[发明专利]基于联邦学习的模型训练验证方法、装置、设备及介质

权利要求书

1.一种基于联邦学习的模型训练验证方法，其特征在于，应用于联邦学习系统中，所述联邦学习系统包括第一训练终端、第二训练终端以及可信终端；所述基于联邦学习的模型训练验证方法包括：

通过所述可信终端基于所述第二训练终端发送的待验证参数以及第二证明文件进行零知识证明，以验证所述第二训练终端的训练过程是否准确；其中，所述待验证参数包括第二中间加密参数以及第二加密模型参数；所述第二中间加密参数为所述第二训练终端基于对应的模型权重以及第二本地数据计算得到；

当验证通过时，通过所述可信终端将所述第二中间加密参数发送至所述第一训练终端，以使所述第一训练终端基于对应的第一本地数据以及所述第二中间加密参数进行模型训练，得到第一加密模型参数，并生成第一证明文件；

通过所述可信终端基于所述第一加密模型参数以及所述第一证明文件进行零知识证明，以验证所述第一训练终端的训练过程是否准确；

当验证通过时，通过所述可信终端根据所述第一加密模型参数以及第二加密模型参数，更新所述模型权重，以使所述第一训练终端以及所述第二训练终端根据更新后的模型权重进行模型训练；其中，所述第二加密模型参数为所述第二训练终端基于所述第二中间加密参数以及所述第二本地数据计算得到；

通过所述第一训练终端基于所述模型权重以及对应的第一本地数据，计算第一中间加密参数，并生成第三证明文件；

在所述通过所述第一训练终端基于所述模型权重以及对应的第一本地数据，计算第一中间加密参数之前，所述基于联邦学习的模型训练验证模型还包括：

通过所述可信终端生成同态加密密钥对，并采用所述同态加密密钥对中的公钥对随机掩码进行加密，得到加密值；

所述通过所述第一训练终端基于所述模型权重以及对应的第一本地数据，计算第一中间加密参数，包括：

通过所述第一训练终端基于所述模型权重、第一本地数据以及所述加密值，计算第一中间加密参数；

第二训练终端基于对应的模型权重、所述第二本地数据以及所述第一中间加密参数，计算所述待验证参数，包括：

通过所述第二训练终端基于对应的模型权重、第二本地数据、所述第一中间加密参数以及所述加密值，计算所述待验证参数。

2.如权利要求1所述基于联邦学习的模型训练验证方法，其特征在于，在所述通过所述可信终端对接收到的所述第二训练终端发送的第二加密模型参数进行零知识证明，以验证所述第二训练终端的训练过程是否准确之前，所述基于联邦学习的模型训练验证方法还包括：

通过所述可信终端基于所述第三证明文件以及所述第一中间加密参数进行零知识证明，以验证所述第一训练终端的计算过程是否准确；

当验证通过时，通过所述可信终端将所述第一中间加密参数发送至所述第二训练终端，以使所述第二训练终端基于对应的模型权重、所述第二本地数据以及所述第一中间加密参数，计算所述待验证参数，并生成所述第二证明文件。

3.如权利要求2所述基于联邦学习的模型训练验证方法，其特征在于，在所述通过所述第一训练终端基于所述模型权重以及对应的第一本地数据，计算第一中间加密参数之前，所述基于联邦学习的模型训练验证方法还包括：

通过所述可信终端接收所述第一训练终端构造的第一本地默克尔树以及所述第二训练终端构造的第二本地默克尔树；或者，

通过所述可信终端根据接收到的第一训练终端发送的第一承诺数据构造第一默克尔树，以及根据接收到的所述第二训练终端发送的第二承诺数据构造第二默克尔树。

4.如权利要求3所述基于联邦学习的模型训练验证方法，其特征在于，所述通过所述可信终端基于所述第一加密模型参数以及所述第一证明文件进行零知识证明，以验证所述第一训练终端的训练过程是否准确，包括：

基于所述第一默克尔树、所述第一加密模型参数以及所述第一证明文件，验证所述第一训练终端的训练过程是否准确；

所述通过所述可信终端基于所述第二训练终端发送的待验证参数以及第二证明文件进行零知识证明，以验证所述第二训练终端的训练过程是否准确，包括：

基于所述第二默克尔树、所述待验证参数以及所述第二证明文件，以验证所述第二训练终端的训练过程是否准确。