龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国石油大学(华东)
摘要：本发明公开了一种基于区块链的联邦学习恶意节点甄别方法，使用区块链账本记录联邦学习过程，验证模型是否一致，以此保护联邦学习过程的安全，同时达到可审计性，使得在遇到恶意节点时能够消除恶意节点的影响，使用模型间距离来表示模型的差异，采用对离群模型进行全局投票的方式来甄别并剔除恶意节点，并采用去中心化的训练方式，匀散了各节点在整个联邦学习过程中的权力，使得整个联邦学习过程避免了过于集中的被一个节点所操控。解决了联邦学习过程中无法规避、甄别攻击并从恶意攻击中恢复到正常训练的问题，运用区块链提升了联邦学习系统的整体安全性，防止模型在传递过程中被恶意篡改。
主权项：1.一种基于区块链的联邦学习恶意节点甄别方法，其特征在于，包括以下具体步骤：步骤1：在每个节点部署联邦学习模块、联邦学习过程区块链账本和恶意节点甄别模块，并同时开始及运行；步骤2：获取任务，各节点向任务发布节点发送任务请求，获取任务内容、任务模型和中心节点，并初始化训练轮次；步骤3：各节点收到任务内容、任务模型和训练信息后，开始在其联邦学习模块进行联邦学习训练，当前的中心节点处于监听状态，等待接收所有非中心节点发送的神经网络模型，非中心节点使用本地数据中的本地训练集进行训练获得所述神经网络模型；所述非中心节点的联邦学习过程区块链账本对训练过程进行学习记录；步骤4：当本轮当前的所述中心节点收到所有非中心节点所传来的所述神经网络模型后，进行联邦平均融合，获得全局模型，并由当前的所述中心节点将所述全局模型发送到所有非中心节点，同时所述中心节点的所述恶意节点甄别模块被激活进行恶意节点甄别，甄别出的所述节点在所述联邦学习过程区块链账本中进行恶意节点标签记录，并将其剔除；所述训练轮次加1；步骤5：如果所述训练轮次小于或等于设定值，由本轮当前的所述中心节点测试所有非中心节点训练的所述神经网络模型的准确率，根据所述准确率筛选下一轮训练的所述中心节点，并返回所述步骤3；否则结束训练，当前所述中心节点的所述全局模型为训练的最终模型。
全文数据：
权利要求：
百度查询： 中国石油大学(华东) 基于区块链的联邦学习恶意节点甄别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号