支持区块链协议的内外网隔离方法、系统、设备和介质

    公开(公告)号:CN117061212A

    公开(公告)日:2023-11-14

    申请号:CN202311120834.1

    申请日:2023-08-31

    IPC分类号: H04L9/40 H04L69/22 H04L9/32

    摘要: 本发明公开了支持区块链协议的内外网隔离方法、系统、设备和介质,属于数据隔离传输技术领域。现有的内、外网数据传输需要通过网闸摆渡,影响数据传输效率,不利于推广使用。本发明的一种支持区块链协议的内外网隔离方法,通过构建支持区块链协议的内外网隔离模型对静态数据包进行协议的识别,一旦识别出共识协议将通过安全通道进行传输,不再使用网闸摆渡,从而在保障网络安全的前提下大幅提升数据传输的效率,利于推广使用。同时,利用数据缓存模型,将各区块链节点记录的数据信息将存放到缓存中,每隔指定时间或当数据量大于参数阈值时,统一进行共识协议识别,然后统一穿过隔离网闸或进入安全通道进行数据传输,提高数据穿透效率,解决数据频繁穿透隔离网闸造成系统性能下降的问题。

    面向大规模产业链隐私计算的联邦学习模型训练方法

    公开(公告)号:CN114169412A

    公开(公告)日:2022-03-11

    申请号:CN202111397160.0

    申请日:2021-11-23

    IPC分类号: G06K9/62 G06N20/00

    摘要: 本发明提供一种面向大规模产业链隐私计算的联邦学习模型训练方法。所述方法包括:由联邦学习中心服务器节点以非独立同分布为目标划分产业链业务训练数据集,并分发至多个联邦学习工人节点;联邦学习工人节点基于目标利润函数迭代训练本地模型;聚合服务器节点在聚合每个联邦学习工人节点发送的更新后的本地模型权重后,根据各个本地模型权重分布和整体本地模型权重分布,计算每个联邦学习工人节点对应的地动距离,并剔除超过预设距离阈值的联邦学习工人节点;由剩余的联邦学习工人节点继续进行模型训练。本发明在联邦学习模型训练过程中将分布差异过大的数据分布剔除,减少异质性数据带来的精度损失,提高了传统算法在产业链中的应用可靠性。