本公开提供了一种基于区块链的联邦处理方法、装置、设备及存储介质,涉及人工智能技术领域,尤其涉及区块链技术和机器学习技术领域。该方法包括:对本地参与方的本地样本与联邦任务中其他参与方的其他样本进行样本对齐,得到联邦任务的本地基础数据集;基于预先达成共识的排序算法,根据区块链中联邦任务的任务标识信息对所述本地基础数据集进行随机排序,得到联邦任务的本地目标数据集;采用所述本地目标数据集与其他参与方的其他目标数据集对所述联邦任务进行模型评估。通过上述技术方案,能够提高模型性能评估的可靠性。
背景技术
在联邦学习系统中,有多个参与方共同进行模型训练。每一方持有一部分数据,也就是训练样本。出于数据安全的考虑,这些数据不能直接进行交换。在有监督的机器学习中,执行模型评估需要将已有的数据集划分为测试集(test set)和训练集(trainingset)。在各参与方数据安全的前提下,如何进行模型性能评估十分重要。
实现思路