【技术实现步骤摘要】
一种基于区块链的联邦学习参与节点选择方法
[0001]本申请涉及计算机网络安全领域，特别涉及一种基于区块链的联邦学习参与节点选择方法、联邦学习参与节点选择装置、电子设备及计算机可读存储介质。
技术介绍
[0002]随着物联网(IOT)的兴起，物联网设备产生的数据给机器学习在众多应用中实现智能提供了机会。目前，物联网设备在数据处理方式为集中式的机器学习，需要将多方的数据源汇聚起来，再统一进行数据处理。然而，这样的做法需要多方的本地数据出库，使得数据拥有者失去了对数据的所有权且容易造成数据的隐私泄露问题。因此，如何实现数据协作共享的同时，还保证数据安全及隐私保护成了巨大的挑战。
[0003]相关技术中，可通过联邦学习(Federated Learning)技术在实现数据共享的同时，避免数据的隐私的泄露问题，从而保证数据安全。然而，物联网设备规模大、分布范围广，而物联网设备的计算和存储资源有限，难以输出和维护结构化的数据，导致存在传输时延的问题。
技术实现思路
[0004]有鉴于此，本申请提供一种基于区块链的联邦学习参与节点选择方法、联邦学习参与节点选择装置、电子设备及非易失性计算机可读存储介质。
[0005]本申请的基于区块链的联邦学习参与节点选择方法包括：
[0006]获取每个所述终端设备与所述基站、其它所述终端设备之间在预设时间内的交互次数和距离；
[0007]根据预设截断距离、所述数据交互次数、所述终端设备与其它终端设备的距离确定每个所述终端设备的活跃度密度；>[0008]根据所述活跃度密度的大小以选择目标终端设备；
[0009]计算所述终端设备到所述目标终端设备的偏移距离；
[0010]根据所述活跃度密度和所述偏移距离确定所述终端设备的聚类中心点；和
[0011]通过所述聚类中心点的所述终端设备传输对应聚类模型中所述终端设备的数据至所述基站。
[0012]在某些实施方式中，所述根据预设截断距离、所述数据交互次数、所述终端设备与其它终端设备的距离确定每个所述终端设备的活跃度密度，包括：
[0013]根据所述终端设备与所述基站在第一预设时间内的交互次数计算所述终端设备的历史社会相关性；
[0014]根据同一聚类模型内所述终端设备与所述终端设备在第二预设时间的交互次数计算所述终端设备的当前社会相关性；
[0015]根据所述终端设备的所述历史社会相关性和所述当前社会相关性计算所述终端设备的活跃度值；和
[0016]根据所述预设截断距离、所述活跃度值、所述终端设备与其它终端设备的距离确定每个所述终端设备的活跃度密度。
[0017]在某些实施方式中，所述根据所述活跃度密度的大小以选择目标终端设备，包括：
[0018]以最大活跃度密度对应的所述终端设备设置为所述目标终端设备。
[0019]在某些实施方式中，所述计算所述终端设备到所述目标终端设备的偏移距离，包括：
[0020]在所述终端设备的所述活跃度密度小于最大活跃度密度的情况下，将所述终端设备与所述目标终端设备的距离最小值设置为偏移距离；
[0021]在所述终端设备的所述活跃度密度等于所述最大活跃度密度的情况下，将所述终端设备与所述目标终端设备的距离最大值设置为偏移距离。
[0022]在某些实施方式中，所述通过所述聚类中心点的所述终端设备传输对应所述聚类模型中所述终端设备的数据至所述基站，包括：
[0023]比较所述聚类中心点的所述终端设备与每个所述基站的距离以确定目标传输基站；
[0024]通过所述聚类中心点的所述终端设备传输对应所述聚类模型中所述终端设备的数据至所述目标传输基站。
[0025]在某些实施方式中，所述通过所述聚类中心点的所述终端设备传输对应所述聚类模型中所述终端设备的数据至所述基站，还包括：
[0026]获取所述聚类模型中所有所述终端设备的数据；
[0027]根据所述终端设备的数据大小筛选出训练数据；
[0028]传输所述训练数据至对应的所述目标传输基站。
[0029]在某些实施方式中，所述基于区块链的联邦学习参与节点选择方法还包括：
[0030]根据预设空间向量模型对所述训练数据处理得到线性向量；
[0031]根据预设距离函数确定所述线性向量的文本相似度；
[0032]通过聚类算法根据所述文本相似度对所述训练数据进行聚类得到聚类结果。
[0033]本申请的基于区块链的联邦学习参与节点选择装置，用于物联网系统，所述联邦学习参与节点选择装置包括：
[0034]获取模块，用于获取每个所述终端设备与所述基站、其它所述终端设备之间在预设时间内的交互次数和距离；
[0035]第一确定模块，用于根据所述活跃度密度的大小以选择目标终端设备；
[0036]选择模块，用于根据预设截断距离、所述数据交互次数、所述终端设备与其它终端设备的距离确定每个所述终端设备的活跃度密度；
[0037]计算模块，用于计算所述终端设备到所述目标终端设备的偏移距离；
[0038]第二确定模块，用于根据所述活跃度密度和所述偏移距离确定所述终端设备的聚类中心点；和
[0039]传输模块，用于通过所述聚类中心点的所述终端设备传输对应聚类模型中所述终端设备的数据至所述基站。
[0040]本申请的电子设备，包括处理器和存储器；所述存储器中存储有程序，并且所述程序被所述处理器执行，所述程序包括用于执行上述任意一项实施方式的基于区块链的联邦
学习参与节点选择方法的指令。
[0041]本申请的分易失性计算机可读存储介质，包括计算机程序，当所述计算机程序被处理器执行时，使得所述处理器执行上述任意一项所述的基于区块链的联邦学习参与节点选择方法。
[0042]本申请实施方式的基于区块链的联邦学习参与节点选择方法、联邦学习参与节点选择装置、电子设备及计算机可读存储介质中，通过根据终端设备与其它终端设备、基站的交互频率活跃度，对终端设备进行聚类处理，得到多个聚类模型，以及根据基站的交互频率活跃度选出每个聚类模型中积极性高、资源能力多的终端设备作为的聚类中心点，并通过聚类中心点的终端设备将聚类模型内的其它终端设备的数据传输至基站中。如此，使得终端设备既能够长期稳定通信并及时处理任务，还可以减少数据的传输时延。
[0043]本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
[0044]本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0045]图1是本申请某些实施方式的基于区块链的联邦学习参与节点选择方法的流程示意图；
[0046]图2是本申请某些实施方式的联邦学习参与节点选择装置的模块示意图；
[0047]图3是本申请某些实施方式的物联网系统的模块示意图；
[本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于区块链的联邦学习参与节点选择方法，用于物联网系统，其特征在于，所述物联网系统包括多个基站和多个终端设备，所述联邦学习参与节点选择方法包括：获取每个所述终端设备与所述基站、其它所述终端设备之间在预设时间内的交互次数和距离；根据预设截断距离、所述数据交互次数、所述终端设备与其它终端设备的距离确定每个所述终端设备的活跃度密度；根据所述活跃度密度的大小以选择目标终端设备；计算所述终端设备到所述目标终端设备的偏移距离；根据所述活跃度密度和所述偏移距离确定所述终端设备的聚类中心点；和通过所述聚类中心点的所述终端设备传输对应聚类模型中所述终端设备的数据至所述基站。2.如权利要求1所述的基于区块链的联邦学习参与节点选择方法，其特征在于，所述根据预设截断距离、所述数据交互次数、所述终端设备与其它终端设备的距离确定每个所述终端设备的活跃度密度，包括：根据所述终端设备与所述基站在第一预设时间内的交互次数计算所述终端设备的历史社会相关性；根据同一所述聚类模型内所述终端设备与所述终端设备在第二预设时间的交互次数计算所述终端设备的当前社会相关性；根据所述终端设备的所述历史社会相关性和所述当前社会相关性计算所述终端设备的活跃度值；和根据所述预设截断距离、所述活跃度值、所述终端设备与其它终端设备的距离确定每个所述终端设备的活跃度密度。3.如权利要求1所述的基于区块链的联邦学习参与节点选择方法，其特征在于，所述根据所述活跃度密度的大小以选择目标终端设备，包括：以最大活跃度密度对应的所述终端设备设置为所述目标终端设备。4.如权利要求3所述的基于区块链的联邦学习参与节点选择方法，其特征在于，所述计算所述终端设备到所述目标终端设备的偏移距离，包括：在所述终端设备的所述活跃度密度小于最大活跃度密度的情况下，将所述终端设备与所述目标终端设备的距离最小值设置为偏移距离；在所述终端设备的所述活跃度密度等于所述最大活跃度密度的情况下，将所述终端设备与所述目标终端设备的距离最大值设置为偏移距离。5.如权利要求1所述的基于区块链的联邦学习参与节点选择方法，其特征在于，所述通过所述聚类中心点的所述终端设备传输对应所述聚类模型中所述终端设备的数据至所述基...
【专利技术属性】
技术研发人员：李晓欢，叶进，何杨，
申请(专利权)人：广西综合交通大数据研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。