(19)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 202210867720.2 (22)申请日 2022.07.21 (71)申请人 西安交通大 学 地址 710049 陕西省西安市咸宁西路28号 (72)发明人 王云涛　苏洲　 (74)专利代理 机构 西安通大专利代理有限责任 公司 6120 0 专利代理师 朱海临 (51)Int.Cl. G06F 16/27(2019.01) G06F 16/23(2019.01) G06F 21/62(2013.01) G06F 21/60(2013.01) G06F 21/64(2013.01) G06Q 20/06(2012.01)G06Q 20/36(2012.01) G06N 20/00(2019.01) G06Q 40/04(2012.01) (54)发明名称 面向联邦学习的能源回收的区块链绿色共 识方法及系统 (57)摘要 本发明公开了面向联邦学习的能源回收的 区块链绿色共识方法及系统， 区块链网络的每个 共识节点选择最优任务， 从链下数据仓库中获取 每个联盟的模 型事务对应的模型， 最优任务为当 前进入测试阶段的所有未完成任务中有效模型 数量最多的任务； 区块链网络的每个共识节点独 立运行模型排序智能合约和区块奖励智能合约， 分别对最优任务相关的模型进行排序和奖励分 发， 同时更新最优任务的完成状态。 本发明以完 全去中心化的方式将区块链共识挖矿中浪费的 能量用来执行联邦学习任务且保护用户隐私， 从 而训练有价值的人工智能模型， 实现区块链系统 的可持续 性。 权利要求书3页 说明书14页 附图4页 CN 115269723 A 2022.11.01 CN 115269723 A 1.一种面向联邦学习的能源回收的区块链绿色共识方法， 其特 征在于， 包括： 区块链网络接收任务发布者发布的联邦学习 任务， 所述联邦学习 任务分为训练阶段和 测试阶段； 区块链网络的每个共识节点对所述联邦学习 任务进行验证， 并根据验证结果生成未完 成任务序列； 区块链网络的每 个矿工节点选择 所述未完成任务序列中优先级最高的未完成任务； 将选择了相同未完成任务的所有矿工节点以最大化整体效益 为目标组成若干联盟； 每个联盟通过联邦学习 对选择的未完成任务进行协作训练， 得到模型并生成对应的模 型事务； 每个联盟将对应的模型事务发布至区块链网络， 直至选择的未完成任务进入测试阶段 后， 将模型 上传至链下 数据仓库； 区块链网络的每个共识节点选择最优任务， 从链下数据仓库中获取每个联盟的模型事 务对应的模型， 所述最优任务为当前进入测试阶段的所有 未完成任务中有效模型数量最多 的任务； 区块链网络的每个共识节点独立运行模型排序智能合约和区块奖励智能合约， 分别对 最优任务相关的模型进行排序和奖励分发， 同时更新 最优任务的完成状态。 2.根据权利要求1所述的一种面向联邦学习的能源回收的区块链绿色共识方法， 其特 征在于， 所述区块链网络的每个共识节点对所述联邦学习任务进行验证， 并根据验证结果 生成未完成任务序列， 包括： 区块链网络的每个共识节点验证所述联邦学习任务的发布者是否有预设额度的存款 用于支付任务托管费和任务奖励， 并验证当前区块高度与预设的释放测试数据集的区块高 度之差是否大于预设的最小值； 若有预设额度的存款， 同时大于预设的最小值， 则将所述联邦学习任务顺序地添加进 未完成任务序列。 3.根据权利要求1所述的一种面向联邦学习的能源回收的区块链绿色共识方法， 其特 征在于， 所述整体效益为选择了相同未完成任务的所有联盟的效益之和， 其中， 每个联盟j 的效益为： 其中， γs为大于零的调 节参数； γd＞0为控制衰减速度的衰减系数； λc为大于零的成本参 数； 表示加入联盟j中的矿工节点的数量； 表示联盟j中只有一个成员， 即该成员 选择独自对待完成任务进行训练； 表示联盟j中所有成员的本地训练样本的平均非独立 同分布程度； ε(.)为相对精度损失函数； αm， j＝{0， 1}为二进制变量， 其中αm， j＝1表示节点m 为联盟j的成员， 否则am， j＝0； sm表示节点m的本地训练数据大小； τ表示优先级最高的未完 成任务； 表示任务 τ 的全局通信迭代轮数； 表示任务 τ 的最大本地训练迭代次数。权　利　要　求　书 1/3 页 2 CN 115269723 A 24.根据权利要求3所述的一种面向联邦学习的能源回收的区块链绿色共识方法， 其特 征在于， 所述将选择了相同未完成任务的所有矿工节点以最大化整体效益为目标组成若干 联盟， 包括： 选择了相同未完成任务的所有矿工节点选择向能够最大化整体效益的某个联盟或空 集发送加入联盟申请； 若某个矿工节点向空集发送加入联盟申请， 则该矿工节点自动形成一个只包含自身的 联盟， 若某个矿工节点 不向任何联盟发送加入联盟申请， 则仍留在当前 联盟内； 当前每个联盟对所有收到加入联盟申请 的矿工节点按照加入后联盟的效益由高到低 进行排序， 并接受排名第一的矿工节点的加入联盟申请同时拒绝其他矿工节点的加入联盟 申请； 执行联盟分裂与合并操作更新当前 联盟结构； 重复上述操作， 直至没有任何矿工节点向某个联盟或空集发送加入联盟申请。 5.根据权利要求1所述的一种面向联邦学习的能源回收的区块链绿色共识方法， 其特 征在于， 所述每个联盟通过联邦学习对选择 的未完成任务进行协作训练， 得到模型并生成 对应的模型事务， 包括： 每个联盟的所有参与者节点从区块链网络上获取所选择的未完成任务所指定的初始 模型， 并利用本地训练数据对所选择 的未完成任务所指定的初始模型进行训练， 得到相应 的更新的本地模型； 每个联盟的所有参与者节点将相应的更新的本地模型传输给联盟协调节点， 所述联盟 协调节点 为每个联盟内的所有参与者节点中的一个节点； 每个联盟的联盟协调节点对收到的联盟内所有参与者节点的更新的本地模型执行加 权聚合操作得到更新的全局模型， 并添加用户级别差分隐私扰动得到扰动的全局模型； 每个联盟的所有参与者节点根据所述联盟协调节点反馈的扰动的全局模型进行新一 轮模型训练， 直至联邦学习训练完成。 6.根据权利要求1所述的一种面向联邦学习的能源回收的区块链绿色共识方法， 其特 征在于， 所述模型事务包括模型指针、 参与费、 联盟内所有成员的聚合公钥、 事务的时间戳 以及联盟内所有成员的多签名。 7.根据权利要求1所述的一种面向联邦学习的能源回收的区块链绿色共识方法， 其特 征在于， 所述区块链网络的每个共识节点选择最优任务， 从链下数据仓库中获取每个联盟 的模型事务对应的模型， 包括： 每个共识节点对当前进入测试阶段的每个待完成任务的所有相关的模型事务进行验 证， 得到当前进入测试阶段的所有未完成任务中有效模型 数量最多的任务； 若在当前进入测试阶段， 有多个未完成任务具有相同的最多的有效模型数量， 则按照 相应的任务发布时间戳选择最先发布的任务 为最优任务； 每个共识节点对最优任务中每个通过验证的模型事务， 根据模型事务中的模型指针从 链下数据仓库中下载相应的训练完成的模型， 并同时根据相应的联邦学习任务中指定的测 试数据集的哈希指针从链下 数据仓库中下 载相应的测试 数据集。 8.根据权利要求1所述的一种面向联邦学习的能源回收的区块链绿色共识方法， 其特 征在于， 区块链网络的每个共识节点独立运行模型排序智能合约， 对最优任务相关的模型权　利　要　求　书 2/3 页 3 CN 115269723 A 3