基于回合制更新及客户端权重优化的区块链联邦学习方法
知识产权简介
本发明公开了一种基于回合制更新及客户端权重优化的区块链联邦学习框架。传统的联邦学习存在着易受单点攻击、同步等待时间长和效率低等问题。本发明将区块链融入传统的联邦学习框架，使得框架具有单点攻击抗性，同时上传的模型数据不易被篡改，提高了框架的鲁棒性；客户端选择算法使用客户端上传模型贡献的损失值下降量作为指标，评估出学习质量最好的客户端，增大它们在模型训练过程中被选中的概率，从而提高全局的学习效率；回合制训练学习方法采用定时收集客户端的本地模型的方法，减少了同步训练带来的等待时间，同样提高了框架的效率。总体来说，本框架使用了区块链、客户端选择算法和回合制训练学习方法，提升了传统联邦学习框架的鲁棒性和效率。