基于委员会共识的鲁棒高效去中心化联邦学习方法及系统与流程

1.基于委员会共识的鲁棒高效去中心化联邦学习方法，其特征在于，包括：

2.根据权利要求1所述的基于委员会共识的鲁棒高效去中心化联邦学习方法，其特征在于，步骤1中，初始全局模型下发及首轮委员会成员的选举；具体包括：

3.根据权利要求1所述的基于委员会共识的鲁棒高效去中心化联邦学习方法，其特征在于，步骤2中，本地模型训练；包括：

4.根据权利要求1所述的基于委员会共识的鲁棒高效去中心化联邦学习方法，其特征在于，步骤3中，模型参数验证；具体包括：

5.根据权利要求1所述的基于委员会共识的鲁棒高效去中心化联邦学习方法，其特征在于，步骤4中，委员会成员将通过验证的训练者的相关信息及委员会成员的相关信息上传至区块链；具体包括：

6.根据权利要求1所述的基于委员会共识的鲁棒高效去中心化联邦学习方法，其特征在于，步骤5中，智能合约聚合全局模型并计算训练者和委员会成员的贡献度：具体包括：

7.根据权利要求6所述的基于委员会共识的鲁棒高效去中心化联邦学习方法，其特征在于，具体的计算方法如下：

8.根据权利要求1所述的基于委员会共识的鲁棒高效去中心化联邦学习方法，其特征在于，步骤6中，智能合约选择下一轮的训练者集合和委员会集合；具体包括：

9.根据权利要求1-8任一所述的基于委员会共识的鲁棒高效去中心化联邦学习方法，其特征在于，步骤7中，联邦学习参与者下载最新的区块，确认自己在下一轮联邦学习中的角色，获取最新的全局模型，并将最新的全局模型作为下一轮训练的初始模型，重复执行以上步骤，直至最终的全局模型收敛。

10.一种基于委员会共识的鲁棒高效去中心化联邦学习系统，其特征在于，包括：