一种基于智能合约激励机制的可信联邦学习方法

    公开(公告)号:CN117829266A

    公开(公告)日:2024-04-05

    申请号:CN202311609727.5

    申请日:2023-11-29

    Inventor: 公备 罗一航

    Abstract: 本发明提供一种基于智能合约激励机制的可信联邦学习方法。本发明基于区块链设计了一个分布式的联邦学习场景,对于场景中的边缘节点而言,同时充当联邦学习训练时的客户端节点与区块链上的节点;基于区块链的智能合约,设计了一种针对FL场景下的激励机制,鼓励设备节点参与训练过程,提高了训练效率;在模型聚合过程中,设计信任评估模型,通过信任评分使得系统能够有效识别恶意客户端,防止恶意客户端故意上传错误的模型参数,对全局模型的精确度产生负面影响;在信任评估模型中,我们提出了一种新的优化后的欧氏距离评估方法,以较低的资源消耗获得相对准确的信任评估结果。

    一种基于可信度量的移动网络设备动态信任评估方法

    公开(公告)号:CN118354320A

    公开(公告)日:2024-07-16

    申请号:CN202410584477.2

    申请日:2024-05-12

    Inventor: 公备 罗一航

    Abstract: 本发明提出一种基于可信度量的移动网络设备动态信任评估方法,针对现有的移动网络设备之间信任模型无法有效应对通信数据攻击以及难以抵抗恶意设备节点欺诈的不足。本发明直接信任模型的计算中考虑到相邻节点数据传输的一致性,从而引入奖惩因子与能量因子激励节点的合法行为;推荐信任模型中通过测量源节点与推荐节点的差异性,评估节点的推荐可信度;综合信任模型计算中结合直接信任与推荐信任,引入动态权重分配函数提高信任模型的适应性。

Patent Agency Ranking