一种基于联邦学习的跨域模型参数安全聚合处理系统

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
一种基于联邦学习的跨域模型参数安全聚合处理系统
申请号:CN202511168653
申请日期:2025-08-20
公开号:CN120934736A
公开日期:2025-11-11
类型:发明专利
摘要
本发明公开了基于联邦学习的跨域模型参数安全聚合处理系统,包括:去中心化身份与信誉管理模块,用于注册节点与初始化信誉;动态聚合节点选举模块,基于信誉从候选者中选举出聚合节点;本地安全处理与证明生成模块,在各节点生成加密的模型更新可验证证明;加密传输与链上验证模块,验证证明确认合法贡献;可信自适应聚合与执行证明模块,在聚合节点的可信环境中安全聚合合法贡献,生成新模型与执行证明;全局状态更新与信誉反馈模块,依据执行证明更新各节点信誉,完成闭环。本发明采用分布式一致性账本管理系统规则,结合由可信执行环境构成的动态聚合节点,构建去中心化的模型参数聚合框架,实现聚合任务执行者的周期性轮换与硬件级安全隔离。
技术关键词
可信执行环境 节点 账本 信誉管理 动态 参数 选举算法 状态更新 模块 零知识证明技术 身份 数据 策略 加密 数值 生成记录 验证算法 模型更新 合规性