一种基于区块链和零知识证明的联邦学习隐私保护方法

本发明公开了一种基于区块链和零知识证明的联邦学习隐私保护方法，涉及机器学习隐私保护技术领域，包括任务发布者确定训练任务及联邦学习的参与者集合，初始化模型参数，并将训练任务和初始全局模型参数分发给各个参与者；各个参与者进行本地模型训练，并对本地模型的梯度进行加噪，实现差分隐私保护；生成关于本地模型推理过程的零知识证明，并上传至区块链；利用智能合约对接收的零知识证明进行验证，将验证通过的本地模型更新传递给任务发布者进行全局模型聚合，并将其下发至诚实的参与者进行下一步训练，直至收敛。因此，采用上述方法，能够在保证在不影响整体数据分析的前提下，保护个体数据的隐私，实现对模型来源可靠性的验证与透明管理。