一种基于委员会共识的去中心化半异步联邦学习方法

本发明公开了一种基于委员会共识的去中心化半异步联邦学习方法，具体包括半异步联邦学习框架；所述该框架中设有参与者，参与者分为任务发布者节点和本地设备节点两种身份；所述联邦学习任务由任务发布者节点确定，具体包括模型结构、训练目标、模型初始化参数和每轮全局模型更新所需要的更新数量的信息，本发明涉及机器学习、区块链和联邦学习技术领域。该方法构建了一个高性能、高鲁棒性和高安全性的半异步联邦学习框架，为无信任环境下的联邦学习提供了创新性的解决方案，面向半异步联邦学习的拜占庭委员会共识方法，在不依赖第三方可信节点的情况下，保证了框架的安全性和可靠性，同时提高了框架的效率和吞吐量。