基于区块链并行投票共识和多附加侧链的联邦学习方法和系统

本发明涉及信息处理技术领域，公开了一种基于区块链并行投票共识和多附加侧链的联邦学习方法和系统，该方法包括：针对需求方的任务需求接入联邦学习系统并发布训练任务，根据训练任务的需求信息初始化训练任务的训练参数，并根据训练参数构建本地模型，对本地模型进行模型训练、参数更新与验证，将通过验证后的更新模型与更新参数进行共识上链，以及对更新参数进行聚合与验证，将通过验证后的聚合参数进行共识上链，最后根据区块链的主链网络的共识节点设置共识节点角色，对所有共识节点角色进行并行投票共识，并将最终投票结果进行上链。可见，实施本发明能够有效减少企业服务器的计算和通信量，缓解节点压力，以及提升全局模型数据上链存证的效率，提高系统吞吐量和处理能力。