申请/专利权人：暨南大学

申请日：2023-12-28

公开（公告）日：2024-04-16

公开（公告）号：CN117892339A

主分类号：G06F21/62

分类号：G06F21/62;G06N3/098;G06F21/60

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明公开了一种基于区块链的高可信度联合模型训练方法及系统，其中方法步骤包括：基于区块链节点，生成工人与服务提供商各自用于签名的密钥对；基于密钥对，进行联邦成员筛选协议，组建联邦；基于组建的联邦，对任务目标模型进行高可信度的联合训练；完成联合训练之后，对联合训练任务进行结算。本发明基于区块链与安全多方计算技术进行搭建，本发明设计的联合模型训练方法是公开可审计的，与现有的许多公开可审计的联合模型训练方法相比，本发明避免了区块链导致的隐私泄露、多轮调用智能合约带来的高调用费以及激励机制不可被验证的问题。

主权项：1.一种基于区块链的高可信度联合模型训练方法，其特征在于，步骤包括：基于区块链节点，生成工人与服务提供商各自用于签名的密钥对；其中，服务提供商表示服务提供方，为企图在不泄露模型的前提下通过提供模型推理预测服务来获利，但由于训练数据不足，无法独自训练出可用于服务的模型；所述服务提供方愿意支付赏金雇佣其他数据拥有方训练模型，所述服务提供方包括：云服务器；工人表示数据拥有方，为具备数据采集与处理功能的设备，包括：智能手机和传感器；持有的数据是个人且私密的，愿意在不共享数据且有利可图的前提下参与模型训练；基于所述密钥对，对服务提供商与愿意接受任务的工人执行联邦成员筛选协议，筛选工人作为联邦成员组建联邦；基于组建的联邦，对任务目标模型进行高可信度的联合训练；所述联合训练的方法包括：每个联邦成员首先依据公布的联邦信息确认自己是否在联邦内，然后对初始全局模型开展多轮联合模型训练，直到达到模型训练任务中规定的训练轮数为止；完成所述联合训练之后，对联合训练任务进行结算；对联合训练任务进行结算的方法包括：通过服务提供商打包含随机数掩盖且不会泄露隐私的训练记录，同时评估每个联邦成员对任务的贡献度并随训练记录一同上链，智能合约将依据贡献度分发服务提供商提供的赏金给联邦成员。

全文数据：

权利要求：

百度查询： 暨南大学 一种基于区块链的高可信度联合模型训练方法及系统

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