申请/专利权人：杭州趣链科技有限公司

申请日：2020-12-31

公开（公告）日：2024-04-23

公开（公告）号：CN112784995B

主分类号：G06N20/00

分类号：G06N20/00;G06F16/27

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2021.05.28#实质审查的生效;2021.05.11#公开

摘要：本申请提供一种联邦学习方法、装置、设备及存储介质，包括：建立关于所述区块链节点的初始模型，将所述初始模型作为所述区块链节点的本地模型；利用元学习方法，结合所述区块链节点的本地数据对所述本地模型进行模型训练，得到更新后本地模型；结合所述区块链节点的本地数据对所述更新后本地模型进行模型训练，直至所述本地模型收敛到预设范围，从而确定所述区块链节点的结果模型。本申请通过元学习算法，仅需少量训练就能够快速收敛到其最优解，初始模型就能够保证在以后相似的任务上都能够快速收敛，得到对应的结果模型，节省了计算资源，有利于系统的良性运转。

主权项：1.一种联邦学习方法，其特征在于，应用于区块链节点，所述区块链节点包含于联邦学习网络系统，所述联邦学习网络系统还包括参与联邦学习的其他区块链节点，所述其他区块链节点包括至少一个区块链节点，所述方法包括：建立关于所述区块链节点的初始模型，将所述初始模型作为所述区块链节点的本地模型；利用元学习方法，结合所述区块链节点的本地数据对所述本地模型进行模型训练，得到更新后本地模型，包括：基于所述本地数据对所述本地模型进行训练，获取对应的第一梯度信息；将所述第一梯度信息广播至所述其他区块链节点，接收其他区块链节点广播的第二梯度信息，其中，所述第二梯度信息由所述其他区块链节点基于其他本地数据对其他本地模型训练得到；对所述第二梯度信息进行验证，得到验证后的第二梯度信息，将验证后的第二梯度信息作为第三梯度信息存储至所述区块链网络的区块链中，其中，所述第三梯度信息还包括经由所述其他区块链节点验证的第一梯度信息；从所述区块链中提取所述第三梯度信息，确定所述联邦学习的全局模型；基于所述全局模型，利用模型无关元学习算法及所述区块链节点的本地数据，对所述本地模型进行更新，得到更新后本地模型，包括：利用模型无关元学习算法及所述本地数据获取所述全局模型的初始全局模型参数，包括：根据所述全局模型确定对应任务分布，随机获取所述任务分布的初始学习模型参数；通过所述本地数据对所述初始学习模型参数进行内循环参数训练，得到内循环更新参数；通过所述本地数据和所述内循环更新参数对所述初始学习模型参数进行外循环参数训练，得到外循环更新参数；根据所述外循环更新参数更新所述初始学习模型，直至所述初始学习模型参数收敛至预定范围，确定对应的结果参数，将所述结果参数作为所述全局模型的初始全局模型参数；根据所述初始全局模型参数及所述本地数据更新所述全局模型；基于更新后的全局模型对所述本地模型进行更新；结合所述区块链节点的本地数据对所述更新后本地模型进行模型训练，直至所述本地模型收敛到预设范围，从而确定所述区块链节点的结果模型。

全文数据：

权利要求：

百度查询： 杭州趣链科技有限公司 联邦学习方法、装置、设备及存储介质

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD