基于混合隐私的区块链高效模型协同训练共享方案

来源：电子与信息学报杂志2023年第3期北京时间：

作者：张翠, 杨辉, 王寒凝, 王江, 曾创展, 李荣宽

单位：1.北京邮电大学电子工程学院 北京 1008762.61932部队 北京 1000003.电科云(北京)科技有限公司 北京 100043

摘要：针对海量数据下，基于区块链的联邦学习数据共享平台面临的效率低下和隐私泄露问题，该文提出基于混合隐私的区块链高效模型协同训练共享方案。在该方案中，首先根据欧氏距离设计了一种基于相似度的训练成员选择算法来选择训练成员，组成联邦社区，即通过选取少量的高匹配训练节点来提高训练的效率和效果。然后，结合阈值同态加密和差分隐私，设计一种基于混合隐私技术的模型协同训练共享方案来保证训练和共享过程中的隐私性。实验结果和系统实现表明，所提方案可以在保证训练结果准确率的情况下，实现高效训练和隐私保护下的数据共享。

关键词：区块链, 联邦学习, 阈值同态加密, 差分隐私

基金资助：国家自然科学基金(62122015)