(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 202111431977.5 (22)申请日 2021.11.29 (71)申请人 广发银行股份有限公司 地址 510000 广东省广州市越秀区东 风东 路713号 (72)发明人 李远　何跃江　肖准　 (74)专利代理 机构 广州润禾知识产权代理事务 所(普通合伙) 44446 代理人 欧秋望 (51)Int.Cl. G06N 20/00(2019.01) H04L 9/40(2022.01) (54)发明名称 基于区块链的联邦学习任务调度方法、 系 统、 设备及 介质 (57)摘要 本发明提供基于区块链的联邦学习任务调 度方法、 系统、 设备及介质， 方法应用于使用方， 包括： 通过部署在区块链上的任务管理合约发布 联邦学习任务至区块链； 向若干个区块链上的共 识节点发出参与联邦学习任务的邀请； 接收若干 个共识节点发出的接受邀请反馈或拒绝邀请反 馈； 将发出接受邀请反馈的共识节 点确定为参与 方共识节点， 确定是否启动联邦学习任务； 当联 邦学习任务被启动后， 参与方共识节 点通过任务 管理合约获取联邦学习任务； 接收参与方共识节 点在完成联邦学习任务后 传输的最终模型。 基于 区块链的方式搭建联邦学习的任务平台， 多个区 块链上的共识节点基于使用方的需求建立多个 联邦， 实现区块链网络下的多个联邦任务的调 度。 权利要求书4页 说明书12页 附图3页 CN 114139722 A 2022.03.04 CN 114139722 A 1.一种基于区块链的联邦学习任务调度方法， 其特 征在于， 应用于使用方， 包括： 通过部署在区块链上的任务管理合约发布联邦学习任务至所述区块链； 向若干个所述区块链上的共识 节点发出参与所述联邦学习任务的邀请； 接收若干个所述共识 节点发出的接受邀请反馈或拒绝邀请反馈； 将发出所述接受邀请反馈的共识节点确定为参与方共识节点， 根据所有所述参与 方共 识节点以及所述联邦学习任务的内容确定是否启动所述联邦学习任务； 当所述联邦学习 任务被启动后， 所述参与方共识节点通过所述任务管理合约获取所述 联邦学习任务； 接收所述 参与方共识 节点在完成所述联邦学习任务后传输的最终模型； 所述最终模型是所述参与方共识节点在完成所述联邦学习任务时通过若干轮模型训 练得到的。 2.根据权利要求1所述的基于区块链的联邦学习任务调度方法， 其特征在于， 在根据 所 有所述参与方共识节点以及所述联邦学习任务的内容确定是否启动所述联邦学习任务之 前， 还包括： 接收未发出所述邀请的共识节点的参与任务请求， 根据当前的所有所述参与方共识节 点以及所述联邦学习任务的内容确定是否接受所述参与任务请求， 如是， 则将发出参与任 务请求的共识 节点确定为所述 参与方共识 节点。 3.根据权利要求1所述的基于区块链的联邦学习任务调度方法， 其特征在于， 在启动所 述联邦学习任务之前， 还 包括： 通过 所述任务管理合约设置所述联邦学习任务的积分奖励； 在所述参与 方共识节点完成所述联邦学习 任务后， 部署在区块链上的激励计算合约 根 据各个所述参与方共识节点完成的所述联邦学习任务的情况， 以及在所述任务管理合约设 置的所述联邦学习任务的积分奖励， 为各个所述 参与方共识 节点发放相应的积分奖励。 4.根据权利要求3所述的基于区块链的联邦学习任务调度方法， 其特 征在于， 还 包括： 若干个所述参与 方共识节点从区块链上获取使用方指定参与的联邦学习 任务后， 将所 述联邦学习任务传输 至所述参与方共识 节点对应的参与方计算节点； 若干个所述 参与方计算节点中的其中一个作为 参与方协调节点； 所述参与方计算节点 根据所述联邦学习任务进行若干轮模型训练； 如所述参与 方计算节点当前进行的模型训练为首轮模型训练， 所述参与 方计算节点根 据预设的初始模型参数进行一轮模型训练； 如所述参与 方计算节点当前进行的模型训练为非首轮模型训练， 所述参与 方计算节点 根据所述参与方协调节点反馈的新模型参数进 行一轮模型训练， 直至完成所述联邦学习任 务。 5.根据权利要求1～4任一项所述的基于区块链的联邦学习任务调度方法， 其特征在 于， 向若干个所述区块链上的共识 节点发出参与所述联邦学习任务的邀请， 具体为： 根据部署在所述 区块链上的机构管理合约中的共识节点的评价， 向若干个所述 区块链 上的共识 节点发出参与所述联邦学习任务的邀请。 6.根据权利要求5所述的基于区块链的联邦学习任务调度方法， 其特 征在于， 还 包括： 所述参与 方计算节点在每完成一轮模型训练时， 将所完成的一轮模型训练的梯度 数据 加密传输至所述参与方协调节点；权　利　要　求　书 1/4 页 2 CN 114139722 A 2所述参与方协调节点每接收到各个参与方计算节点完成一轮模型训练后加密传输的 梯度数据时， 解密获取到各个参与方计算节点完成一轮模型训练后传输的梯度数据， 聚合 各个所述参与方计算节点完成一轮模型训练后传输的梯度数据， 并将聚合后的梯度数据作 为所述新模型参数加密 传输至各个所述 参与方计算节点； 所述参与 方计算节点根据所述参与方协调节点反馈的新模型参数进行一轮模型训练， 具体为： 所述参与方计算节点解密获取并根据所获取到的所述参与方协调节点反馈的新模型 参数进行一轮模型训练。 7.根据权利要求6所述的基于区块链的联邦学习任务调度方法， 其特 征在于， 还 包括： 所述参与 方计算节点在每完成一轮模型训练时， 还将所完成的一轮模型训练得到的质 量评估数据传输 至所述参与方协调节点； 所述参与方协调节点每接收到各个参与方计算节点完成一轮模型训练后传输的质量 评估数据时， 根据各个所述参与方计算节点完成一轮模型训练后传输的质量评估数据确定 是否可以结束所述模型训练， 如是， 则向各个所述 参与方计算节点发送 停止训练命令； 所述参与方计算节点在接收到所述 参与方协调节点的停止训练命令后结束模型训练； 所述参与方协调节点根据各个参与方计算节点完成的最后一轮模型训练后传输的梯 度数据， 得到所述 最终模型。 8.根据权利要求7 所述的基于区块链的联邦学习任务调度方法， 其特 征在于， 还 包括： 所述参与方协调节点每接收到各个参与方计算节点完成一轮模型训练后加密传输的 梯度数据时， 解密获取并根据各个参与方计算节 点完成一轮模型训练后传输的梯度数据得 到当前模型； 所述参与方协调节点根据各个所述参与方计算节点完成一轮模型训练后传输的质量 评估数据确定是否可以结束所述模型训练， 具体为： 所述参与方协调节点根据各个所述参与方计算节点完成一轮模型训练后传输的质量 评估数据确定所述当前模型的模型性能， 判断所述当前模型的模型性能是否达到预设的性 能阈值， 如是则确定可以结束 所述模型训练， 并将所述当前模 型作为所述最 终模型； 如否则 确定不可以结束所述模型训练。 9.根据权利要求8所述的基于区块链的联邦学习任务调度方法， 其特 征在于， 还 包括： 在所述模型训练结束后， 所述参与方协调节点根据 各个所述参与 方计算节点完成最后 一轮模型训练后传输的梯度数据， 以及所述最终模型的模型性能分别确定各个所述参与方 计算节点的贡献度， 按照所述贡献度的大小生成各个所述参与方计算节点排名以及评价， 并将所计算的各个所述参与方计算节点的贡献度、 排名以及评价传输至所述机构管理合 约； 所述激励计算合约 根据各个所述参与 方共识节点完成的所述联邦学习 任务的情况， 以 及在所述任务管理合约设置的所述联邦学习任务的积分奖励， 为各个所述参与方共识节点 发放相应的积分奖励， 具体为： 所述激励计算合约 根据所述机构管理合约上的各个所述参与 方计算节点的贡献度， 以 及在所述任务管理合约设置的所述联邦学习任务的积分奖励， 为各个所述参与方共识节点 发放相应的积分奖励。权　利　要　求　书 2/4 页 3 CN 114139722 A 3