一种基于区块链的联邦学习隐私保护方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115037477A(43)申请公布日2022.09.09(21)申请号202210599679.5H04L9/00(2022.01)(22)申请日2022.05.30G06N20/00(2019.01)G06N3/02(2006.01)(71)申请人南通大学地址226019江苏省南通市崇川区啬园路9号(72)发明人马海英黄双龙郭嘉乐曹东杰(74)专利代理机构南京经纬专利商标代理有限公司32200专利代理师张俊俊(51)Int.Cl.H04L9/32(2006.01)H04L9/40(2022.01)H04L67/1097(2022.01)H04L67/1095(2022.01)H04L67/104(2022.01)权利要求书5页说明书15页附图6页(54)发明名称一种基于区块链的联邦学习隐私保护方法(57)摘要本发明提供了一种基于区块链的联邦学习隐私保护方法，属于联邦学习、隐私保护、区块链技术领域，其技术方案为：包括以下步骤：全局初始化，系统管理员构建区块链并为该任务的所有参与者分发安全参数；参与者训练本地模型，使用安全参数和中国剩余定理加密模型参数；共识机制选择的leader执行密文聚合；参与者解密聚合密文并更新本地模型；模型拥有者获得最终模型，参与者调用激励合约获得奖励。本发明的有益效果为：本发明利用区块链记录联邦学习过程，并实现安全参数分发和模型聚合，使用中国剩余定理和盲化技术保护隐私，杜绝了聚合方和部分参与者共谋窃取其他参与者隐私的可能，并增强了联邦学习过程中的安全性。CN115037477ACN115037477A权利要求书1/5页1.一种基于区块链的联邦学习隐私保护方法，其特征在于，包括以下步骤：S10、系统全局初始化，首先系统管理员SM构建一个区块链，参与者和模型拥有者在该区块链上注册，获得自己的账号和一对公私钥，模型拥有者MO发布一个联邦学习任务，满足该任务要求的参与者参与该任务；当参与该任务的人数满足任务需求后，模型拥有者确定参与者列表List；系统管理员根据参与者列表List生成该联邦学习任务的安全参数SP，并通过秘密信道将SP发送给参与者列表List的所有成员；S20、模型训练和加密，List中的参与者下载初始模型和安全参数，使用本地数据集训练模型，得到本地模型参数，然后对本地模型参数编码、盲化和加密，上传本地模型参数密(r)文cti到分布式文件系统IPFS，最后根据IPFS中的地址生成一个本轮次模型训练的交易；List中的参与者发送交易时，将会调用一个检测时间的函数，检测交易上传时间是否在本轮次的截止时间之前，当List中的所有参与者都在截止时间之前完成密文上传之后，才进入密文聚合阶段；S30、模型参数密文聚合，Algorand共识协议利用可验证随机函数，选择一部分worker组成一个委员会，并从这个委员会中选择一个leader，委员会的所有成员验证所有参与者(r)的交易合法性，验证通过后，leader进行聚合：对密文{cti|i＝1,2,···,N}执行加法运算得到本轮次的聚合密文Cr，leader聚合完成后，把聚合密文Cr存储在IPFS，生成一个包含其地址的交易，并打包到一个新的区块blockr，委员会成员验证聚合密文Cr的正确性，当超过2/3成员同意区块blockr，委员会就区块blockr达成共识，并把blockr广播到区块链；S40、参与者更新本地模型，List中的参与者从区块blockr查询交易获得聚合密文Cr在IPFS中的地址，下载密文Cr，对密文Cr解密、反映射和解码后获得真实聚合模型参数，随后完成本地模型参数的更新，接下来，参与者进行下一轮的模型训练和加密步骤，重复执行步骤S20、步骤S30和步骤S40，直到模型的准确率满足模型所有者的需求，进入步骤S50阶段；S50、模型拥有者获得最终模型参数，在一定轮次以后，List中的每个参与者测试模型的准确率是否满足MO的要求，List中的参与者满足MO的模型训练需求后，上传一个完成交易，当所有参与者都上传了完成交易，SM将最后一轮的聚合密文解密后，通过秘密信道发送给MO，MO得到最终模型参数，然后测试模型准确率，满足要求后该任务结束，List中的参与者调用激励合约计算并获得相应的奖励；否则List中的所有参与者继续下一轮的模型训练，直到所有参与者都符合给定的终止条件；其中，所述基于区块链的联邦学习隐私保护方法包括区块链、系统管理员、模型拥有者、参与者以及IPFS五个实体；IPFS是一种点对点的分布式文件存储系统，它使分布式计算设备能够连接到同一个文件系统，并使用哈希值定位文件位置。2.根据权利要求1所述的基于区块链的联邦学习隐私保护方法，其特征在于，所述步骤S10包括以下步骤：