[发明专利]联邦学习中数据的处理方法、装置、电子设备及存储介质

权利要求书

1.一种联邦学习中数据的处理方法，其特征在于，包括：

获取链下数据和链上数据，所述链下数据为各终端上传到分布式数据库上的源数据，所述链上数据为各终端参与联邦学习过程建模得到的存储在区块链上的中间参数；

根据所述链下数据和所述链上数据进行联邦学习过程，更新已建联邦学习模型；其中，联邦学习过程在可信环境下进行。

2.根据权利要求1所述的联邦学习中数据的处理方法，其特征在于，所述源数据为采用非对称加密算法存储在分布式DHT列表中。

3.根据权利要求1所述的联邦学习中数据的处理方法，其特征在于，所述中间参数的上链处理过程包括：

对中间参数加密并封装为交易数据，对所述交易数据进行聚合划分，将划分后的交易数据存储在对应的区块中。

4.根据权利要求1所述的联邦学习中数据的处理方法，其特征在于，在更新已建联邦学习模型后，还包括：

使更新后的联邦学习模型和非联邦学习模型应用于预设的应用场景中进行预测，确定预测结果，根据各自的预测结果进行比较，获得比较结果。

5.根据权利要求1所述的联邦学习中数据的处理方法，其特征在于，在获取链下数据之前，还包括：

对源数据进行质量检测，根据检测结果；

若检测结果为正常，使源数据加密存储，并向对应的终端发送Token数据；若检测结果为异常，放弃源数据，并向对应的终端发送放弃执行信号。

6.根据权利要求1所述的联邦学习中数据的处理方法，其特征在于，所述可信环境为采用IntelSGX架构所建立，相应地，所述源数据由可信环境从分布式DHT列表中读取。

7.根据权利要求3所述的联邦学习中数据的处理方法，其特征在于，在Fabric联盟链上对交易数据进行聚合划分。

8.一种联邦学习中数据的处理装置，其特征在于，包括：

获取模块，用于获取链下数据和链上数据，所述链下数据为各终端上传到分布式数据库上的源数据，所述链上数据为各终端参与联邦学习过程建模得到的存储在区块链上的中间参数；

处理模块，用于根据所述链下数据和所述链上数据进行联邦学习过程，更新已建联邦学习模型；其中，联邦学习过程在可信环境下进行。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述联邦学习中数据的处理方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项权利要求所述联邦学习中数据的处理方法的步骤。