(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 202111214690.7 (22)申请日 2021.10.19 (71)申请人 广西综合交通大 数据研究院 地址 530000 广西壮 族自治区南宁市青秀 区厢竹大道4 号竹溪嘉园3楼 (72)发明人 李晓欢　叶进　何杨　 (74)专利代理 机构 深圳市诺正鑫泽知识产权代 理有限公司 4 4689 代理人 罗华 (51)Int.Cl. H04L 67/1021(2022.01) H04L 67/1023(2022.01) H04L 67/12(2022.01) G06F 16/35(2019.01) G06N 20/00(2019.01) (54)发明名称 一种基于区块链的联邦学习参与节点选择 方法 (57)摘要 本申请公开了一种基于区块链的联邦学习 参与节点选择方法。 联邦学习参与节 点选择方法 用于物联网系统， 物联网系统包括终端设备和基 站， 联邦学习参与节点选择方法包括： 获取每个 终端设备与基站、 其它终端设备之间在预设时间 内的交互次数和距离， 根据预设截断距离、 数据 交互次数、 终端设备与其它终端设备的距离确定 每个终端设备的活跃度密度， 根据活跃度密度的 大小以选 择目标终端设备， 计算终端设备到目标 终端设备的偏移距离， 根据活跃度密度和偏移距 离确定终端设备的聚类中心点， 通过聚类中心点 的终端设备传输对应聚类模型中终端设备的数 据至基站。 如此， 有效的减少了物联网系统的传 输时间， 避免了因物联网设备的时延问题。 权利要求书2页 说明书10页 附图6页 CN 114095503 A 2022.02.25 CN 114095503 A 1.一种基于区块链的联邦学习参与节点选择方法， 用于物联网系统， 其特征在于， 所述 物联网系统包括多个 基站和多个终端设备， 所述联邦学习参与节点选择 方法包括： 获取每个所述终端设备与 所述基站、 其它所述终端设备之间在预设时间内的交互次数 和距离； 根据预设截断距离、 所述数据交互次数、 所述终端设备与其它终端设备的距离确定每 个所述终端设备的活跃度密度； 根据所述活跃度密度的大小以选择目标终端设备； 计算所述终端设备到所述目标终端设备的偏移 距离； 根据所述活跃度密度和所述偏移 距离确定所述终端设备的聚类中心点； 和 通过所述聚类中心点的所述终端设备传输对应聚类模型中所述终端设备的数据至所 述基站。 2.如权利要求1所述的基于区块链的联邦学习参与节点选择方法， 其特征在于， 所述根 据预设截断距离、 所述数据 交互次数、 所述终端设备与其它终端设备 的距离确定每个所述 终端设备的活跃度密度， 包括： 根据所述终端设备与所述基站在第一预设时间内的交互次数计算所述终端设备的历 史社会相关性； 根据同一所述聚类模型内所述终端设备与所述终端设备在第二预设时间的交互次数 计算所述终端设备的当前 社会相关性； 根据所述终端设备的所述历史社会相关性和所述当前社会相关性计算所述终端设备 的活跃度值； 和 根据所述预设截断距离、 所述活跃度值、 所述终端设备与其它终端设备的距离确定每 个所述终端设备的活跃度密度。 3.如权利要求1所述的基于区块链的联邦学习参与节点选择方法， 其特征在于， 所述根 据所述活跃度密度的大小以选择目标终端设备， 包括： 以最大活跃度密度对应的所述终端设备设置为所述目标终端设备。 4.如权利要求3所述的基于区块链的联邦学习参与节点选择方法， 其特征在于， 所述计 算所述终端设备到所述目标终端设备的偏移 距离， 包括： 在所述终端设备的所述活跃度密度小于最大活跃度密度的情况下， 将所述终端设备与 所述目标终端设备的距离最小值设置为偏移 距离； 在所述终端设备的所述活跃度密度等于所述最大活跃度密度的情况下， 将所述终端设 备与所述目标终端设备的距离最大值设置为偏移 距离。 5.如权利要求1所述的基于区块链的联邦学习参与节点选择方法， 其特征在于， 所述通 过所述聚类中心点的所述终端设备传输对应所述聚类模型中所述终端设备的数据至所述 基站， 包括： 比较所述聚类中心点的所述终端设备与每 个所述基站的距离以确定目标传输基站； 通过所述聚类中心点的所述终端设备传输对应所述聚类模型中所述终端设备的数据 至所述目标传输基站。 6.如权利要求5所述的基于区块链的联邦学习参与节点选择方法， 其特征在于， 所述通 过所述聚类中心点的所述终端设备传输对应所述聚类模型中所述终端设备的数据至所述权　利　要　求　书 1/2 页 2 CN 114095503 A 2基站， 还包括： 获取所述聚类模型中所有所述终端设备的数据； 根据所述终端设备的数据大小筛 选出训练数据； 传输所述训练数据至对应的所述目标传输基站。 7.如权利要求6所述的基于区块链的联邦学习参与节点选择方法， 其特征在于， 所述联 邦学习参与节点选择 方法还包括： 根据预设空间向量模型对所述训练数据处 理得到线性向量； 根据预设距离函数确定所述线性向量的文本相似度； 通过聚类算法根据所述文本相似度对所述训练数据进行聚类得到聚类结果。 8.一种基于区块链的联邦学习参与节点选择装置， 用于物联网系统， 其特征在于， 所述 联邦学习参与节点选择装置包括： 获取模块， 用于获取每个所述终端设备与所述基站、 其它所述终端设备之间在预设时 间内的交 互次数和距离； 第一确定模块， 用于根据所述活跃度密度的大小以选择目标终端设备； 选择模块， 用于根据 预设截断距离、 所述数据交互次数、 所述终端设备与其它终端设备 的距离确定每 个所述终端设备的活跃度密度； 计算模块， 用于计算所述终端设备到所述目标终端设备的偏移 距离； 第二确定模块， 用于根据所述活跃度密度和所述偏移距离确定所述终端设备的聚类中 心点； 和 传输模块， 用于通过所述聚类中心点的所述终端设备传输对应聚类模型中所述终端设 备的数据至所述基站。 9.一种电子设备， 用于物联网系统， 其特征在于， 包括处理器和存储器， 所述存储器存 储有至少一个程序， 并且所述程序被所述处理器执行， 所述程序包括用于执行如权利要求 1‑7任意一项所述的基于区块链的联邦学习参与节点选择 方法的指令 。 10.一种计算机程序的非易失性计算机可读存储介质， 其特征在于， 当所述计算机程序 被处理器执行时， 使得所述处理器执行权利要求1 ‑7中任一项所述的基于区块链的联邦学 习参与节点选择 方法。权　利　要　求　书 2/2 页 3 CN 114095503 A 3