CN113051606A - 一种智能体的区块链互信方法 - Google Patents
一种智能体的区块链互信方法 Download PDFInfo
- Publication number
- CN113051606A CN113051606A CN202110263527.3A CN202110263527A CN113051606A CN 113051606 A CN113051606 A CN 113051606A CN 202110263527 A CN202110263527 A CN 202110263527A CN 113051606 A CN113051606 A CN 113051606A
- Authority
- CN
- China
- Prior art keywords
- agent
- intelligent
- block chain
- intelligent agent
- agents
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004891 communication Methods 0.000 title claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 230000004927 fusion Effects 0.000 claims description 30
- 238000012549 training Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioethics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明提供一种智能体的区块链互信方法,将每次模型提交作为交易,智能体间会通过区块链协议下加密和共识算法实现智能体间的互信。所述智能体的区块链互信方法确保在数据共享中,用户的原始数据不被传播,以保护用户隐私,鼓励各工作节点积极参与,保证数据共享过程中用户隐私信息的安全,同时将提高联邦学习任务的效率。
Description
技术领域
本发明涉及一种联邦学习的区块连应用方法,尤其是涉及一种智能体的区块链互信方法。
背景技术
联邦学习是多个实体(客户端)协作解决机器学习问题的机器学习设置,它在一个中央服务器或服务提供商的协调下进行。每个客户端的原始数据存储在本地,无法交换或迁移,联邦学习利用局部更新(用于立即聚合(immediate aggregation))来实现学习目标。局部更新(focused update)是仅限于包含特定学习任务最少必需信息的更新。聚合应在数据最小化服务中尽可能早地执行。
通过利用联邦学习的特征,可以为三方构建机器学习模型而无需导出企业数据,不仅可以充分保护数据隐私和数据安全,还可以为客户提供个性化和针对性的服务,从而实现互惠互利。同时,可以利用迁移学习来解决数据异质性问题,并突破传统人工智能技术的局限性。因此,联合学习为构建大数据和人工智能的跨企业,跨数据和跨域生态圈提供了良好的技术支持。
在数据的传输过程中,如果数据发生错误,通过区块链能够实现原始数据的保存,同时能够避免了对原数据终端的冲击。
发明内容
本发明提供了一种智能体的区块链互信方法,解决了训练数据在区块链中保存,进而实现联邦学习的问题,其技术方案如下所述:
一种智能体的区块链互信方法,包括以下步骤:
S1:参与联邦学习的多个数据终端各自选择信任的服务端设立智能体,通过智能体完成训练数据的传输,训练数据发送到智能体后,智能体将训练数据上传到区块链;
S2:所述多个智能体都形成区块链的节点,智能体将获取的本地数据样本进行本地联邦学习模型训练,以得到训练完成的本地联邦学习模型;
S3:其中的某智能体向其他智能体发送其本地联邦学习模型时,将每次发送的本地联邦学习模型进行加密,形成交易文件;
S4:智能体接收到其他智能体发来的交易文件,将交易文件解压后,与自身的本地联邦学习模型进行模型融合,并将融合后的模型加密后返回到发送端的智能体;
S5:作为发送端的智能体,将收到的多个融合模型再次融合,形成第二级融合模型;
S6:对发送交易文件达到设定数量,且已经形成第二级融合模型的智能体,作为下一级融合模型的基础智能体,多个基础智能体将对应的第二级融合模型都发送到信任的服务端进行最终的处理,多个第二级融合模型融合形成最终融合模型。
进一步的,步骤S2中,所述智能体形成的区块链节点,通过共识算法识别同在区块链的其他智能体形成的区块链节点。
所述数据终端按照顺序编号,排在首位的数据终端的智能体作为管理智能体,所述管理智能体向其他智能体发送区块链的共识算法。
所述智能体采用的共识算法设置有验证程序,验证程序通过智能体形成的通信网络进行处理。
所述通信网络中,排在首位的数据终端的智能体作为路由节点,该路由节点按照遍历的次序,对其他数据终端的智能体节点进行连续的地址分配。
进一步的,步骤S1中,所述智能体和数据终端之间通过加密通道进行数据传输。
进一步的,步骤S4中,作为发送端的智能体,根据其交易文件发送的数量,对应产生同等数量的贡献值,管理智能体的管理智能体根据贡献值的大小对智能体进行排序,优先对排序靠前的智能体进行模型融合。
进一步的,步骤S5中,第二级融合模型的数量不少于三个。
所述智能体的区块链互信方法确保在数据共享中,用户的原始数据不被传播,以保护用户隐私,鼓励各工作节点积极参与,保证数据共享过程中用户隐私信息的安全,同时将提高联邦学习任务的效率。
附图说明
图1是所述智能体的区块链互信方法的流程示意图。
具体实施方式
如图1所示,所述智能体的区块链互信方法,将每次模型提交作为交易,智能体间会通过区块链协议下加密和共识算法实现智能体间的互信,具体包括:基于密码算法的区块链生成、共识机制和验证、网络路由和传播、贡献奖励脚本等。
其技术方案如下所述:
一种智能体的区块链互信方法,包括以下步骤:
S1:参与联邦学习的多个数据终端各自选择信任的服务端设立智能体,通过智能体完成训练数据的传输,训练数据发送到智能体后,智能体将训练数据上传到区块链;
所述智能体和数据终端之间通过加密通道进行数据传输。
S2:所述多个智能体都形成区块链的节点,智能体将获取的本地数据样本进行本地联邦学习模型训练,以得到训练完成的本地联邦学习模型;
所述智能体形成的区块链节点,通过共识算法识别同在区块链的其他智能体形成的区块链节点。
所述数据终端按照顺序编号,排在首位的数据终端的智能体作为管理智能体,所述管理智能体向其他智能体发送区块链的共识算法。
所述智能体采用的共识算法设置有验证程序,验证程序通过智能体形成的通信网络进行处理。
所述通信网络中,排在首位的数据终端的智能体作为路由节点,该路由节点按照遍历的次序,对其他数据终端的智能体节点进行连续的地址分配。
S3:其中的某智能体向其他智能体发送其本地联邦学习模型时,将每次发送的本地联邦学习模型进行加密,形成交易文件;
S4:智能体接收到其他智能体发来的交易文件,将交易文件解压后,与自身的本地联邦学习模型进行模型融合,并将融合后的模型加密后返回到发送端的智能体;
作为发送端的智能体,根据其交易文件发送的数量,对应产生同等数量的贡献值,管理智能体的管理智能体根据贡献值的大小对智能体进行排序,优先对排序靠前的智能体进行模型融合。
S5:作为发送端的智能体,将收到的多个融合模型再次融合,形成第二级融合模型;第二级融合模型的数量不少于三个。
S6:对发送交易文件达到设定数量,且已经形成第二级融合模型的智能体,作为下一级融合模型的基础智能体,多个基础智能体将对应的第二级融合模型都发送到信任的服务端进行最终的处理,多个第二级融合模型融合形成最终融合模型。
所述智能体的区块链互信方法确保在数据共享中,用户的原始数据不被传播,以保护用户隐私,鼓励各工作节点积极参与,保证数据共享过程中用户隐私信息的安全,同时将提高联邦学习任务的效率。
Claims (8)
1.一种智能体的区块链互信方法,包括以下步骤:
S1:参与联邦学习的多个数据终端各自选择信任的服务端设立智能体,通过智能体完成训练数据的传输,训练数据发送到智能体后,智能体将训练数据上传到区块链;
S2:所述多个智能体都形成区块链的节点,智能体将获取的本地数据样本进行本地联邦学习模型训练,以得到训练完成的本地联邦学习模型;
S3:其中的某智能体向其他智能体发送其本地联邦学习模型时,将每次发送的本地联邦学习模型进行加密,形成交易文件;
S4:智能体接收到其他智能体发来的交易文件,将交易文件解压后,与自身的本地联邦学习模型进行模型融合,并将融合后的模型加密后返回到发送端的智能体;
S5:作为发送端的智能体,将收到的多个融合模型再次融合,形成第二级融合模型;
S6:对发送交易文件达到设定数量,且已经形成第二级融合模型的智能体,作为下一级融合模型的基础智能体,多个基础智能体将对应的第二级融合模型都发送到信任的服务端进行最终的处理,多个第二级融合模型融合形成最终融合模型。
2.根据权利要求1所述的智能体的区块链互信方法,其特征在于:步骤S2中,所述智能体形成的区块链节点,通过共识算法识别同在区块链的其他智能体形成的区块链节点。
3.根据权利要求3所述的智能体的区块链互信方法,其特征在于:所述数据终端按照顺序编号,排在首位的数据终端的智能体作为管理智能体,所述管理智能体向其他智能体发送区块链的共识算法。
4.根据权利要求2所述的智能体的区块链互信方法,其特征在于:所述智能体采用的共识算法设置有验证程序,验证程序通过智能体形成的通信网络进行处理。
5.根据权利要求4所述的智能体的区块链互信方法,其特征在于:所述通信网络中,排在首位的数据终端的智能体作为路由节点,该路由节点按照遍历的次序,对其他数据终端的智能体节点进行连续的地址分配。
6.根据权利要求1所述的智能体的区块链互信方法,其特征在于:步骤S1中,所述智能体和数据终端之间通过加密通道进行数据传输。
7.根据权利要求1所述的智能体的区块链互信方法,其特征在于:步骤S4中,作为发送端的智能体,根据其交易文件发送的数量,对应产生同等数量的贡献值,管理智能体的管理智能体根据贡献值的大小对智能体进行排序,优先对排序靠前的智能体进行模型融合。
8.根据权利要求1所述的智能体的区块链互信方法,其特征在于:步骤S5中,第二级融合模型的数量不少于三个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110263527.3A CN113051606A (zh) | 2021-03-11 | 2021-03-11 | 一种智能体的区块链互信方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110263527.3A CN113051606A (zh) | 2021-03-11 | 2021-03-11 | 一种智能体的区块链互信方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113051606A true CN113051606A (zh) | 2021-06-29 |
Family
ID=76511322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110263527.3A Pending CN113051606A (zh) | 2021-03-11 | 2021-03-11 | 一种智能体的区块链互信方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113051606A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113570039A (zh) * | 2021-07-22 | 2021-10-29 | 同济大学 | 一种基于强化学习的优化共识的区块链系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110490738A (zh) * | 2019-08-06 | 2019-11-22 | 深圳前海微众银行股份有限公司 | 一种混合联邦学习方法及架构 |
CN111652382A (zh) * | 2020-06-04 | 2020-09-11 | 深圳前海微众银行股份有限公司 | 基于区块链的数据处理方法、装置、设备及存储介质 |
CN111698322A (zh) * | 2020-06-11 | 2020-09-22 | 福州数据技术研究院有限公司 | 一种基于区块链和联邦学习的医疗数据安全共享方法 |
CN111950739A (zh) * | 2020-08-13 | 2020-11-17 | 深圳前海微众银行股份有限公司 | 基于区块链的数据处理方法、装置、设备及介质 |
US20210067339A1 (en) * | 2019-08-26 | 2021-03-04 | Accenture Global Solutions Limited | Decentralized federated learning system |
-
2021
- 2021-03-11 CN CN202110263527.3A patent/CN113051606A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110490738A (zh) * | 2019-08-06 | 2019-11-22 | 深圳前海微众银行股份有限公司 | 一种混合联邦学习方法及架构 |
US20210067339A1 (en) * | 2019-08-26 | 2021-03-04 | Accenture Global Solutions Limited | Decentralized federated learning system |
CN111652382A (zh) * | 2020-06-04 | 2020-09-11 | 深圳前海微众银行股份有限公司 | 基于区块链的数据处理方法、装置、设备及存储介质 |
CN111698322A (zh) * | 2020-06-11 | 2020-09-22 | 福州数据技术研究院有限公司 | 一种基于区块链和联邦学习的医疗数据安全共享方法 |
CN111950739A (zh) * | 2020-08-13 | 2020-11-17 | 深圳前海微众银行股份有限公司 | 基于区块链的数据处理方法、装置、设备及介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113570039A (zh) * | 2021-07-22 | 2021-10-29 | 同济大学 | 一种基于强化学习的优化共识的区块链系统 |
CN113570039B (zh) * | 2021-07-22 | 2024-02-06 | 同济大学 | 一种基于强化学习的优化共识的区块链系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112818369B (zh) | 一种联合建模方法及装置 | |
Jia et al. | Public key distribution scheme for delay tolerant networks based on two-channel cryptography | |
Huang et al. | Establishing email-based social network trust for vehicular networks | |
CN113037499B (zh) | 一种区块链加密通讯方法及系统 | |
Mejri et al. | A new group Diffie-Hellman key generation proposal for secure VANET communications | |
CN113489586B (zh) | 一种兼容量子密钥协商的vpn网络系统 | |
Kotzanikolaou et al. | Broadcast anonymous routing (BAR): scalable real-time anonymous communication | |
CN109995739A (zh) | 一种信息传输方法、客户端、服务器及存储介质 | |
CN112861174A (zh) | 一种基于非对称加密形式的Fabric私人交易方法 | |
CN114760023A (zh) | 基于联邦学习的模型训练方法、装置及存储介质 | |
CN113051606A (zh) | 一种智能体的区块链互信方法 | |
Ogundoyin et al. | Secure and privacy-preserving D2D communication in fog computing services | |
CN112073182B (zh) | 一种基于区块链的量子密钥管理方法及系统 | |
CN109495248A (zh) | 基于秘密共享方案的可监察隐私通信方法 | |
CN109309622A (zh) | 一种动态的数据发布和网络通信实现方法 | |
CN115361196A (zh) | 一种基于区块链网络的业务交互方法 | |
Yadav et al. | Smart communication and security by key distribution in multicast environment | |
Je et al. | Subscription-period-aware key management for secure vehicular multicast communications | |
Sakuma et al. | Link analysis for private weighted graphs | |
Dervisevic et al. | Large-scale quantum key distribution network simulator | |
Kanchan et al. | Group signature based federated learning approach for privacy preservation | |
Durgam et al. | An Efficient Group Key Establishment for Secure Communication to Multicast Groups for WSN-IoT Nodes | |
CN114244506B (zh) | 一种量子密钥的快速同步的方法及系统 | |
Sullivan | Secure Analytics: Federated Learning and Secure Aggregation | |
CN110166350A (zh) | 一种开放式社交网络通信协议 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |