(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211039792.4 (22)申请日 2022.08.29 (71)申请人 广东工业大 学 地址 510000 广东省广州市越秀区东 风东 路729号 (72)发明人 詹湘烁　余荣　王思明　谭北海　 (74)专利代理 机构 佛山市君创知识产权代理事 务所(普通 合伙) 44675 专利代理师 张燕玲 (51)Int.Cl. H04L 67/10(2022.01) G06N 20/00(2019.01) H04L 9/40(2022.01) H04L 41/14(2022.01) H04L 67/1095(2022.01) (54)发明名称 一种融合区块链状态分片和信誉机制的联 邦学习架构 构建的方法 (57)摘要 本发明公开了一种融合区块链状态分片和 信誉机制的联邦学习架构构建的方法， 该方法包 括： 分片内的节点接收初始模型后， 利用本地的 数据对初始模型进行训练， 得到一个局部模型； 节点训练模 型完成后， 将局部模 型广播发送至分 片内的其他节 点； 局部模型聚合至分片内的全局 模型； 在分片内聚合的全局模型达到预设条件 时， 分片内主节点广播上链聚合的请求， 各分片 的主节点进行片间共识， 选出片间主节点； 片间 主节点将模 型上传至主链并进行聚合， 得到新的 全局模型。 本发 明提出融合区块链状态分片和信 誉机制的联邦学习架构构建的方法， 解决传统的 区块链吞吐量低； 存储可拓展性低； 联邦学习节 点与区块链 节点互相隔离的技 术问题。 权利要求书2页 说明书7页 附图3页 CN 115426353 A 2022.12.02 CN 115426353 A 1.一种融合区块链状态分片和信誉机制的联邦学习架构构建的方法， 其特征在于， 所 述方法包括： 通过分组操作， 将节点划分至各个分片内部； 分片子链下发初始模型至分片内的各个节点； 分片内的节点接收初始模型后， 利用本地的数据对初始模型进行训练， 得到一个局部 模型； 节点训练模型完成后， 将局部模型广播发送至分片内的其 他节点； 局部模型聚合至分片内的全局模型； 在分片内聚合的全局模型达到预设条件时， 分片内主节点广播上链聚合的请求， 各分 片的主节点进行片间共识， 选出片间主节点； 片间主节点将模型 上传至主链并进行聚合， 得到新的全局模型； 全局模型聚合完成后， 下发全局模型至分片主节点， 分片主节点将收到的全局模型作 为新的片内全局模型， 重复训练至所有模型训练过程结束。 2.根据权利要求1所述的融合区块链状态分片和信誉机制的联邦学习架构构建的方 法， 其特征在于， 所述局部模型聚合至分片内的全局模型包括： 分片内选出主节点后， 主节点将根据信誉机制， 为局部模型分配一个权 重； 主节点为局部模型分配权 重后， 将其聚合至分片内的全局模型中； 分片内的模型聚合完成后， 主节点将新的全局模型下发给广播模型的节点， 并重复局 部模型训练流 程。 3.根据权利要求2所述的融合区块链状态分片和信誉机制的联邦学习架构构建的方 法， 其特征在于， 所述分片内选出主节点后， 主节点将根据信誉机制， 为局部模型分配一个 权重包括： 当分片i内的第k个节点上传模型后， 分片主节点会利用测试数据集对模型进行测试， 如果模型准确率低于分片设定的阈值， 则局部模型不会参与到聚合中； 如果模型准确率符合设定的阈值条件， 分片主节点将根据信誉机制， 为此模型分配相 应的权重。 4.根据权利要求3所述的融合区块链状态分片和信誉机制的联邦学习架构构建的方 法， 其特征在于， 信誉机制是以模型准确率为基准， 用模型准确率乘以其他三个指标， 得到 模型的权重； 所述三个指标为： 训练时间衰减系数。 代表的是模型训练了多 长时间； 模型陈旧度； 这一项表示模型的 陈旧度； 节点模型在分片内的认可度； 代表的是节点的模型在分片内的认可度。 5.根据权利要求1所述的融合区块链状态分片和信誉机制的联邦学习架构构建的方 法， 其特征在于， 区块链部 分由状态分片子链和全局主链两个部 分构成， 所述状态分片 子链 由分片内的节点共同维护， 所述状态分片 子链用于部署并运行智能合约并且接收来自分片 主节点所 上传的局部模型；权　利　要　求　书 1/2 页 2 CN 115426353 A 2其中， 智能合约包括存储合约、 信誉合约和跨片合约。 存储合约用于存放分片内的局部 模型； 信誉合约定义分配分片 内局部模型权重的信誉机制； 跨片合约用于片间模型传输以 及子链与主链的交 互； 统计已上传的局部模型数量， 当模型数量达到阈值时， 将当前的子链全局模型广播至 其他分片请求验证； 接收来自主链下发的全局模型。 6.根据权利要求5所述的融合区块链状态分片和信誉机制的联邦学习架构构建的方 法， 其特征在于， 所述全局主链部署并运行存储合约和跨片合约； 其中， 存储合约用于存放 状态分片的模型和主链的全局模型； 跨片合约用于与片间主节点进行模型传输， 接 收状态 分片上传的模型； 将所述主链的全局模型通过跨片合约下发至片间主节点。 7.根据权利要求1所述的融合区块链状态分片和信誉机制的联邦学习架构构建的方 法， 其特征在于， 所述在分片内聚合的局部模型达到预设条件时， 各分片的主节点进行共 识， 选出片间主节点包括： 当分片内聚合的局部模型数量达到指定的目标时， 主节点会将分片内全局模型广播给 其他分片进行 校验； 其他分片接收到模型后， 由分片的主节点检验 模型的准确率； 当有超过2/ 3的分片认可 此模型时， 各分片的主节点进行共识， 选出片间主节点。权　利　要　求　书 2/2 页 3 CN 115426353 A 3