[发明专利]一种面向群智服务的区块链节点贡献度证明共识方法

权利要求书

1.一种面向群智服务的区块链节点贡献度证明共识方法，其特征在于，包括以下步骤：

S1.获取现有区块链的最后一个区块的时间戳、节点第一次加入区块链的网络时间戳与下线时间戳，计算节点在线贡献度；

S2.本地模型进行训练，计算本地模型质量评估结果交叉熵，确定本地模型贡献度，广播梯度数据进行共享；

S3.计算数据信息熵，统计样本数据量，通过数据信息熵和数据量确定数据贡献度；

S4.通过差分隐私生成对抗网络DPGAN产生用于验证本地模型质量的对抗样本数据集，触发模型参数质量验证智能合约，通过对抗样本数据集对共享得到的梯度数据和本地模型质量评估结果进行验证，若满足验证条件，则执行步骤S5，否则舍弃当前的梯度数据；

S5.参与节点利用本地数据训练，并结合共享得到的梯度数据，聚合得到联合训练模型，完成群智服务协作过程；将节点在线贡献度、本地模型贡献度和数据贡献度相加获取评估节点贡献度，其中节点贡献度评估参与节点对联合训练模型的贡献度，并为参与节点分配与节点贡献度成反比例的工作量证明难度系数，动态调整工作量证明难度，并通过工作量证明达成账本共识；

其中，S2中的内容具体包括：

本地模型进行训练的过程为：群智服务任务发布者向各参与节点分发初始模型;

各参与节点基于初始模型，利用本地数据执行多轮随机梯度下降算法，优化本地模型，迭代固定轮数之后将训练梯度与训练损失进行广播上链；

通过标签数据测试本地模型训练效果，交叉熵是衡量模型质量的损失函数值，通过计算标签数据期望输出与预测结果间的偏差表征模型预测结果与真实结果的逼近程度；

交叉熵越小，则代表模型预测的概率分布越接近真实结果，即模型质量越高；

S3中的数据信息熵表征数据价值，数据量为节点本地训练样本数据量在整体数据样本中的占比；

S4中模型参数质量验证智能合约验证的具体内容包括：

参与节点基于本地训练样本，采用DPGAN产生对抗样本数据集并进行广播；

其他节点收到广播的梯度数据与训练损失，训练损失为本地模型质量评估结果即交叉熵，自动触发模型参数质量验证智能合约，通过对抗样本数据集对共享得到的梯度数据和本地模型质量评估结果进行验证；

如果验证节点训练损失与被验证节点训练损失之差小于预设范围则验证通过，否则验证失败，验证失败后则将所接收到的梯度数据舍弃，以免影响聚合模型准确性。

2.根据权利要求1所述的一种面向群智服务的区块链节点贡献度证明共识方法，其特征在于，S1的具体内容包括：

通过下线时间戳减去节点第一次加入区块链的网络时间戳获取节点的下线时间间隔，通过最后一个区块的时间戳减去节点第一次加入区块链的网络时间戳获取节点在线时间段，将节点在线时间段与下线时间间隔相减获取在线时间贡献度；

通过提前预设的在线时间贡献度调节系数控制在线时间贡献度的比例。

3.根据权利要求1所述的一种面向群智服务的区块链节点贡献度证明共识方法，其特征在于，S5的账本共识具体内容包括：共识过程开始之后，联合训练模型中节点贡献度最高的节点被选为主节点接受交易请求；各节点进行本地训练，将本地训练损失广播给联合训练模型中的其他节点，并以交易形式打包发送；节点本地模型梯度数据与当前轮模型质量评估结果交叉熵打包为区块，竞争后记录在区块链上；为保证记账竞争的公平性，基于工作量证明机制，动态调整工作量证明难度，对节点贡献度大的节点，降低其工作量证明难度，以便质量较高的模型快速上链。

4.一种计算机设备，其特征在于，所述设备包括：存储器和一个或一个以上的处理器；

存储器，用于存储一个或一个以上的程序；

当一个或一个以上的程序被处理器执行时，使得处理器执行如权利要求1-3中任一项所述的方法。

5.一种计算机可读存储介质，其特征在于，存储有计算机可执行指令，指令被处理器执行时实现如权利要求 1-3中任一项所述的方法。