[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

说明书

本发明公开了一种面向群智服务的区块链节点贡献度证明共识方法，该方法包括：根据节点在线时间、本地模型质量与数据贡献度三个方面竞争区块链分布式账本的记账权；基于工作量证明机制，动态调整挖矿难度系数，贡献度越大节点挖矿难度越低，提升节点参与公平性；参与节点通过贡献度证明共识算法争夺记账权，从而获取平台奖励。奖励积分可用于下载区块链上记录的共享参数，用于提升本地模型质量；为避免本地模型质量参数造假，通过触发智能合约自动验证群智服务参与节点本地模型参数。

技术领域

本发明涉及区块链技术领域，更具体的说是涉及一种面向群智服务的区块链节点贡献度证明共识方法。

背景技术

群智服务是由群体性的智能边缘节点协作提供服务，联邦学习是典型的应用框架之一。联邦学习是一种协作式的机器学习框架，参与协作的节点利用本地数据训练本地模型，通过参数服务器进行模型聚合，实现多来源数据的预测效果。在联邦学习模型聚合过程中需要区块链节点的多方共识验证，然而现有的共识算法并不完全适用于此场景。工作量证明(Proof of Work，PoW)不仅会消耗大量节点算力，也不利于轻量级边缘节点的参与。用户权益证明(Proof of Stake，PoS)中不在线节点也可以积累币龄，可能导致参与节点搭便车的行为。

因此，如何提供一种能够有效节省计算开销并提高公平性的面向群智服务的区块链节点贡献度证明共识方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种面向群智服务的区块链节点贡献度证明共识方法，解决了现有技术在群智服务模型共识验证过程中造成的资源开销与不公平问题。

为了实现上述目的，本发明采用如下技术方案：

一种面向群智服务的区块链节点贡献度证明共识方法，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为群智服务参数验证节点提供用于验证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。

需要说明的是：

节点下线时间戳指的是区块链网络中的节点退出网络的时间戳。

本发明通过节点在线时间判断节点在线资源开销贡献度；通过模型质量评估结果的交叉熵数据判断节点本地模型质量贡献度；最后计算节点本地数据信息熵与数据量占比判断节点数据贡献度；基于上述三个维度判断群智服务参与节点对整个协作式群智服务模型的贡献度；另一方面，本地模型与模型质量验证结果需要经过共识机制验证后记录在区块链上以便数据共享。首先将本地模型参数与模型质量验证结果以交易形式打包上链，基于节点贡献度动态调整工作量证明难度系数，避免过度的计算开销，保证共识过程的公平性。此外，当接收到区块链记账请求Req时，根据区块链网络中节点的贡献值从交易区块链中选择一个主节点负责接收交易请求。在一段时间内，选择贡献度最大的节点作为主节点，负责响应请求并推动整体的共识流程。