一种基于梯度投影的公平联邦共识方法及系统

本发明属于区块链与人工智能交叉技术领域，特别涉及一种基于梯度投影的公平联邦共识方法及系统。本发明的目的在于解决数据非独立同分布（Non‑IID）条件下客户端贡献评估不公平及梯度冲突消解机制中投影目标选择不当引起的全局模型公平性下降问题。方法包括：初始化客户端密钥与参数；每轮随机选m客户端本地训练；依损失变化与准确率计算努力值，择优指定区块创建者；服务器检测梯度冲突并选择性投影消解，将长度较大的梯度投影至长度较小梯度的正交平面；聚合无冲突梯度更新全局模型；循环至预设轮数输出最终模型与创建者序列。该方案兼顾模型性能与参与公平性，提升联邦学习在异构环境下的共识效率与激励相容性。