事务,基于预定义于区块链的智能合约对参与数据共享任务的聚合节点和计算中心进行贡献值计算,并基于预定义于区块链的智能合约对参与数据共享任务的各节点进行信誉值计算,其中,执行节点贡献任务时,计算中心通过区块链访问星际文件系统IPFS、基于智能合约中定义的奖励机制对参与数据共享任务的联邦学习参与者进行贡献值计算,并通过节点贡献事务记录节点贡献相关信息,节点贡献相关信息中包括计算中心的标识信息、事务标识、时间戳以及联邦学习参与者的标识信息、贡献值和应得利润;基于数据共享任务、联邦学习参与者和聚合节点配合进行迭代模型训练直至得到最终的全局模型,对于每轮模型训练,包括如下步骤:每个联邦学习参与者基于本地数据对本地模型进行模型训练,得到本地模型的梯度,并将本地模型的梯度上传聚合节点;聚合节点对所有联邦学习参与者本地模型的梯度进行聚合计算,得到全局模型的更新梯度,基于全局模型的更新梯度对全局模型进行更新,并将全局模型的更新梯度下发至各联邦学习参与者,每个联邦学习参与者基于全局模型的更新梯度对本地模型进行更新,并进行下一轮模型训练,直至达到训练指标;其中,聚合节点通过FedAvg方法对所有联邦学习参与者本地模型的梯度进行聚合,计算公式如下:
,其中,表示全局模型的更新梯度,/>表示学习率,K表示联邦学习参与者的数量,表示第i个训练参与方本地模型的梯度;基于全局模型的更新梯度对全局模型进行更新,计算公式如下:
,其中,表示更新后的全局模型,/>表示更新前的全局模型。