[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

说明书

本发明公开了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，包括：建立基于区块链的具有隐私保护的分布式支持向量机系统模型，并依据区块链共识PBFT协议完成节点间的交互过程。通过分析本地节点在训练过程及共识过程中的计算复杂度，给出基于能耗及系统能量利用率考虑的计算资源分配的优化方法。仿真结果表明，本发明的技术方案和模型在训练和共识过程中可以为节点及模型提供隐私保护，在能耗约束的条件下，通过对各节点各步骤的资源进行优化，提高系统总能量的利用率和分布式支持向量机学习过程的性能。

技术领域

本发明涉及分布式机器学习中隐私保护、数据分配及资源分配相关技术领域，具体来说，是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，进一步涉及到结合纵向分布式数据节点、区块链中的联盟链的构建方式、PBFT共识机制与部分同态加密算法隐私保护算法的计算方法及资源分配优化方法。

技术背景

近年来，互联网数据日益增长，因此处理数据的机器学习方法应用逐渐广泛。传统机器学习方法把所有数据汇总于一台机器或是一个数据中心，由一个数据分析者进行集中式的模型训练。但由于隐私安全的问题，大多数情况下，各学习的参与方很难完全共享数据，因此存在着十分严重的“数据孤岛”问题；且在训练过程中，传统机器学习会造成隐私泄露问题；同时，由于现下处在一个互联网信息爆炸时代，单一节点去完成一个完整数据库的获取和后续的训练困难十分大。分布式机器学习的目标是将具有庞大数据和计算量的任务分布式地部署到多台机器上，以提高数据计算地速度和可扩展性，减少任务耗时。

联盟链：只针对特定某个群体的成员和有限的第三方，内部指定多个预选的节点为记账人，每个块的生成由所有的预选节点共同决定，其他接入节点可以参与交易，但不过问记账过程，其他第三方可以通过该区块链开放的API进行限定查询。为了获得更好的性能，联盟链对于共识或验证节点的配置和网络环境有一定要求。有了准入机制，可以使得交易性能更容易提高，避免由参次不齐的参与者产生的一些问题。

PBFT共识机制：PBFT是Practical Byzantine FaultTolerance的缩写，即：实用拜占庭容错算法。是一种区块链共识机制，是在联盟链共识节点较少的情况下BFT的一种解决方案。

发明内容

本发明针对已有的技术发展问题需求以及不足之处，提供了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。该方法基于纵向分割数据库的分布式机器学习框架训练一个支持向量机模型，融入区块链和同态加密技术。区块链去中心化的特点可以保证本模型在进行通信过程中的安全性，同态加密技术可以保证分布式数据的隐私性；同时结合能耗公式与计算复杂度实现各节点在训练、交互与聚合的过程中的资源优化配置，以便在固定能耗的前提下，实现能量利用最大化地完成含有PBFT共识协议的训练过程。

为解决上述问题，本发明采用如下的技术方案：

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

S2、各参与节点利用智能合约完成分布式共识过程

S3、分布式支持向量机学习过程及区块链共识过程的性能分析

S4、能源约束下的资源分配优化

具体的，本发明采用分布式学习的框架，允许各参与节点P_i既是原始数据的持有者，也作为分布式支持向量机学习过程的参与者。各节点各自获取具有不同属性的纵向分割数据作为原始数据；训练过程中不存在任何原始数据的交互，训练模型的中间值通过引入部分同态加密技术实现隐私保护；分类器采用利用超平面进行二分类的支持向量机(SVM)算法；最终采用PBFT共识协议规定训练与聚合交互过程，实现数据的处理。