摘要
本发明实施例提供的基于区块链的多链分布式计算环境隐私保护方法及系统,首先在核心链上部署初始化联邦学习模型,并将初始模型参数分发给各个应用链的网络节点;采用工作量证明机制选出计算节点,进行本地模型训练,确定各应用链的全局梯度,将其加密后上传到核心链上;对局部梯度进行全局模型聚合,得到全局模型参数,然后分发给各个应用链的网络节点,并跳转至采用工作量证明机制选出各条应用链的计算节点,对本地加密数据进行本地模型训练的步骤。通过构建分层多链的系统架构,同时采用工作量证明机制选出计算节点,结合最近聚合策略,最大程度上剔除拜占庭节点提供的梯度数据,以减小拜占庭攻击对计算的影响,提高安全性。
技术关键词
分布式计算环境
隐私保护方法
工作量证明
加密数据
拉普拉斯噪声
区块链系统
联邦学习模型
差分隐私
网络节点
核心
机制
可读存储介质
参数
计算机
策略
系统为您推荐了相关专利信息
负荷预测模型
充电站
访问控制策略
深度学习算法
加密数据
车内摄像头
隐私保护方法
驾驶员监控系统
风格
神经网络模型
数据安全保护系统
数据处理模块
EDA工具
加密数据
数据访问策略
数据恢复方法
文件关联关系
生物特征认证
动态令牌
对象