欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025100236686
申请人: 昆明理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 电通信技术
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于零知识证明与区块链技术结合的梯度聚合联邦学习方法,其特征在于:步骤1:区块链分布式密钥管理中心生成每个客户端和区块链节点的密钥对,包括公钥与私钥,然后密钥管理中心将密钥对分发给每个客户端和区块链节点,完成密钥对生成与分发;

步骤2:通过评分标准选择客户端;

步骤3:对选择的客户端训练模型,并对其生成的模型更新进行加密和签名;

步骤4:将客户端得到的模型更新、加密模型更新和签名传输到区块链网络,并进行分布式聚合和加密,得到加密全局模型;

步骤5:分布式聚合节点利用零知识简洁非交互式知识论证为聚合操作生成零知识证明,再使用中国剩余定理压缩零知识证明;

步骤6:分布式聚合节点将全局模型及加密全局模型传输给选择的客户端,并通过区块链网络将压缩后的零知识证明和加密全局模型广播给区块链的共识节点;

步骤7:共识节点在接收到利用中国剩余定理压缩后的零知识证明和加密全局模型后,进行正确性和有效性验证;验证通过后,将加密的模型更新的哈希值记录在区块链上,参与的客户端通过读取区块链上记录的哈希值,验证全局模型的完整性和正确性;验证成功后,客户端将基于本轮更新开始新一轮的本地模型训练。

2.根据权利要求1所述的一种基于零知识证明与区块链技术结合的梯度聚合联邦学习方法,其特征在于,所述步骤2具体为:步骤2.1:每一轮的训练结束时,收集每个客户端提交的模型更新数据;

步骤2.2:选择准确度、损失函数值、训练时间作为评分标准;

步骤2.3:使用以下公式计算每个客户端的得分:;

其中,表示第i个客户端的得分,、、分别表示第i个客户端的准确度、损失函数值及训练时间,、、分别表示准确度、损失函数值及训练时间的权重系数;

步骤2.4:将所有客户端的得分由高到低排序,选择出分数最高的n个客户端参加下一轮的学习过程。

3.根据权利要求1所述的一种基于零知识证明与区块链技术结合的梯度聚合联邦学习方法,其特征在于,所述步骤3具体为:步骤3.1:在联邦学习框架内,对选择的客户端实施模型训练算法,通过参数估计的迭代过程最小化损失函数,提升模型预测准确度;

步骤3.2:在训练完成后,每个区块链节点导出一组模型更新,i=0,1,2,……n,n为客户端数量;

步骤3.3:在各客户端引入随机数对模型更新进行加密,生成加密模型更新;

步骤3.4:采用客户端私钥对加密模型更新进行数字签名操作,形成数字签名。

4.根据权利要求3所述的一种基于零知识证明与区块链技术结合的梯度聚合联邦学习方法,其特征在于,步骤3.3具体为:步骤3.3.1:客户端生成佩德森承诺密钥对,包括两个随机选择的生成元和以及一个秘密密钥,为随机生成的值;

步骤3.3.2:对于每个本地模型更新值,客户端计算加密模型更新,公式如下:;

其中,和是公开的生成元,是要承诺的模型更新值,是客户端选择的随机数。

5.根据权利要求1所述的一种基于零知识证明与区块链技术结合的梯度聚合联邦学习方法,其特征在于,所述步骤4具体为:步骤4.1:各客户端将得到的模型更新、引入的随机数、加密模型更新以及数字签名,通过安全通信协议传输至区块链网络;

步骤4.2:区块链网络随机选举出多个聚合节点,所述多个聚合节点协调来自不同客户端的模型更新值,在选定聚合节点后,所述聚合节点执行区块链共识算法,随后,所述聚合节点接受来自不同客户端的局部模型更新,协调并整合所述局部模型更新,形成统一的全局模型;

步骤4.3:对全局模型进行加密,得到加密全局模型,再利用所述聚合节点私钥对加密全局模型进行数字签名,形成全局签名。

6.根据权利要求1所述的一种基于零知识证明与区块链技术结合的梯度聚合联邦学习方法,其特征在于,所述步骤5具体为:步骤5.1:聚合节点将全局模型计算过程构建为一个电路,通过从客户端接收到的模型更新计算出全局模型;

步骤5.2:创建一对公钥与私钥,公钥用于验证,私钥用于生成证明,聚合节点利用私钥针对构建的电路进行操作,生成一个零知识简洁非交互式知识论证证明π;

步骤5.3:聚合节点为每个区块链节点生成一组互质模数(),并使所述互质模数的乘积大于零知识证明的大小,接下来,将零知识简洁非交互式知识论证证明划分为多个部分,即,并对每个部分进行模数的计算,使用中国剩余定理压缩零知识证明,得到证明,使得满足:;

;

……

。

7.根据权利要求1所述的一种基于零知识证明与区块链技术结合的梯度聚合联邦学习方法,其特征在于,所述步骤7具体为:步骤7.1:共识节点接收到加密全局模型、压缩证明和相关的模数以及各部分;

步骤7.2:针对每个模数,共识节点构建同余方程:;

其中,为完整证明,i=1,2,…,k;

步骤7.3:计算所有模数的乘积,然后对于每个模数,计算和模逆元使得:;

步骤7.4:使用中国剩余定理求解完整证明:

;

步骤7.5:区块链共识节点根据公钥对对完整证明进行正确性和有效性验证,验证通过后,共识节点将加密全局模型的哈希值记录在区块链上;

步骤7.6:客户端从区块链上读取相应轮次的哈希值,并对收到的加密全局模型通过已有的哈希函数进行哈希运算,得到哈希值,同时,客户端使用聚合节点的公钥验证数字签名,如果且签名验证成功,客户端确认全局模型的完整性与正确性,随后将基于本轮更新开始新一轮的本地模型训练。