一种基于区块链架构的鲁棒的去中心化联邦学习方法

AITNT
正文
推荐专利
一种基于区块链架构的鲁棒的去中心化联邦学习方法
申请号:CN202410936310
申请日期:2024-07-12
公开号:CN118780396A
公开日期:2024-10-15
类型:发明专利
摘要
本发明提供一种基于区块链架构的鲁棒的去中心化联邦学习方法。本发明方法,包括:S1、构建DBFL模型,并对模型进行训练更新;S2、设计验证机制,并进行投票验证,获取投票结果;S3、对获取的投票结果进行汇总,并生成区块,提取奖励记录和相应模型更新的投票结果。本发明采用去中心化联邦学习结构,在没有中心服务器节点的情况下依然能够完成整个联邦学习的过程,避免了可能因中心服务器节点造成的单点故障等问题。本发明方法能够有效抵御恶意节点的攻击,具体来说是指投毒和成员推理攻击,提高了系统的鲁棒性。
技术关键词
联邦学习方法 区块链架构 验证机制 模型更新 SHA256算法 中心服务器 数据广播 隐私保护机制 抵御恶意 节点 私钥 验证设备 鲁棒性 策略 标记 摘要 消息 网络
系统为您推荐了相关专利信息
1
一种面向大语言模型的增量模型合并方法和系统
模型合并方法 掩码矩阵 大语言模型 预训练模型 参数
2
基于绿氢替代技术的航空煤油质量在线检测与优化系统
航空煤油 深度强化学习算法 加氢反应器 电化学传感器 监测模块
3
基于组间最优传输和伪采样差分的联邦推荐方法及系统
推荐方法 信息数据处理终端 推荐系统 差分隐私保护技术 矩阵
4
一种可信沙盒扩展的联邦学习优化方法
学习优化方法 模型更新 客户端 沙盒 深度确定性策略
5
一种联邦学习安全聚合方案的实现方法
模型更新 客户端 服务器 信誉 评分机制
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号