(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211185889.6 (22)申请日 2022.09.28 (71)申请人 山东省计算中心 （国家超 级计算济 南中心） 地址 250000 山东省济南市历下区科院路 19号 (72)发明人 杨扬　张镇　王亚新　钱恒　刘伟　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 李圣梅 (51)Int.Cl. H04L 9/40(2022.01) H04L 67/1097(2022.01) G06F 16/2458(2019.01) G06N 20/00(2019.01) (54)发明名称 一种基于区块链的联邦学习可信融合激励 方法及系统 (57)摘要 本发明提供一种基于区块链的联邦学习可 信融合激励方法及系统， 涉及互联网技术领域， 该方法包括： 在多轮联邦学习过程中， 获取各个 参与节点的基础信用度和预设的节点等级临界 值； 针对每一轮迭代学习， 根据参与节点的基础 信用度和前一轮的信用度更新参与节点在当前 轮迭代学习的信用度， 通过比较节 点等级临界值 与信用度确定参与节点的等级， 对 预设等级的参 与节点进行隔离并记录到区块链中； 根据参与节 点信用度以及相关属性信息， 构建多属性融合数 据的实体模型， 将实体模型存储在区块链上。 这 样， 可以解决联邦学习过程中参与节 点消极搭便 车、 模型投毒攻击等问题， 并且支持参与节点的 实体级、 属性级可信查询， 为参与节点行为的量 化评估提供依据。 权利要求书2页 说明书6页 附图2页 CN 115296927 A 2022.11.04 CN 115296927 A 1.一种基于区块链的联邦学习可信融合激励方法， 其特 征在于， 包括： 在多轮联邦学习过程中， 获取 各个参与节点的基础信用度和预设的节点 等级临界值； 针对每一轮迭代学习， 根据参与节点的基础信用度和前一轮的信用度 更新参与节点在 当前轮迭代学习的信用度， 通过比较所述节点等级临界值与更新后的信用度确定参与节点 的等级， 对预设等级的参与节点进行隔离并记录到区块链中； 根据参与节点更新后的信用 度以及相关属性信息， 构建多属性融合数据的实体模型， 将所述实体模型存 储在区块链上。 2.如权利要求1所述的基于区块链的联邦学习可信融合激励方法， 其特征在于， 根据参 与节点本地梯度对联邦学习全局梯度的贡献度和本地梯度的有效信息度， 确定参与 节点的 基础信用度； 其中， 所述贡献度用于衡量本地梯度与联邦学习全局梯度的全局一致性， 所述 有效信息度用于衡量目标参与节点与联邦学习中除所述目标参与节点之外的其他参与节 点所提供的梯度差异。 3.如权利要求2所述的基于区块链的联邦学习可信融合激励方法， 其特征在于， 所述贡 献度为参与 节点本地更新梯度和前一轮联邦学习全局更新梯度的符号一致的数量， 与联邦 学习聚合的模型总参数量的比值。 4.如权利要求2所述的基于区块链的联邦学习可信融合激励方法， 其特征在于， 通过以 下方式确定所述有效信息度： ； 其中， 为参与节点 i在第t轮迭代中的有效信息度， M为联邦学习总参 数量，n表示联邦 学习中参与节点总数， 为参与节点 i与参与节点 j在第t轮的梯度更新中符号相异的参数 个数。 5.如权利要求1所述的基于区块链的联邦学习可信融合激励方法， 其特征在于， 按照以 下公式更新 参与节点在当前轮迭代学习的信用度： ； 其中，mit为参与节点 i在第t轮迭代中的信用度， 为信用度变化 值， 为基础信用度， t 为迭代次数。 6.如权利要求1所述的基于区块链的联邦学习可信融合激励方法， 其特征在于， 所述相 关属性信息包括贡献度、 有效信息度、 基础信用度和参与节点之间的贡献比值关系。 7.如权利要求1所述的基于区块链的联邦学习可信融合激励方法， 其特征在于， 在将 实 体模型存 储在区块链上之后， 还 包括： 查询所述 区块链上的实体模型中参与节点在每一轮迭代学习中的贡献度， 计算各参与 节点在联邦学习全过程中的综合贡献度； 根据所述综合贡献度向参与节点发送相应的激励 信息。 8.如权利要求7所述的基于区块链的联邦学习可信融合激励方法， 其特征在于， 获取用 户身份， 针对不同的用户身份， 确定所述区块链上的实体模型的可信查询权限。 9.一种基于区块链的联邦学习可信融合激励系统， 其特 征在于， 包括：权　利　要　求　书 1/2 页 2 CN 115296927 A 2获取模块， 用于在多轮联邦学习过程中， 获取各个参与节点的基础信用度和预设的节 点等级临界值； 存储模块， 用于针对每一轮迭代学习， 根据参与节点的基础信用度和前一轮的信用度 更新参与 节点在当前轮迭代学习的信用度， 通过比较所述节点等级临界值与更新后的信用 度确定参与节点的等级， 对预设等级的参与节点进行隔离并记录到区块链中； 根据参与节 点更新后的信用度以及相关属 性信息， 构建多属 性融合数据的实体模型， 将所述实体模型 存储在区块链上。 10.如权利要求9所述的基于区块链的联邦学习可信融合激励系统， 其特征在于， 还包 括： 激励模块， 用于查询所述区块链上的实体模型中参与节点在每一轮迭代学习中的贡献 度， 计算各参与节点在联邦学习全过程中的综合贡献度； 根据所述综合贡献度向参与节点 发送相应的激励信息 。权　利　要　求　书 2/2 页 3 CN 115296927 A 3