(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111548089.1 (22)申请日 2021.12.17 (71)申请人 南京图灵悟道信息技 术有限公司 地址 210000 江苏省南京市栖霞区马群街 道紫东路2号C21栋20 6室 (72)发明人 颜祺　 (51)Int.Cl. G06Q 40/04(2012.01) G06F 21/64(2013.01) G06N 20/00(2019.01) (54)发明名称 一种基于区块链的联邦学习激励机制的方 法 (57)摘要 本发明公开了一种基于区块链的联邦学习 激励机制的方法， 步骤如下， 通过评估设定参与 方数据质量、 信誉度门槛， 保护现有参与方的利 益， 当参与方的数据质量、 信誉度同时大于数据 质量门槛、 信誉度门槛时， 允许参与方加入联邦 学习； 增加惩罚机制有效保证现有参与方的利 益； 通过区块链技术实现激励过程的公开透明， 保证激励的公平与参与方的积极性。 基于模型效 果的激励机制中加入模型训练的阶段因子， 减少 模型训练不同阶段效果提升难度的影 响。 让参与 方因为长时间的等待而获得相应的回报， 保证参 与方的积极性。 本发明可有效保证 现有参与方的 利益； 保证激励的公平与参与方的积极性； 减少 模型训练不同阶段效果 提升难度的影响。 权利要求书2页 说明书6页 附图1页 CN 114170021 A 2022.03.11 CN 114170021 A 1.一种基于区块链的联邦学习激励机制的方法， 其特 征在于， 步骤如下： S1、 通过评估设定参与方数据质量、 信誉度门槛， 保护现有参与方的利益， 当参与方的 数据质量、 信誉度同时大于数据质量门槛、 信誉度门槛时， 允许参与方加入联邦学习； 所述数据质量的评定主要通过计算参与方数据的特征IV值， 计算方法如公式1所示  ， 表示特征i分组的信息价值， 表示特征i分组中的负例数， 表示特征i分组中的 正例数，  表示所有样本中的负例数， 表示所有样本中的正例数； 如公式2所示， IV 为整体样本的信息价值； 特征IV越高数据质量越好； 参与方本地建模与联邦建模的效果比 对， 效果越好表明数据质量越好； 计算参与方数据与现有联邦数据的交集， 交集比例越少表 明数据质量越好；   公式1   公式2； S2、 对新入的参与方建立保证金、 信誉度机制， 通过对保证金、 信誉度的惩罚保护参与 方利益； 达到准入门槛的参与方， 加入联邦学习之前还需缴纳一定的保证金， 以防模型训练过 程中造成的一些未知负面影响； 保证金主要跟参与方评定的数据质量、 信誉度、 模型的重要 程度以及模型所处的训练阶段有关， 如公式3，  margin为所需缴纳的保证金额， dataquality为数据质量， credibility为信誉度， importance为模型重要度指标， stage表 示模型所处的训练阶段， 训练阶段越靠后stage值越大， K、 为影响因子； 影响保证金 及信誉度的因素主要包括： 参与方是否有恶意行为， 参与方的训练是否对模型带来负面影 响， 如公式4， negmargin为保证金的扣除金额， evil为参与方恶意行为的度量， promotion为加权的 模型性能提升度，   为影响因子； 公式5， 为影响因子；   公式3   公式4   公式5； S3、 通过区块链技 术实现激励过程的公开透明， 保证激励的公平与参与方的积极性； 区块链技术是一种在对等网络环境下， 通过透明和可信规则， 构建不可伪造、 难以篡改 和可追溯的块链式数据结构， 实现和管理可信数据的产生、 存 取和使用的模式； 用户可以构 建一个交易， 用自己的私钥给交易签名， 发送到链上， 由多个节点的共识机制处理， 执行相 关的智能合约代码， 生成交易指 定的状态数据， 然后将交易打包到区块里， 和状态数据一起 落盘存储， 该交易即为被确认， 被确认的交易被认为具 备了事务 性和一致性； S4、 基于模型效果的激励机制中加入模型训练的阶段因子， 减少模型训练不同阶段效 果提升难度的影响； 难度因子定义为参与方加入联邦学习前一个小时(损失未收敛)联邦学 习模型效果提升幅度的倒数， 如公式6， difficu lty为难度因子， 为前一小时模型 值的 增量； promotion为加权后的模型性能提升度， 如公式7， 为缩放系数，   为参与 方加入训练后对 模型 值的增量， 值 为负数表明对 模型效果带来负面影响；权　利　要　求　书 1/2 页 2 CN 114170021 A 2  公式6   公式7； S5、 让参与方因为长时间的等待而获得相应的回报， 保证参与方的积极性； 回报 feedback一样通过联盟链下发， 保证激励过程的公开透明； 如 公式8， waittime为参与方等 待时长， thresho ldtime为能够获得等待回馈的等待时长阈值， f为 等待时长回馈系数；   公式8。 2.根据权利要求1所述的一种基于区块链的联邦学习激励机制的方法， 其特征在于： 所 述步骤1中， 所述信誉度为 参与方历次参与记录的信誉累加。 3.根据权利要求1所述的一种基于区块链的联邦学习激励机制的方法， 其特征在于： 执 行本方法的系统采用联盟链来搭建和部署服务； 联盟链是指多个主体达成一定的协议， 或 建立了一个业务联盟后， 多方共同组建的链， 加入联盟链的成员需要 经过验证， 一般是身份 可知的； 正因为有准入机制， 所以联盟链也通常被称为许可链； 因为联盟链从组建、 加入、 运 营、 交易等环节有准入和身份管理， 在链上的操作可以用权限进行 管控； 系统采用智能合约实现管理规则和维护系统数据； 多方合作中， 多个参与方希望共 同 维护和共享一份及时、 正确、 安全的分布式账本， 以消除信息不对称， 提升运作效率， 保证资 金和业务安全； 通过链式的区块数据 结构、 多方共识机制、 智能合约、 世界状态存储等一系列技术的共 同作用， 可实现一致、 可信、 事务安全、 难以篡改可追溯的共享账本， 从而实现交易的公开透 明； 系统群组架构自底向下主要划分为网络层、 群组层， 网络层主要负责区块链节点间通 信， 群组层主 要负责处 理群组内交易， 每 个群组均运行着一个 独立的账本 。 4.根据权利要求3所述的一种基于区块链的联邦学习激励机制的方法， 其特 征在于： 系统包括有共识模块， 共识模块主要负责执行客户端提交的交易， 并对交易执行结果 达成共识； 共识模块包括打包(Sealer)线程和共识(Engine)线程， Sealer线程负责从交易 池获取未执行 交易， 并将交易打包成区块； Engine线程负责对区块执行结果进 行共识， 目前 主要支持PBFT和Raft共识算法； 共识模块主 要流程包括： (1) 客户端提交的交易缓存到TxPool后， 会唤醒共识节点 的Sealer线程， Sealer线程 从交易池中获取最 新交易， 并基于当前最高区块， 打包产生 一个新区块bl ockI； (2) Sealer线程将打包产生的新区块bl ockI传递到Engine线程， 用于共识； (3) Engine线程收到新区块blockI后， 启动 共识流程， 共识过程中， 会调用区块执行器 BlockVerifier执 行区块bl ockI内的每笔交易， 并对执 行结果达成一 致共识； (4) 若共识成功， 则调用BlockChain将新区块blockI以及区块执行结果等提交到底层 数据库； (5) 新区块blockI上链成功后， 触发交易池删除以上链的所有交易， 并将交易执行结 果以回调的形式推送到客户端。权　利　要　求　书 2/2 页 3 CN 114170021 A 3