基于区块链实现隐私保护的拜占庭-鲁棒联邦学习方法

本发明公开了基于区块链实现隐私保护的拜占庭‑鲁棒联邦学习方法，包括：基于秘钥生成中心向计算服务器和参与方分发秘钥，通过计算服务器初始化全局模型，将初始化全局模型、参与方提交的担保品上传至区块链系统；各联邦学习的参与方在本地进行当前模型训练，将训练获得的梯度进行归一化、同态加密和签名，将签名上传至区块链系统并把加密后的梯度发送给计算服务器；通过计算服务器对参与方提交的梯度和签名进行验证；基于计算服务器采用加权平均的方法进行梯度聚合，然后更新计算服务器初始化全局模型，并将更新后的全局模型上传至区块链；重复上述步骤，直至模型收敛。本发明实现了隐私保护，降低了计算服务器的通信开销，提高了整体安全性。