[发明专利]一种共识节点的选取方法及相关装置

说明书

本申请公开了一种共识节点的选取方法及相关装置，该方法是由从链中的从链节点执行，从链中包括若干从链节点，从链节点与主链中的主链节点能够进行交互，该方法包括：从链节点获取第一类信息，其中，第一类信息包括当前训练轮次信息、上一轮联邦学习中的历史随机数、上一轮联邦学习输出的第一全局参数和本轮所需选取的共识节点的数量中的至少一个；基于第一类信息计算当前轮次的随机数；基于随机数计算自身当前轮次的选取概率；若选取概率小于或等于比对阈值，则确定自身在当前轮次被选取为共识节点。本申请所提供的方法可以实现降低选取共识节点的风险，提高联邦学习的安全性。

技术领域

本申请涉及联邦学习技术领域，特别是涉及一种共识节点的选取方法及相关装置。

背景技术

为了实现快速学习获得机器学习模型，Google人工智能实验室提出了联邦学习架构，具体是用于实现使得多个分散的客户端和一个中心服务器能够协作学习一个机器学习模型，用于提高训练获得机器学习模型的效率。但是，现有的联邦学习架构中，却存在分散客户端之间的协作非常依赖中心服务器，即存在对中心服务器依赖性过大的问题，一旦中心服务器出现故障或被恶意攻击，则会直接导致不能生成准确的机器学习模型，甚至于导致不能生成机器学习模型。故将区块链技术应用于联邦学习中，但是如何进一步降低基于区块链技术下的联邦学习的风险性，进一步提高联邦学习的安全性，是当下急需要解决的技术问题。

发明内容

本申请主要解决的技术问题是提供一种共识节点的选取方法及相关装置，可以降低选取共识节点的风险，提高联邦学习的安全性。

为解决上述技术问题，本申请采用的一个技术方案是：提供一种共识节点的选取方法，所述方法是由从链中的从链节点执行，所述从链中包括若干所述从链节点，所述从链节点与主链中的主链节点能够进行交互，所述方法包括：

从链节点获取第一类信息，其中，所述第一类信息包括当前训练轮次信息、上一轮联邦学习中的历史随机数、上一轮联邦学习输出的第一全局参数和本轮所需选取的共识节点的数量中的至少一个；

基于所述第一类信息计算当前轮次的随机数；

基于所述随机数计算自身当前轮次的选取概率；

若所述选取概率小于或等于比对阈值，则确定自身在当前轮次被选取为共识节点。

进一步地，所述基于所述随机数计算自身当前轮次选取概率之前，所述方法还包括：

获取预设的安全参数，并基于所述预设的安全参数生成辅助全局参数；

基于所述辅助全局参数生成验证公钥和验证私钥。

更进一步地，所述基于所述随机数计算自身当前轮次选取概率，进一步包括：

基于所述随机数和所述验证私钥，利用随机可验证函数生成哈希结果；

对所述哈希结果进行归一化处理得到归一化结果，并将所述归一化结果输出为所述选取概率。

再进一步地，所述随机可验证函数为系统按照预设规则，根据每一轮次计算所得的所述随机数公布所得。

进一步地，所述基于所述第一类信息计算当前轮次的随机数，包括：

若基于所述当前训练轮次信息确定当前轮次为首轮，则将预设的初始随机数确定为所述当前轮次随机数；或

若基于所述当前训练轮次信息确定当前轮次不为首轮，则利用上一轮次公示委员会领导节点的私钥，对所述第一类信息进行签名计算获得所述当前轮次的随机数。

进一步地，所述若所述选取概率小于或等于比对阈值，则确定自身在当前轮次被选取为共识节点之前，所述方法还包括：

所述从链节点利用二项分布算法计算获得所述比对阈值。