-
公开(公告)号：CN117973552A
公开(公告)日：2024-05-03
申请号：CN202310259073.1
申请日：2023-03-17
Applicant: 暨南大学
Abstract: 本发明公开了基于区块链辅助的新型联邦学习方法、系统、设备及介质，方法为：任务发布者将联邦学习任务存放在智能合约中同时存放奖励；部署在区块链并广播联邦学习任务；通过动态招标机制选择适合当前任务的训练节点和挖掘节点；训练节点使用本地数据样本训练生成局部模型并广播上传；挖掘节点根据智能合约中聚合规则更新全局模型；挖矿生成区块并验证；训练节点下载更新后的全局模型更新局部模型参数；联邦学习任务完成后，智能合约根据训练节点在学习任务中的贡献进行自动激励并获取奖励反馈。本发明结合区块链及秘密共享，能够监测服务端或设备在联邦学习中存在的恶意行为，保证训练过程透明，同时能处理有节点掉线或中途退出的情况。
-
公开(公告)号：CN116471041A
公开(公告)日：2023-07-21
申请号：CN202310214746.1
申请日：2023-03-08
Applicant: 暨南大学
Abstract: 本发明公开了一种基于联盟链的区块链共识方法、系统、设备及介质，方法包括下述步骤：全网节点通过运行工作量证明在一定时间内找到符合要求的随机值组成验证者集合；验证者集合中的每个节点计算自身权益值，再采用随机化方式选出一个范围内的共识组成员，得到共识组成员集合；所有共识组成员运行基于可验证随机函数的领导者选举协议选出领导者；领导者运行改进的实用拜占庭协议来完成对区块信息的打包验证达成共识；达成共识后领导者广播该区块信息及其对应的证明，收到广播的所有节点对区块信息及其对应的证明进行验证；本发明在不引入可信第三方的基础上，实现成员内部快速达成共识，降低通信复杂度和出块时间，较好地提高了系统的性能。
-
公开(公告)号：CN116527270A
公开(公告)日：2023-08-01
申请号：CN202310320734.7
申请日：2023-03-29
Applicant: 暨南大学
Abstract: 本发明公开了一种基于隐私数据共享和加解密优化的机器学习方法及系统，方法为：使用Mininet构建Drynx分布式系统并进行初始化；客户端依据自身数据进行本地训练，将训练得到的模型参数经过CRT映射得到明文，再根据集体公钥将明文加密成密文后上传至对应的服务器端；服务器端实施集体聚合协议沿树状网络向上聚合至共有云平台；共有云平台采用重加密方法将聚合结果进行转换并下发给客户端；客户端使用自身私钥对转换后的聚合结果进行部分解密转换为明文并得到模型参数；据此进行训练更新自身模型参数。本发明实现了Drynx分布式系统的数据共享功能，具有更高的灵活度；并优化加解密方法，提高了大数计算效率，具有良好的安全性。
-
-
Search Results
3
records
(took 0.02 seconds)
