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
模型合并方法
掩码矩阵
大语言模型
预训练模型
参数
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
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
学习优化方法
模型更新
客户端
沙盒
深度确定性策略