[发明专利]一种基于区块链和隐私保护的分布式支持向量机及其优化方法

权利要求书

1.一种基于区块链和隐私保护的分布式支持向量机及其优化方法，其特征在于，包括以下步骤：

S1、结合区块链和隐私保护技术建立分布式支持向量机学习过程

所有获取信任得到许可的参与节点被部署在区块链内，形成可信的环境；各节点利用各自获取的原始数据进行本地的局部模型训练，并加密训练出的模型中间值进行交互，利用聚合后的中间值进行判断，实现基于随机梯度下降法的SVM训练任务；

S2、各参与节点利用智能合约完成分布式共识过程

采用的区块链中的共识机制选用PBFT算法，通过智能合约完成将模型中间值与相关参数以交易的形式在参与节点间更新、交互并实现上链认证；

共识过程中，包括三种交易类型，分别是：参与方对局部参数的密文反馈交易ELW、参与方对局部参数的聚合反馈交易ELW-A、参与方对聚合参数局部中间值解密交易DGW-A；

S3、分布式学习过程及区块链共识过程的性能分析

节点P_i模型计算与共识两部分的性能分析如下：

S31、分布式学习过程性能分析

在分布式学习过程中，每个节点的计算能力用表示，μ₁和μ₂分别表示节点进行任意一步明文计算和任意一步密文计算所需要的CPU cycles；

S32、区块链共识过程性能分析

PBFT算法的主要包括预准备(Pre-Prepare)、准备(Prepare)和确认(Commit)三个步骤，一整套共识过程中还包括最初的请求Request和最终的回应客户端Reply两个过程；

整个过程被描述为：终端将请求消息签名和MAC提交到区块链的主节点；主节点首先对收到的客户端请求消息签名和MAC进行验证；如果验证有效，则按照智能合约的约定，执行其中的计算过程，然后将符合一定数量的有效交易及计算结果打包成一个新区块，并广播给其余验证节点；各验证节点验证各自接收到的区块，验证区块和交易的签名和MAC，核实后按照智能合约要求验证交易内部的计算结果；并向所有其他验证节点发送其验证结果；当新区块内的计算结果在所有有效验证节点中依据PBFT协议达成一致后，它将被添加到区块链中；

在共识过程中，每个节点的计算能力用表示；β和θ分别代表各节点生成或验证一个签名和生成或验证一个MAC需要的CPU cycles；主节点每隔时间从交易池中按顺序提取一次迭代过程的全部交易数量为K＝3N；α为在主节点上调用智能合约验证所需的计算任务所消耗的CPU周期的均值；

如果节点承担作为主节点的职责，则此时的反之，若此时的节点只作为副节点参与共识过程，则此时的

S4、固定能源下的资源分配优化

S41、资源优化方案

设分布式学习迭代次数为R轮，每次迭代后得到的模型参数为w(R)，引入理想损失函数F(w^*)，w^*表示基于全部数据训练可获得的理想模型参数，将最小化可达损失函数的目标等效；

S42、资源优化方案求解

当能量约束取等号时，优化目标迭代次数R取到最大值，利用约束条件C₄表示出此时的迭代次数R，并利用拉格朗日函数对上述问题进行求解。