一种基于零知识证明与区块链技术结合的梯度聚合联邦学习方法

本发明涉及一种基于零知识证明与区块链技术结合的梯度聚合联邦学习方法，属于分布式机器学习领域。通过结合零知识证明（zk‑SNARK）和可扩展区块链技术，突破了传统方法在数据隐私保护和模型验证方面的局限。该方法利用零知识证明来验证全局模型的正确性，确保聚合过程的透明性和数据隐私，同时引入中国剩余定理对证明进行压缩，减轻区块链节点的存储负担。通过区块链记录加密模型更新的哈希值，并依托区块链共识节点进行验证，进一步提升了数据完整性和系统透明度。此外，方法中引入的动态客户端选择机制，基于训练表现评分优化参与者，提升了训练效率和模型质量。整体上，本发明提供了一种安全、高效且透明的分布式学习解决方案。