[发明专利]一种应用于区块链的联邦学习方法及装置

说明书

本发明公开了一种应用于区块链的联邦学习方法及装置，其中方法为：第一委员会节点获取来自任一非委员会节点的第一本地模型信息；所述第一委员会节点根据所述第一委员会节点的本地验证数据集和所述第一本地模型信息，确定所述第一委员会节点对所述非委员会节点的第一验证结果；所述第一委员会节点将所述第一验证结果发送至各第二委员会节点；若所述第一委员会节点确定所述各委员会节点对所述第一本地模型信息达成共识，则至少根据所述第一本地模型信息，更新联邦学习模型。上述方法应用于金融科技(Fintech)时，共识所述第一本地模型信息后才准予参与联邦学习模型的训练，从而可以及时发现区块链节点联合作恶。

技术领域

本发明涉及金融科技(Fintech)领域中的计算机软件领域，尤其涉及一种应用于区块链的联邦学习方法及装置。

背景技术

随着计算机技术的发展，越来越多的技术应用在金融领域，传统金融业正在逐步向金融科技(Fintech)转变，但由于金融行业的安全性、实时性要求，也对技术提出的更高的要求。目前，金融科技领域中许多金融策略的调整都依赖于对大量金融交易数据进行联邦学习的结果。区块链是一种分布式储存架构，可以实现各区块链节点的联邦学习，以及实现联邦学习的全局模型的储存和分享。

目前，应用在区块链场景下的联邦学习方法中，是将各区块链节点划分为多个社区，区块链的每个社区在各社区内维护社区的模型，并达成共识后，在多个社区间传输和更新模型。但是，这种虽然减少了传输和存储负担，但由于更新的模型只在社区内共识，如果一个社区内的区块链节点联合作恶(即输出虚假的联邦学习的中间结果)，那么其他诚实的社区很难发现并抵制该社区。因此，目前应用在区块链场景下的联邦学习方法中，存在单个社区联合作恶却不能及时发现的隐患。这是一个亟待解决的问题。

发明内容

本发明提供一种应用于区块链的联邦学习方法及装置，解决了现有技术中存在单个社区联合作恶却不能及时发现的隐患的问题。

第一方面，本发明提供一种应用于区块链的联邦学习方法，包括：第一委员会节点获取来自任一非委员会节点的第一本地模型信息；所述第一本地模型信息是基于所述非委员会节点的本地测试数据集训练得到的；所述第一委员会节点为所述各委员会节点中任一委员会节点；所述第一委员会节点根据所述第一委员会节点的本地验证数据集和所述第一本地模型信息，确定所述第一委员会节点对所述非委员会节点的第一验证结果；所述第一委员会节点将所述第一验证结果发送至各第二委员会节点；所述第一验证结果用于结合各第二验证结果供所述各委员会节点共识所述第一本地模型信息；所述各第二委员会节点为所述各委员会节点中除所述第一委员会节点之外的委员会节点；所述各第二验证结果是根据所述各第二委员会节点的本地验证数据集和所述第一本地模型信息得到的验证结果；若所述第一委员会节点确定所述各委员会节点对所述第一本地模型信息达成共识，则至少根据所述第一本地模型信息，更新联邦学习模型。

上述方法中，第一委员会节点获取到来自非委员会节点的第一本地模型信息后，并不是直接将其用于联邦学习模型的更新，而是先根据所述第一委员会节点的本地验证数据集和所述第一本地模型信息，得到可以验证所述非委员会节点的本地学习结果的第一验证结果，第一验证结果可以结合各第二验证结果供所述各委员会节点共识所述第一本地模型信息，从而通过第一委员会节点的本地验证数据集检验所述第一本地模型信息，减少了所述非委员会节点的作恶空间，在所述第一本地模型信息通过后，所述委员会节点至少根据所述第一本地模型信息，更新联邦学习模型，上述方法并不是先在社区中共识模型，每个委员会节点都会得到对所述非委员会节点的验证结果，且共识所述第一本地模型信息后才准予参与联邦学习模型的训练，从而可以及时发现区块链节点联合作恶。