(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 202111284979.6 (22)申请日 2021.11.01 (71)申请人 海南火链科技有限公司 地址 571924 海南省澄迈县老城镇高新 技 术产业示范区海南生态软件园沃克公 园8830 (72)发明人 焦锋　王峰　闫晨旭　 (74)专利代理 机构 北京中强智尚知识产权代理 有限公司 1 1448 代理人 吕梦雪 (51)Int.Cl. G06F 21/31(2013.01) G06F 30/27(2020.01) G06K 9/62(2022.01) H04L 9/00(2022.01)H04L 9/08(2006.01) (54)发明名称 基于联盟链的医疗模 型的训练方法、 装置及 联盟链 (57)摘要 本申请公开了基于联盟链的医疗模型的训 练方法、 装置及联盟链， 其方法包括： 为各训练节 点分配身份验证信息； 以联盟链的区块高度为种 子， 生成阈值随机数， 并广播至各训练节点， 以使 各训练节点根据随机数和 阈值随机数确定一个 聚合节点； 各训练节点基于本地的医疗数据对医 疗模型进行训练， 并写入智能合约中， 以使智能 合约进行加密和广播至聚合节 点； 聚合节点对各 模型参数进行整合， 得到聚合参数， 并根据各训 练节点的密钥对生成的聚合签名； 并广播至各训 练节点； 各训练节点验证聚合节点的身份， 以及 聚合签名的有效性， 若均通过则根据聚合参数对 本地的医疗模 型的参数进行更新。 本申请通过联 盟链、 联邦学习和链下存储实现医疗 数据可信隐 私共享。 权利要求书3页 说明书13页 附图4页 CN 114186204 A 2022.03.15 CN 114186204 A 1.一种基于联盟链的医疗模型的训练方法， 其特征在于， 所述联盟链包括多个训练节 点， 所述方法包括： 所述联盟链为各训练节点分配身份验证信息， 其中， 所述身份验证信息包括： 密钥对、 随机数、 身份 证明； 所述联盟链以所述联盟链的区块高度为种子， 生成阈值随机数， 并广播至各训练节点， 以使各训练节点根据各训练节点的随机数和所述阈值随机数确定训练节点中的一个作为 聚合节点； 各训练节点基于本地的医疗数据对医疗模型进行训练， 并将得到的模型参数写入所述 联盟链的智能合约中， 以使所述智能合约采用各训练节点密钥对对各训练节点上传的模型 参数进行加密， 并将加密后的模型参数广播至聚合节点； 所述聚合节点对各训练节点上传的模型参数进行整合， 得到聚合参数， 以及根据各训 练节点的密钥对生成的聚合签名； 并将得到的聚合参数和所述聚合签名写入所述联盟链的 智能合约中， 以广播至各训练节点； 各训练节点根据 所述聚合节点的密钥对和身份证明验证所述聚合节点的身份， 并验证 所述聚合签名的有效性， 在所述聚合节点的身份验证通过且所述聚合签名为有效的情况 下， 根据所述聚合 参数对本地的医疗 模型的参数进行 更新。 2.根据权利要求1所述的方法， 其特征在于， 所述各训练节点基于本地的医疗数据对医 疗模型进行训练是分多轮次进行的； 在每一轮次的训练过程中， 执行所述各训练节点基于本地的医疗数据对医疗模型进行 训练， 并将得到的模型参数写入所述联盟链的智能合约中， 至所述各训练节点从所述联盟 链的智能合约中获取聚合参数， 并根据所述聚合参数对本地的医疗模型的参数进 行更新的 步骤。 3.根据权利要求2所述的方法， 其特征在于， 在开启新的轮次的训练， 或新的医疗模型 的训练时， 所述联盟链还控制各训练节点选取新的聚合节点， 且根据新的训练节点的密钥 对、 随机数、 身份 证明， 对其身份进行验证。 4.根据权利要求1所述的方法， 其特征在于， 所述 聚合节点对各训练节点上传的模型参 数进行整合， 得到聚合 参数， 包括： 根据一个训练节点上述的模型参数， 确定测试医疗 模型； 基于所述测试医疗 模型， 对测试用数据集进行 预测， 得到测试准确率； 若得到的测试准确率小于预设的准确率阈值， 则舍弃 该训练节点上传的模型参数； 若得到的测试准确率大于等于预设的准确率阈值， 则将该训练节点上传的模型参数进 行聚合， 得到聚合 参数。 5.根据权利要求1所述的方法， 其特 征在于， 所述密钥对 包括阈值签名； 根据各训练节点的密钥对生成的聚合签名包括： 将各训练节点的密钥对的阈值签名， 基于预设的加密算法进行运 算， 得到聚合签名。 6.根据权利要求1所述的方法， 其特征在于， 所述为各训练节点分配身份验证信息包 括： 根据各训练节点的数据， 确定验证种子； 基于所述验证种子， 采用乘法循环群生成密钥对， 所述密钥对包括公钥、 私钥和阈值签权　利　要　求　书 1/3 页 2 CN 114186204 A 2名； 其中， 所述阈值签名包含一个线性映射， 使得所述乘法循环群具备指定属性， 且所述阈 值签名具 备同态特性。 7.根据权利要求1所述的方法， 其特征在于， 所述为各训练节点分配身份验证信息包 括： 基于可验证随机函数， 为各训练节点生成随机数及身份证 明， 其中， 所述随机数及所述 身份证明满足下式： 其中， skvi为私钥， di为随机数， πi为身份证明， α 为消息 字符串， βi为数字签名。 8.根据权利要求1所述的方法， 其特征在于， 所述各训练节点根据 各训练节点的随机数 和所述阈值随机数确定训练节点中的一个作为聚合节点包括： 确定各训练节点的随机数与 所述阈值随机数的相对大小， 将随机数小于所述阈值随机 数的训练节点作为 候选聚合节点； 若所述候选聚合节点的数量 为一个， 则将该候选聚合节点作为聚合节点； 若所述候选聚合节点的数量为多个， 则从多个候选聚合节点中随机选取一个作为聚合 节点。 9.一种基于联盟链的医疗模型的训练装置， 其特征在于， 所述联盟链包括多个训练节 点， 所述装置 部署于所述联盟链以及各训练节点中， 所述装置包括： 分配单元， 用于为各训练节点分配身份验证信息， 其中， 所述身份验证信息包括： 密钥 对、 随机数、 身份 证明； 生成单元， 用于以所述联盟链的区块高度为种子， 生成阈值随机数， 并广播至各训练节 点， 以使各训练节点根据各训练节点的随机数和所述阈值随机数确定训练节点中的一个作 为聚合节点； 训练单元， 用于基于本地的医疗数据对医疗模型进行训练， 并将得到的模型参数写入 所述联盟链的智能合约中， 以使 所述智能合约采用各训练节点密钥对对各训练节点上传的 模型参数进行加密， 并将加密后的模型参数广播至聚合节点； 整合单元， 用于对各训练节点上传的模型参数进行整合， 并将得到的聚合参数， 以及根 据各训练节点的密钥对生成的聚合签名写入所述联盟链的智能合约中， 以广播至各训练节 点； 验证单元， 用于根据所述聚合节点的密钥对和身份证明验证所述聚合节点的身份， 并 验证所述聚合签名的有效性； 更新单元， 用于在所述聚合节点的身份验证通过且所述聚合签名为有效的情况下， 根 据所述聚合 参数对本地的医疗 模型的参数进行 更新。 10.一种联盟链， 其特 征在于， 所述联盟链包括多个训练节点； 所述联盟链， 用于为各训练节点分配身份验证信息， 其中， 所述身份验证信息包括： 密 钥对、 随机数、 身份 证明； 所述联盟链， 用于以所述联盟链的区块高度为种子， 生成阈值随机数， 并广播至各训练 节点， 以使各训练节 点根据各训练节点的随机数和所述阈值随机数确定训练节点中的一个权　利　要　求　书 2/3 页 3 CN 114186204 A 3