基于区块链和零知识证明的可信联邦学习系统及方法
知识产权简介
本发明提供了一种基于区块链和零知识证明的可信联邦学习方法及系统,包括如下模块:(1)扰动模块。所述扰动模块中,应用非交互式零知识(NIZK)协议,使得对局部模型添加的噪声可验证。训练者和验证者独立且分别使用线性逼近构建包含特定高斯噪声的相同电路,然后,训练者使用电路和公共生成器以及模型参数构建证明。最后,验证者使用他们的电路验证接收到的证明;(2)验证模块。所述验证模块构建了一种分片区块链共识过程。每个验证者首先利用公共数据集,验证局部模型梯度更新的精度。然后,将自己的验证结果作为投票摘要,在网络中形成共识。对于包含局部模型选择信息的区块数据,引入拜占庭容错协议来确保数据可信。所述验证模块使联邦学习系统能够抵御拜占庭攻击,提高了系统的鲁棒性。本发明兼顾联邦学习的安全性、模型性能和训练效率,能够抵御多种安全威胁,构建了一种在联邦学习系统中针对安全可信、隐私保护和拜占庭容错等问题的新型解决方案,具有极强的实用性和广泛的适用范围。