一种区块链支持的联邦学习认知模型

作者：袁媛; 袁松^*

来源：计算机技术与发展, 2023, 33(11): 215-220.

• 认知计算
• 联邦学习
• 区块链
• 马尔可夫决策
• Q强化学习

物联网数据的有效认知是实现智能制造的重要载体，针对物联网数据驱动认知性能和抗攻击力问题，提出一种区块链支持的联邦学习认知模型。首先，该模型将中心化的参数服务器构建为去中心化的参数聚合器，构建了一个区块链支持的联邦学习数据驱动认知计算框架；然后，该模型利用共识算法构建激励机制和交叉验证机制，生成区块链支持的联邦学习数据驱动认知，用以维护物联网数据认知性能；最后，该模型利用改进马尔可夫决策过程完成模型聚合实现全局更新的最优策略，并提出Q强化学习方法支持联邦学习的认知计算，用以增强模型抗攻击能力。实验结果表明：所提的模型不仅可以优化全局模型的准确率和损失率，还可以使平均存储开销和计算时延收敛稳定。同时，所提的模型与联邦平均聚合算法相比准确率平均高10%,与区块链方法和联邦学习方法相比具有更有效的抗攻击能力，为实现物联网数据驱动提供了支持。

• 单位
  武汉体育学院; 杭州电子科技大学