(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 202111167021.9 (22)申请日 2021.10.01 (71)申请人 浙商银行股份有限公司 地址 311200 浙江省杭州市萧 山区鸿宁路 1788号 申请人 易企银 （杭州） 科技有限公司 (72)发明人 陈嘉俊　臧铖　郭东升　 (74)专利代理 机构 杭州求是专利事务所有限公 司 33200 代理人 刘静 (51)Int.Cl. H04L 9/40(2022.01) H04L 67/566(2022.01) H04L 41/14(2022.01) G06N 20/00(2019.01) (54)发明名称 一种基于区块链跨链的联邦学习方法及设 备 (57)摘要 本发明公开了一种基于区块链跨链的联邦 学习方法及设备， 单一区块链网络内利用本地数 据进行联邦学习模型训练， 并将模 型参数通过隐 私交易发送到模 型聚合智能合约， 实现单一链内 不同节点模 型参数的聚合， 进行模 型参数在各节 点的同步； 模 型聚合智能合约通过跨链隐私交易 将最新模型参数发送到跨链网络， 实现不同链之 间的模型同步； 整个过程中单一网络节点和跨链 网络节点数据不发生交换， 且通过隐私交易的方 式确保每个节 点的模型参数不泄露， 确保了数据 隐私安全的同时实现了不同区块链网络的不同 节点数据对 联邦学习模型的训练， 扩 大了训练的 数据集， 提高了模型的准确率。 采用 积分机制提 高各个成员贡献数据训练模型的积极性， 进一步 提升模型训练效果。 权利要求书2页 说明书7页 附图6页 CN 113992360 A 2022.01.28 CN 113992360 A 1.一种基于区块链跨链的联邦学习方法， 其特 征在于， 包括： 单一区块链网络内， 联邦学习模型部署在区块链节点上， 利用本地节点数据进行联邦 学习模型训练， 并将模型参数通过隐私交易发送到联邦学习模型聚合智能合约； 模型聚合 智能合约对 模型参数进行聚合， 并将最 新模型参数同步到各个节点， 完成模型同步； 当单一链模型同步完成， 模型聚合智能合约 通过跨链隐私交易将最新模型参数发送到 跨链网络； 目的链解析交易获得最新模型参数， 并通过模型聚合智能合约将最新模型参数 同步到链内各个节点， 实现不同链之间的模型同步。 2.根据权利要求1所述的一种基于区块链跨链的联邦学习方法， 其特征在于， 所述联邦 学习模型的训练步骤如下： (1)本地节点初始化模型参数； 模型聚合智能合约初始化， 并获取各节点公钥， 开始模 型训练； (2)各个链内节点利用本地数据对联邦学习模型进行本地训练， 将模型参数利用合约 公钥进行加密， 并通过交易方式将模型参数发送到模型聚合智能合约； (3)模型聚合智能合约收到各节点的模型更新参数后， 利用合约私钥进行解密， 获得各 节点的模型参数后进行聚合操作， 之后将最新模型参数利用对接节点公钥进行加密， 发送 到各训练节点， 各节点利用自己的私钥进行解密， 获得最 新模型参数， 并更新训练模型。 3.根据权利要求1所述的一种基于区块链跨链的联邦学习方法， 其特征在于， 所述模型 聚合智能合约的主要功能包括： 实现区块链链内训练模型参数聚合与同步、 不同区块链之 间训练模型参数聚合与同步； 合约方法采用加密的方式， 确保各个节点之间的数据在聚合 与同步过程中不被泄漏。 4.根据权利要求1所述的一种基于区块链跨链的联邦学习方法， 其特征在于， 所述模型 聚合智能合约的初始 化流程包括： 对参数进 行初始化， 获取区块链内节点 公钥与跨链公钥， 用于私密 传输； 初始化完成后启动合约。 5.根据权利要求1所述的一种基于区块链跨链的联邦学习方法， 其特征在于， 所述模型 聚合智能合约的聚合流程包括： 模型参数通过模型聚合智能合约进行聚合操作， 每个区块 链节点上均有智能合约运行， 聚合过程经过节点共识， 实现去中心化， 通过加密实现数据隐 私保护； 模型聚合智能合约在满足聚合条件时才进行聚合操作， 否则继续接 收节点模型参 数数据， 获得最 新模型参数。 6.根据权利要求1所述的一种基于区块链跨链的联邦学习方法， 其特征在于， 所述模型 聚合智能合约的同步流程包括： 区块链内， 模型聚合智能合约利用目的节点公钥加密传输 数据并发送到目的节点， 目的节点收到数据后， 利用自己的私钥解密获取最新模 型参数， 并 更新本地节点的训练模型； 针对跨链， 模型聚合智能合约利用目的链公钥加密传输数据， 通 过跨链网络将加密数据传递到目的链， 目的链接 收到数据后， 利用跨链私钥解密获取最新 模型参数， 并通过模型聚合智能合约将最 新模型参数同步到链内各个节点。 7.根据权利要求1所述的一种基于区块链跨链的联邦学习方法， 其特征在于， 所述模型 聚合智能合约的功能还包括： 记录区块链内各成员的数据贡献度以及跨链组织的数据贡献 度， 进行积分， 并写入账本； 通过积分激励机制， 激励各 组织成员积极贡献数据训练模型， 提 高模型训练精度。 8.根据权利要求7所述的一种基于区块链跨链的联邦学习方法， 其特征在于， 根据 各成权　利　要　求　书 1/2 页 2 CN 113992360 A 2员的积分情况判断成员对模型 的贡献度， 进行联邦学习系统的治理； 当某成员积分低于阈 值时， 则认为该成员贡献度低， 在一个周期内， 考虑将其删除组织或者限制其贡献训练模型 的权限； 积分较高的成员可以作为治理成员， 参与管理系统的操作。 9.根据权利要求1所述的一种基于区块链跨链的联邦学习方法， 其特征在于， 所述跨链 网络用于联邦学习模型在不同链之间的模型同步， 通过隐私跨链交易的形式确保数据隐 私； 所述跨链网络包括跨链通信代理节点和跨链通信总 线； 跨链各方具有至少一个代理节 点， 每个代理节点能够与该链中的任意节点连接， 各链之间通过跨链通信总线通信交 互； 当链进行通信互联时， 首先由代理节点上的跨链证书管理模块签发证书， 然后进行注 册， 注册信息中包 含链成员身份信息、 当前链权限、 智能合约权限、 合约方法权限； 当模型需要同步时， 发起跨链隐私交易， 链内部经过共识后， 由代 理节点的发送接口将 跨链消息传递到目的链的代理节点， 然后再传递到目的链上进行相关操作。 10.一种计算机设备， 包括： 存储器和 处理器； 所述存储器上存储有可由所述处理器运 行的计算机程序； 所述处理器运行所述计算机程序时， 执行如权利要求1至9任意一项所述 的方法。权　利　要　求　书 2/2 页 3 CN 113992360 A 3