买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：青岛理工大学

摘要：本发明涉及联邦学习技术领域，公开了一种基于区块链的半异步联邦学习方法，包括如下步骤：创建一个全局模型A，并进行初始化；客户端提取全局模型A并在本地数据上训练，生成更新后的模型参数；然后生成新的全局模型B，并将其打包到新区块中；采用NDP‑Kmeans聚类算法，进行聚类分组；分组完成后，将全局模型B分发到各个客户端组；组内客户端使用全局模型B在本地数据上进行模型更新；将最新的全局模型打包成一个区块，并将其上传至区块链网络并进行共识，循环执行直到全局模型收敛，达到预期的性能指标，或者训练过程达到预设的最大轮次。本发明的方法在保持模型更新质量的同时，大幅提升了联邦学习在设备异构环境中的总体效率。

主权项：1.一种基于区块链的半异步联邦学习方法，其特征在于，包括如下步骤：步骤1，由任务发布者创建一个全局模型A发布到区块链网络，并根据预设的初始参数对其进行初始化；步骤2，客户端从区块链网络提取全局模型A并在本地数据上训练，生成更新后的模型参数；客户端将这些模型参数打包上传至区块链网络；智能合约接收后自动聚合各客户端的模型参数，生成新的全局模型B，并将其打包到新区块中；同时客户端还将各自的基本信息均保存至同一个聚类轮次文件中，为后续的聚类分组提供基础数据；步骤3，采用NDP-Kmeans聚类算法，根据聚类轮次文件中保存的客户端的基本信息进行聚类分组；分组完成后，将全局模型B分发到各个客户端组；步骤4，组内客户端使用全局模型B在本地数据上进行模型更新，训练的同时，将客户端基本信息记录至不同聚类轮次文件中；对于模型偏移程度不超过阈值的组，则该组客户端的本地模型使用异步更新方式与当前全局模型聚合更新，并重新分发给当前组内的客户端；若某个组内客户端的本地模型偏移程度超过阈值，则将所有组的客户端停止训练，且不进行模型聚合，直接将所有组客户端的本地模型同步更新为当前全局模型，并根据当前最新的聚类轮次文件再次对所有的客户端执行聚类分组，再创建新的聚类轮次文件；步骤5，在每一轮模型更新完成后，将最新的全局模型打包成一个区块，并将其上传至区块链网络；最新的区块被上传至区块链网络后，所有参与节点通过共识机制对最新区块的有效性进行验证，并就此达成一致；达成共识后，区块将被正式添加至区块链网络中，成为系统中唯一认可的模型版本；这个最新的全局模型将供客户端组在下一轮的训练中使用；步骤6，循环执行步骤4和步骤5，直到全局模型收敛，达到预期的性能指标，或者训练过程达到预设的最大轮次。

全文数据：

权利要求：

百度查询： 青岛理工大学 一种基于区块链的半异步联邦学习方法