[发明专利]基于区块链的联邦学习方法、装置、设备及存储介质

权利要求书

1.一种基于区块链的联邦学习方法，其特征在于，应用于参与联邦学习的区块链节点；包括：

基于预设共识机制确定当前执行模型训练操作的第一区块链节点；

所述第一区块链节点从设定公共账本中获取目标待训练模型；其中，所述目标待训练模型为标记为有效的最新模型或者初始模型；

根据本地私有数据及智能合约上的训练算法对所述目标待训练模型进行训练，获得训练后的模型；

将所述训练后的模型签名后存储至所述设定公共账本；

返回执行基于预设共识机制确定下一个执行模型训练操作的第一区块链节点的操作，直到参与联邦学习的所有区块链节点完成模型训练；

所述基于区块链的联邦学习方法，还包括：

当检测到有新的模型存储至所述设定公共账本时，从所述设定公共账本中获取所述新的模型及模型评测数据；

根据所述模型评测数据及所述智能合约上的评估算法对所述新的模型进行评估；

将评估结果签名后写入所述设定公共账本；

在所述基于预设共识机制确定当前执行模型训练操作的第一区块链节点之前，还包括：

参与联邦学习的区块链节点对所述评估算法和所述模型评测数据进行审阅，若参与联邦学习的各区块链节点达成共识，则将所述模型评测数据存储至所述设定公共账本中，将所述评估算法以智能合约的形式安装于各参与联邦学习的区块链节点；

在所述基于预设共识机制确定当前执行模型训练操作的第一区块链节点之前，还包括：

参与联邦学习的区块链节点对所述训练算法进行审阅，若参与联邦学习的各区块链节点达成共识，则将所述训练算法以智能合约的形式安装于各参与联邦学习的区块链节点。

2.根据权利要求1所述的方法，其特征在于，在将所述训练后的模型签名后存储至所述设定公共账本之后，还包括：

计算所述本地私有数据的摘要哈希值；

将所述摘要哈希值存储至所述设定公共账本。

3.根据权利要求1所述的方法，其特征在于，将评估结果签名后写入所述设定公共账本之后，还包括：

若超过设定比例的参与联邦学习的区块链节点的评估结果为有效，则将所述新的模型标记为有效，否则，将所述新的模型标记为无效。

4.根据权利要求1所述的方法，其特征在于，在基于预设共识机制确定当前执行模型训练操作的第一区块链节点之前，还包括：

当检测到联邦学习训练实例启动时，根据所述联邦学习训练实例创建设定公共账本；其中，所述联邦学习训练实例包括多个区块链节点，且所述多个区块链节点能够访问所述设定公共账本。