[发明专利]基于联邦学习的区块链工业物联网数据共享方法

说明书

本发明涉及一种基于联邦学习的区块链工业物联网数据共享方法，属于工业物联网技术领域。该方法将各物联网终端设备采集到的数据通过网络传输到本地区块链上，需要共享的数据在本地区块链进行训练无损学习模型，将结果传递参数到共享区块链，共享区块链上存储相同训练模型并对传入结果进行整合计算，最后将结果反馈给用户使用。本发明保证了隐私数据不被泄露，企业可以根据需求选择参与运算的区块以及数据，节约运算性能。在数据共享传输的过程中，只传输运算结果和模型参数密文，采用同态加密传输机制，保障传输的安全性。

技术领域

本发明属于工业物联网技术领域，涉及密码学、区块链技术、信息安全、工业物联网技术领域，具体涉及一种基于联邦学习的区块链工业物联网数据共享方法。

背景技术

工业物联网数据共享一直是人们关心的热点话题之一。工业物联网设备众多，各企业独立存储和维护各自数据，常出现数据孤岛；设备之间每时每刻都产生着海量的数据；隐私数据泄露等安全性问题经常出现。区块链具有去中心化、透明可信、强安全的共识机制特性，越来越多企业选择将工业物联网数据放在区块链上，在内部实现数据共享。当数据需要跨企业共享时，信任就成了最大的问题，人们并不希望把数据直接共享出去，因为数据之间可能含有部分敏感数据，而直接“脱敏”会影响数据的计算结果准确度，同时也担心在传输的过程中因为窃听等原因造成数据泄露。这些都让跨企业数据共享和跨企业大数据科学研究之路变得更加艰难。

联邦学习是一种新兴的人工智能基础技术，其设计目标是在保障大数据共享交换时的信息安全、保护终端个人数据隐私、保证合法合规的前提下，在多参与者或多计算节点之间开展高效率的机器学习，有望成为下一代人工智能协同算法和协作网络的基础。因其强大的隐私保护能力和打破“数据孤岛”的能力，能很好的解决上述问题。

发明内容

有鉴于此，本发明的目的在于提供一种基于联邦学习的区块链工业物联网数据共享方法，保证区块链中保持的隐私数据不被泄露，企业可以根据需求选择参与运算的区块以及数据，节约运算性能。

为达到上述目的，本发明提供如下技术方案：

一种基于联邦学习的区块链工业物联网数据共享方法，将各物联网终端设备采集到的数据通过网络传输到本地区块链上，需要共享的数据在本地区块链进行训练无损学习模型，将结果传递参数到共享区块链，共享区块链上存储相同训练模型并对传入结果进行整合计算，最后将结果反馈给用户使用；具体包括以下步骤：

S1：数据准备阶段；

S2：密钥生成阶段；

S3：数据加密与传输；

S4：数据解密阶段；

S5：数据共享阶段。

进一步，步骤S1中，数据准备阶段具体包括：

S11：n个不同的传感器收集到的数据分别定义为D₁，D₂，D₃，…，D_n，分别存放在区块B₁，B₂，B₃，…，B_n上；每个企业都有各自的区块链，分别存放各自的数据；

S12：传感器采集到的数据D₁,D₂,D₃,…,D_n，根据保密等级不同及数据量大小放入不同的企业区块上；共享数据的时候，企业用户可以根据实际需求及保密等级选择共享数据D_i；