基于区块链的激励和安全的联邦学习方法及系统
知识产权简介
本发明提出了一种基于区块链的激励和安全的联邦学习(BIT-FL)框架:为了解决验证缓慢问题,验证器被分为小分片,以便它们可以并行验证模型质量。为了防止错误的模型选择,提出了一种新颖的基于循环的分片共识算法,实现了与非分片共识协议相同的安全保证。为了解决区块链透明性质内激励程序导致的推理攻击问题,提出了一种随机激励机制,其中每个参与者根据概率分布进行选择。通过精心设计选择概率,它可以对参与者报告的出价实现差分隐私(DP),防止恶意参与者从公布的中标名单中推断出成本信息。最后,为了实现训练过程中的隐私保护,通过添加人工高斯噪声来保护本地模型的隐私。本发明在分类和回归任务中都表现出高效、鲁棒性和高精度,优于现有方法,证实了其优越的性能。