CN115049056B 一种基于区块链的ai模型训练方法 （天津科技大学）

本发明公开了一种基于区块链的AI模型训模型训练者和模型验证者分别生成本轮各自的链者将所有模型验证者校验通过的局部模型进本发明使用区块链来取代联邦学习的中心化服2在对所述原始AI模型的每轮训练开始前，将训练过程的参与者按比例随机分配为三在每轮训练过程中，所述模型训练者和所述模型验证者分所述模型验证者利用本地生成的局部模型对所述模型训练者生成的局部模型进行校所述模型上链者将所有所述模型验证者校验通过的局部模型进行聚所述模型验证者接收到所述模型训练者发送过来的利用所述模型训练者ti的公利用本地测试集分别对所述模型训练者发送过来的本地局部模型以及自己训练得到的本地局部模型进行准确率计算，得到所述模型训练者训练的局部模型的准确率校验结束后，所述模型验证者vk利用自己的私钥对进行加密后发送至所述模3如果所述模型训练者训练的局部模型的准确率不低于所述模型验证者训练的局部模否则，除去上述合法的局部模型，将剩下的所述模型训练者训练的局部模型记为将所有的剩余所述模型训练者训练的局部模型t的准确率和所述模型验证者训练的局所述模型上链者mp接收到所述模型验证者发送来的利用所述模型验证者vk的公每个所述模型上链者mp都统计所述模型训练者训练的局部模型来自所有所述模型验若所述模型训练者训练的合法的局部模型数量大于等于不合法45基于区块链的AI模型训练方法是本领域技术人员6[0012]所述模型验证者利用本地生成的局部模型对所述模型训练者生成的局部模型进[0019]所述模型训练者ti从区块链上下载得到上一轮的全局模型Gx-1，基于上一轮的全[0021]所述模型验证者接收到所述模型训练者发送过来的利用所述模型训练者ti[0022]所述模型验证者vk从区块链上下载得到上一轮的全局模型Gj-1，基于上一轮的全[0023]利用本地测试集分别对所述模型训练练得到的本地局部模型进行准确率计算，得到所述模型训练者训练的局部模型的准确7[0027]如果所述模型训练者训练的局部模型的准确率不低于所述模型验证者训练的局[0030]将所有的剩余所述模型训练者训练的局部模型t的准确率和所述模型验证者训练的局部模型的准确率之间的差值与所述加权准确率差进行判断，其中t∈Trest，判断条件[0034]所述模型上链者mp接收到所述模型验证者发送来的利用所述模型验证者vk[0035]每个所述模型上链者mp都统计所述模型训练者训练的局部模型来自所有所述[0036]若所述模型训练者训练的合法的局部模型数量大于等于[0037]所述模型上链者mp将本轮的全局模型、投票结果和所有局部模型打包到区块8学习就是将50000个数据收集到一个中心服务器进行训练；联邦学习是10个参与者联合训9心服务器再进行模型训练)情况下能得到较好效果的模型的算法。如数据特征呈现非线性张图片分别32*32*3的RGB图像，标签分为10类包括动物和交通工具，分别是airplane、[0072]2)模型验证者vk从区块链上下载得到上一轮的全局模型Gj-1，基于上一轮的全局得到的本地局部模型进行准确率计算，得到模型训练者训练的局部模型的准确率[0076]如果模型训练者训练的局部模型的准确率不低于模型验证者训练的局部模型的准确率，即则直接判定该模型训练者训练的局部模型合[0077]否则，除去上述合法的局部模型，将剩下的模型训练者训练的局部模型记为[0079]将所有的剩余模型训练者训练的局部模型t的准确率和模型验证者训练的局部模[0100]定义固定迭代次数或前后两轮全局模型参数的差值小于很小的正数作为任务结[0106]对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发