[发明专利]基于区块链和联邦学习的可信网络应用方法和装置

说明书

本申请提一种基于区块链和联邦学习的可信网络应用方法、装置、计算机设备和存储介质，包括：构建基于区块链的可信网络；在所述可信网络中获取所述区块链各个节点上的节点子数据；各个所述节点上设置有相同的初始网络模型，各个节点获取到节点上的网络数据训练所述初始网络模型，得到模型参数，作为所述节点子数据；对所述区块链所有节点上的节点子数据进行聚合运算，得到聚合数据；基于所述可信网络，将所述聚合数据分别发送至所述区块链的各个所述节点上进行初始网络模型的模型参数更新，得到训练完成的网络模型。本申请在多方之间进行交互时，不会之间进行数据的交互，而是进行模型参数的交互，不会造成数据的泄露，提高数据安全性。

技术领域

本申请涉及区块链技术领域，特别涉及一种基于区块链和联邦学习的可信网络应用方法、装置、计算机设备和存储介质。

背景技术

在目前众多的应用场景中，其通过涉及到多方之间的交互过程，其中包括多方之间进行的数据交换。目前数据在多方之间进行交互时，若直接进行数据的传输时，容易造成数据泄露，泄露隐私等，安全性很低。

发明内容

本申请的主要目的为提供一种基于区块链和联邦学习的可信网络应用方法、装置、计算机设备和存储介质，旨在解决目前多方之间进行数据交互时安全性低的缺陷。

为实现上述目的，本申请提供了一种基于区块链和联邦学习的可信网络应用方法，包括以下步骤：

构建基于区块链的可信网络；

在所述可信网络中获取所述区块链各个节点上的节点子数据；各个所述节点上设置有相同的初始网络模型，各个节点获取到节点上的网络数据训练所述初始网络模型，得到模型参数，作为所述节点子数据；

对所述区块链所有节点上的节点子数据进行聚合运算，得到聚合数据；

基于所述可信网络，将所述聚合数据分别发送至所述区块链的各个所述节点上进行初始网络模型的模型参数更新，得到训练完成的网络模型。

进一步地，所述初始网络模型包括第一神经网络模型以及第二神经网络模型；所述各个节点获取到节点上的网络数据训练所述初始网络模型，得到模型参数的步骤，包括：

基于获取到的网络数据训练所述第一神经网络模型，得到第一网络模型以及第一网络模型的第一模型参数；其中，所述第一网络模型包括特征提取层以及分类层；

基于所述第一网络模型提取所述网络数据的特征向量；

将所述特征向量输入至所述第二神经网络模型中进行训练，得到第二网络模型以及第二网络模型的第二模型参数；

将所述第一模型参数以及所述第二模型参数作为所述节点子数据。

进一步地，所述对所述区块链所有节点上的节点子数据进行聚合运算，得到聚合数据的步骤，包括：

对所有节点发送的第一模型参数进行聚合运算，得到第一聚合数据；

对所有节点发送的第二模型参数进行聚合运算，得到第二聚合数据；

将所述第一聚合数据以及第二聚合数据作为所述聚合数据。

进一步地，所述在所述可信网络中获取所述区块链各个节点上的节点子数据的步骤之前，还包括：

接收各个所述节点发送的参数信息；

根据所有节点发送的参数信息，按照预设规则生成一个加密密码；

将所述加密密码发送至各个所述节点；其中，所述加密密码用于各个所述节点对发送的所述节点子数据进行加密。

进一步地，所述参数信息为节点的序号以及标识信息；