一种基于群签名的数据传递方法、程序、介质和设备以及联邦学习方法与流程

本发明涉及计算机，尤其涉及一种基于群签名的数据传递方法、程序、介质和设备以及联邦学习方法。

背景技术：

1、随着计算技术的迅猛发展，机器学习已经成为数据分析和模式识别的关键技术。机器学习使得计算机系统能够从数据中学习和自我完善，通过训练算法来识别模式和特征，从而使其能够对新数据进行有效的预测或决策。这些算法的范围从简单的线性回归（用于预测或估计事物间的关联）到模拟人脑处理信息方式的复杂深度学习网络。深度学习网络特别适用于图像和语音识别等任务，并且随着医疗、金融和社交媒体等领域对大数据集的依赖日益加深，其重要性愈发凸显。

2、以医疗领域为例，机器学习技术已被广泛应用于疾病诊断、病情发展预测及个性化治疗方案的制定。这些应用依赖于处理敏感的患者数据，例如医疗记录、生物识别信息和基因序列等。在个人应用领域，如智能手机应用和社交网络服务，机器学习技术同样在个性化推荐和用户行为分析等方面发挥着重要作用，但是处理的数据往往涉及用户的个人偏好和行为习惯。

3、在此背景下，数据隐私和保密性问题显得尤为重要。虽然数据提供了宝贵的洞察力，但如果处理不当，可能会导致隐私泄露甚至引发法律和伦理问题。例如，医疗数据的泄露不仅侵犯了患者的隐私权，还可能引发社会不信任和法律诉讼。在个人应用方面，不当使用用户数据可能引发信任危机，影响公司品牌形象。

4、面对这一情况，尽管传统的集中式机器学习在计算效率方面具有优势，但它在处理敏感数据时面临的隐私保护风险不容忽视。传统机器学习方法通常依赖于将大量数据集中至单一数据中心或服务器上进行处理。这种集中式方法虽然能够让算法访问庞大的数据集，从而提高学习效率和精度，但同时也存在明显的缺陷：一方面，集中存储大量敏感数据增加了被盗取或滥用的风险；另一方面，所有数据的传输到中心服务器不仅消耗大量带宽，也可能暴露传输过程中的隐私信息（例如，ip地址）。在当前网络攻击和数据安全事件频发的环境下，这种风险尤为突出。

5、为解决这些问题，联邦学习这一新兴的机器学习方法应运而生。联邦学习不再依赖于数据的集中存储，而是将数据保留在原始数据源（如用户的智能手机或医院的服务器）上。在这种模式下，机器学习模型被发送到各个数据源，在这些本地设备上独立进行学习，然后仅将学习到的模型更新（而非原始数据）回传至中心服务器。中心服务器通过综合这些更新来改进全局模型。这种方法的优势在于，原始数据无需离开其来源地，大大降低了数据泄露的风险，同时也减少了对带宽的需求。

6、然而，尽管联邦学习在提升内容隐私方面取得了一定进展，但在隐藏数据源地址方面仍面临挑战。例如，在医疗领域，即便病人的具体健康数据得到了保护，但如果能够识别出数据来源于特定的医院或地区，仍有可能暴露病人的身份或健康状况。在个人应用领域，即使用户的具体行为数据进行了匿名处理，但数据源的地理位置信息的泄露也可能揭露用户的个人习惯和行为模式。

7、因此，开发一种能够同时保护数据内容和隐藏数据源地址的联邦学习方法显得尤为迫切。

技术实现思路

1、针对现有技术中所存在的不足，本发明提供了一种基于群签名的数据传递方法、程序、介质和设备以及联邦学习方法，其解决了现有技术中存在的联邦学习中数据源地址暴露的问题。

2、第一方面，根据本发明的实施例，提供了一种基于群签名的数据传递方法，用于联邦学习中本地节点向聚合服务器上传其训练得到的模型更新参数，所述方法包括以下步骤：s1、采用群证书、节点私钥来对模型更新参数进行签名，以得到节点签名；s2、向聚合服务器发送所述群证书、所述模型更新参数和所述节点签名；其中，共同参与联邦学习的多个本地节点构成群组，所述群组生成的群签名群组中包括群私钥，所述节点私钥为所述群私钥之一，所述群证书基于所述节点私钥生成。

3、根据本发明的实施例，所述群签名群组基于随机参数生成。

4、根据本发明的实施例，根据以下步骤生成所述群证书：p1、由本地节点基于其节点私钥生成第一中间参数并传递到群组中群管理员；p2、由所述群管理员基于所述第一中间参数获取群私钥，基于所述群私钥和随机参数生成群证书，并将所述群证书返回给所述本地节点。

5、根据本发明的实施例，在本地节点训练得到模型更新参数的过程中采用差分隐私方法。

6、第二方面，根据本发明的另一实施例，提供了一种联邦学习方法，用于本地节点基于其本地数据训练从聚合服务器接收的网络模型，以获得模型更新参数，并将模型更新参数上传到聚合服务器进行聚合，本地节点采用如第一方面所述一种基于群签名的数据传递方法来向所述聚合服务器传递模型更新参数。

7、第三方面，根据本发明的又一实施例，提供了一种计算机程序产品，所述计算机程序产品包括计算机程序代码，当所述计算机程序代码在电子设备上运行时，使得所述电子设备执行如第一方面所述一种基于群签名的数据传递方法。

8、第四方面，根据本发明的又一实施例，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序可被处理器执行以实现第一方面所述一种基于群签名的数据传递方法的步骤。

9、第五方面，根据本发明的又一实施例，提供了一种电子设备，包括：一个或多个处理器；以及存储器，其中存储器用于存储可执行指令；所述一个或多个处理器被配置为经由执行所述可执行指令以实现第一方面所述一种基于群签名的数据传递方法的步骤。

10、本发明的技术原理为：在联邦学习中，本地节点组成群组并生成群签名群组，群签名群组包括群私钥；对于每个本地节点，基于群私钥和节点私钥生成生成群证书，以对每个本地节点训练模型生成模型参数进行签名以得到节点签名；在向聚合服务器发送群证书、群签名和模型参数之后，聚合服务器通过对群签名的验证来进行模型参数聚合。

11、相比于现有技术，本发明具有如下有益效果：通过采用了上述基于群签名的模型参数传递方法，其解决了现有数据传输暴露数据源地址的技术问题，产生了隐藏并保护数据源地址的技术效果。

技术特征：

1.一种基于群签名的数据传递方法，用于联邦学习中本地节点向聚合服务器上传其训练得到的模型更新参数，其特征在于，所述方法包括以下步骤：

2.如权利要求1所述的一种基于群签名的数据传递方法，其特征在于，所述群签名群组基于随机参数生成。

3.如权利要求2所述的一种基于群签名的数据传递方法，其特征在于，根据以下步骤生成所述群证书：

4.如权利要求2所述的一种基于群签名的数据传递方法，其特征在于，在本地节点训练得到模型更新参数的过程中采用差分隐私方法。

5.一种联邦学习方法，用于本地节点基于其本地数据训练从聚合服务器接收的网络模型，以获得模型更新参数，并将模型更新参数上传到聚合服务器进行聚合，其特征在于，本地节点采用如权利要求1-4中任一项所述一种基于群签名的数据传递方法来向所述聚合服务器传递模型更新参数。

6.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序代码，当所述计算机程序代码在电子设备上运行时，使得所述电子设备执行如权利要求1-4中任一项所述一种基于群签名的数据传递方法。

7.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序可被处理器执行以实现权利要求1-4中任一项所述一种基于群签名的数据传递方法的步骤。

8. 一种电子设备，其特征在于，包括：

技术总结本发明提供了一种基于群签名的数据传递方法、程序、介质和设备以及联邦学习方法。所述一种基于群签名的数据传递方法用于联邦学习中本地节点向聚合服务器上传其训练得到的模型更新参数，所述方法包括以下步骤：S1、采用群证书、节点私钥来对模型更新参数进行签名，以得到节点签名；S2、向聚合服务器发送所述群证书、所述模型更新参数和所述节点签名；其中，共同参与联邦学习的多个本地节点构成群组，所述群组生成的群签名群组中包括群私钥，所述节点私钥为所述群私钥之一，所述群证书基于所述节点私钥生成。通过在数据传递过程中采用了群签名，根据本发明实施例的数据传递方法解决了现有技术中存在的联邦学习中数据源地址暴露的问题。技术研发人员：王毅豪,宋洪庆,毛刚,李思霖,杜明谦,陈宇,何印,冯文飞,张斌,宋昊,余鸿儒,罗佳,杨怀,康琳,杨宇城,张奕凡,张译文受保护的技术使用者：中国民用航空总局第二研究所技术研发日：技术公布日：2024/7/29