(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111634568.5 (22)申请日 2021.12.2 9 (65)同一申请的已公布的文献号 申请公布号 CN 114239857 A (43)申请公布日 2022.03.25 (73)专利权人 湖南工商大 学 地址 410205 湖南省长 沙市岳麓区岳麓 大 道569号 (72)发明人 曹文治　陈不凡　陈晓红　刘利枚　 卞阳　刘星宝　 (74)专利代理 机构 深圳众鼎汇成知识产权代理 有限公司 4 4566 专利代理师 朱业刚 (51)Int.Cl. G06N 20/00(2019.01) H04L 67/1097(2022.01)(56)对比文件 CN 108600272 A,2018.09.28 CN 110598480 A,2019.12.20 CN 112434334 A,2021.0 3.02 CN 112699339 A,2021.04.23 US 2019236598 A1,2019.08.01 WO 2021232754 A1,2021.1 1.25 陈晓红 等.数字技 术助推我国能源行业 碳 中和目标实现的路径探析. 《中国科 学院院刊》 .2021, 周洲 等.融合科研创新的密码学开 放实验 设计. 《科技视界》 .2021, Chamatidis I lias et al.Mac hine Learning for Al l: A More Robust F ederated Learning Framew ork. 《Proce edings of the 5th Internati onal Conference o n Informati on System s Security and Privacy》 .2019, 审查员 孙亚 (54)发明名称 基于联邦学习的数据确权方法、 装置、 设备 及介质 (57)摘要 本发明公开了一种基于联邦学习的数据确 权方法、 装置、 设备及介质， 应用于数据处理技术 领域， 用于根据各参与方的元数据信息进行确 权， 提高各参与方的数据的数据使用。 本发明提 供的方法包括： 获取参与联邦学习的每个参与方 的元数据信息； 根据所述参与方的所述元数据信 息生成所述参与方权限信息和参与方密钥信息； 基于所述参与方权限信息， 依次对每个参与方的 元数据信息进行数据确权， 得到第一确权结果； 基于所述第一确权结果， 生 成每个所述参与方的 作业令牌信息； 在联邦学习训练过程中， 基于所 述作业令牌信息进行数据确权， 得到第二确权结 果； 将所述第一确权结果与所述第二确权结果作 为确权证据， 存储到所述区块链网络 。 权利要求书3页 说明书12页 附图3页 CN 114239857 B 2022.11.22 CN 114239857 B 1.一种基于联邦学习的数据确权方法， 其特 征在于， 包括： 获取参与 联邦学习的每个参与 方的元数据信 息； 所述参与 方是指持有训练数据或者训 练用的原 始数据的机构， 所述元 数据信息用以代替每 个所述参与方的原 始数据； 针对所述参与方， 根据所述参与方的所述元数据信息生成所述参与方权限信息， 并将 所述元数据信息与所述 参与方权限信息上传到区块链网络， 得到参与方密钥 信息； 按照预先生成的参与方确权顺序， 基于所述参与方权限信息， 依次对每个参与方的元 数据信息进行 数据确权， 得到第一确权结果； 基于所述第一确权结果， 生成每 个所述参与方的作业令牌信息； 其中， 所述元数据信 息包括维度随机数， 所述基于所述第 一确权结果， 生成每个所述参 与方的作业令牌信息， 包括： 若第一确权结果为确权成功， 则获取每个参与方的维度随机数， 并对所述的维度随机 数进行求和计算， 得到求和结果； 通过每个参与方的所述参与方密钥信 息对所述求和结果进行加密， 生成每个参与 方的 作业令牌信息； 所述元数据信息还 包括字段信息和对应的权限节点信息； 所述维度随机数为在将权限节点信 息相同的字段信 息集合形成维度集合后， 采用随机 数生成算法， 生成所述维度集 合的随机数； 所述字段信息为 参与方自身原 始数据的字段信息； 所述权限节点信息表示该所述字段信息的授权参与方； 在联邦学习训练过程中， 基于 所述作业令牌信息进行 数据确权， 得到第二确权结果； 将所述第一确权结果与所述第二确权结果作为确权证据， 存 储到所述区块链网络 。 2.根据权利要求1所述的基于联邦学习的数据确权方法， 其特征在于， 所述针对所述参 与方， 根据所述 参与方的所述元 数据信息生成所述 参与方权限信息， 包括： 获取参与联邦学习的每 个参与方的字段信息和每 个字段信息的权限节点信息； 将所述权限节点信 息相同的字段信 息聚集形成维度集合， 作为每个参与 方的参与 方权 限信息。 3.根据权利要求1所述的基于联邦学习的数据确权方法， 其特征在于， 所述按照预先生 成的参与方确权顺序， 基于所述参与方权限信息， 依 次对每个参与方 的元数据信息进行数 据确权， 得到第一确权结果， 包括： 每个参与 方通过所述参与 方密钥信 息对所述元数据信 息进行加密， 得到对应的元数据 加密信息； 按照预先生成的参与方确权顺序， 依次对每个参与方的元数据加密信息进行解密， 根 据解密结果确定第一确权结果。 4.根据权利要求3所述的基于联邦学习的数据确权方法， 其特征在于， 所述每个参与方 通过所述参与方密钥 信息对所述元 数据信息进行加密， 得到对应的元 数据加密信息， 包括： 通过每个参与方自身的参与方密钥信息， 对所述元数据信息进行加密， 得到第一加密 信息； 将预先生成的参与方确权顺序进行倒序， 得到数据加密顺序， 并按照所述数据加密顺 序， 依次利用其它参与方的参与方密钥信息， 对所述第一加密信息进 行加密， 得到元数据加权　利　要　求　书 1/3 页 2 CN 114239857 B 2密信息。 5.根据权利要求1所述的基于联邦学习的数据确权方法， 其特征在于， 在联邦学习训练 过程中， 基于所述作业令牌信息进行 数据确权， 得到第二确权结果， 包括： 在联邦学习训练过程中， 通过验证每个参与方的所述作业令牌信息进行身份匹配， 得 到验证结果； 若验证结果为验证通过， 基于预设的确权规则， 每个参与方基于所述作业令牌信息进 行数据确权， 得到第二确权结果。 6.根据权利要求1所述的基于联邦学习的数据确权方法， 其特征在于， 联邦学习训练结 束后得到联邦模型， 在将所述第一确权结果与所述第二确权结果作为确权证据， 存储到所 述区块链网络之后， 包括： 当接收到联邦模型使用请求时， 获取 所述联邦模型使用请求中的参与方信息； 基于所述参与方信 息， 通过所述区块链网络的智能合约获取对应的所述参与方密钥信 息以及所述作业令牌信息； 通过所述参与方密钥 信息对所述作业令牌信息进行解密， 得到解密结果； 将所述解密结果与 所述参与方存储在所述 区块链平台的元数据信 息进行匹配， 得到匹 配结果， 并基于所述匹配结果使用所述联邦模型。 7.一种基于联邦学习的数据确权装置， 其特 征在于， 包括： 数据获取模块， 用于获取参与联邦学习的每 个参与方的元 数据信息； 密钥信息生成模块， 用于针对所述参与方， 根据所述参与方的所述元数据信息生成所 述参与方权限信息， 并将所述元数据信息与所述参与方权限信息上传到区块链网络， 得到 参与方密钥 信息； 第一确权模块， 用于按照预先生成的参与 方确权顺序， 基于所述参与方权限信 息， 依次 对每个参与方的元 数据信息进行 数据确权， 得到第一确权结果； 令牌信息生成模块， 用于基于所述第一确权结果， 生成每个所述参与方的作业令牌信 息； 其中， 所述元 数据信息包括维度随机数， 所述令牌信息生成模块包括： 求和结果单元， 用于若第 一确权结果为确权成功， 则获取每个参与方的维度随机数， 并 对所述的维度随机数进行求和计算， 得到求和结果； 令牌信息生成单元， 用于通过每个参与 方的所述参与 方密钥信 息对所述求和结果进行 加密， 生成每 个参与方的作业令牌信息； 所述元数据信息还 包括字段信息和对应的权限节点信息； 所述维度随机数为在将权限节点信 息相同的字段信 息集合形成维度集合后， 采用随机 数生成算法， 生成所述维度集 合的随机数； 所述字段信息为 参与方自身原 始数据的字段信息； 所述权限节点信息表示该所述字段信息的授权参与方； 第二确权模块， 用于在联邦学 习训练过程中， 基于所述作业令牌信息进行 数据确权， 得到第二确权结果； 确权证据存储模块， 用于将所述第一确权结果与所述第二确权结果作为确权证据， 存 储到所述区块链网络 。 8.一种计算机设备， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器权　利　要　求　书 2/3 页 3 CN 114239857 B 3