[发明专利]一种基于安全性评价的分层汇聚联邦学习方法

权利要求书

1.一种基于安全性评价的分层汇聚联邦学习方法，其特征在于，包括以下步骤：

步骤1：用户向平台提出注册请求，所述的用户包括请求者和工作者；管理员根据用户的请求来注册用户，注册用户需要给出其用于接收任务及其奖励的以太网地址；

步骤2：注册完成后，请求者通过智能合约发布联邦学习训练任务；

所述的训练任务包括训练模型的描述、安全性评价指数s、用于模型更新的轮数N、任务开始时间、每轮工人数K′、每轮工人的总奖励r、总奖励的存款D；且Dr×N；

步骤3：请求者发布任务后，事件通知将通过以太坊的事件处理功能发送给所有注册的工作者，每个工作者决定是否参加此任务；如果工作者决定参加此任务，则在训练任务开始时间之前调用智能合约；

步骤4：任务申请期结束后，请求者获取加入训练任务t的工作者集合W_t，且不告知工作者用于模型更新的轮数N；请求者将联邦学习模型参数初始化为ω₀并提交到区块链中；

步骤5：在任务的模型训练开始后，智能合约从集合W_t中随机选择K′个工作者，并根据安全性评价算法计算出每个集群中工作者的个数以及集群个数；每个工作者从区块链上获得上一轮各个集群的局部聚合模型参数并进行验证和投票，然后根据所选择的顶级模型计算出用于模型更新的全局模型；最后每个工作者根据本地数据集进行训练得出本轮子模型并提交给集群的区块链共识节点，共识节点将该集群的所有工作者的子模型按照平均聚合算法进行局部聚合得到该集群的局部模型参数并与各个节点的投票结果一并提交上链；

步骤6：根据各集群所得票数进行奖励分配；

在模型更新的提交阶段，第e轮中的每个工作者都对前g个局部模型投了赞成票；基于合计的投票，智能合约计算第e-1轮中各集群的所得票数；基于投票数的结果，奖励按r₁≥r₂≥…≥r_k≥0分配给各个集群；获得最多票数的集群获得r₁的奖励，获得票数第二的集群获得r₂的奖励，依此类推；每个集群根据各自获得的奖励按照各集群中子节点参与训练的数据量进行利润分配；每一轮的总奖励固定为r，各集群利润关系为：

步骤7：模型更新和奖励分配重复N-1次后，将最后一轮任务中的奖励平均分配给所有参与训练的工作者。