面向医疗数据分析的去中心化联邦学习方法

本发明公开了面向医疗数据分析的去中心化联邦学习方法。该方法将需要进行医疗数据共享的终端设备作为任务节点，在任务通道中发布模型训练任务，与其他符合条件的终端设备一同创建训练通道。针对恶意节点的攻击，设计了基于本地模型质量的共识节点选取策略，在本地更新、全局模型更新共识上链前建立共识小组。并基于改进后的拜占庭容错共识算法，重新设计训练通道中本地更新和全局更新的共识流程。降低了恶意节点成为主节点甚至共识节点的概率，提高了共识过程安全，减少了视图切换，提高了通信效率。可以保证联邦学习过程中医疗数据的安全性，以及降低存储数据的本地服务器成本。