1.一种结合训练损失和隐私损失的改进Prim区块链网络传输优化方法,其特征在于:首先,将待训练的数据集先加入拉普拉斯噪声后进行本地训练,根据训练结果,获取训练损失和隐私损失,然后,计算综合损失值,最后,根据节点的综合损失评价值,利用Prim算法构造最小生成树,并选择损失最小的分支上的节点作为共识节点;
具体步骤为:
Step1:在待训练的本地数据集中加入拉普拉斯噪声,而后对加入噪声后的数据集进行训练得到模型参数,根据训练结果,获取训练损失;根据加入数据集中的噪声机制计算隐私损失;
Step2:根据式(1)计算综合损失评价值:(1);
式中,表示FL第个移动边缘设备的本地训练损失,和表示常数;
Step3:根据节点的综合损失评价值,利用Prim算法构造最小生成树,并选择损失最小的分支上的节点作为共识节点;
Step4:通过共识节点对训练结果进行验证和存储。
2.根据权利要求1所述的结合训练损失和隐私损失的改进Prim区块链网络传输优化方法,其特征在于,所述Step1中计算隐私损失具体为:选择一个随机算法,并且;
算法满足局部差分隐私当且仅当对所有,满足下列不等式时:(2);
式中,代表隐私保护预算,表示失效概率;
隐私损失可表示为:
(3)。
3.根据权利要求1所述的结合训练损失和隐私损失的改进Prim区块链网络传输优化方法,其特征在于,所述Step3具体为:Step3.1:区块链的节点连接为一个无向加权图,权重表示的是训练损失和隐私损失的综合评估值;
Step3.2:将树T初始化为空树,然后添加条边到树T内,直到最小生成树生成条边;
Step3.3:获得最小生成树后,从初始节点0开始选择权重和最小的节点作为区块链的共识节点。