1.一种雾计算中区块链协助的联邦学习主动内容缓存方法，其特征在于：该方法包括以下步骤：S1：建立区块链协助的联邦学习主动边缘缓存架构；

S2：基于用户选择的联邦学习FL；

S3：进行基于上下文感知的对抗性自动编码器的内容流行度预测算法；

S4：进行联合区块链技术提高数据安全性方案；

在所述S1中，建立一个主动边缘缓存架构；该架构包括云计算中心、雾服务器和物联网用户；将配备雾服务器的边缘节点视为无线缓存实体，具有到云计算中心的可靠回程链接；

物联网设备和雾节点之间通过无线链路进行通信；假设每个边缘节点最多可以存储F个内容，当物联网用户在边缘节点的覆盖范围内时，将从该边缘节点请求内容；如果请求的内容缓存在边缘节点，内容将直接从边缘节点传输到物联网设备，提高内容交付速率和用户体验；否则，物联网用户必须从云计算中心获取请求的内容；每个雾节点涵盖多个物联网设备，一段时间后，边缘节点将连接到云计算中心以更新缓存的内容和模型；

在所述S2中，基于用户选择的FL方案，与具有异构资源的客户端协同工作；允许服务器聚合尽可能多的客户端更新，并加速FL模型中的性能改进；

基于用户选择的FL方案具体包括以下步骤：

1)用户选择：首先，新的资源请求步骤要求随机客户端将自己的资源信息通知雾服务器；然后，雾服务器在之后的客户端选择步骤中引用该资源信息，以估计模型分发、更新以及上传步骤所需的时间，并确定参与模型训练的客户端；在客户端选择步骤中的目标是允许服务器在指定的期限内聚合进行客户端更新；

2)模型下载：基于用户选择的结果，一组物联网用户 被选择用于参与第r轮的联邦学习训练过程；接下来所选用户从雾服务器下载初始的全局模型参数wr，并基于本地数据训练该模型；

3)FL模型训练：存储在所选用户设备中的数据集为H＝{H1,H2,H3,…,Hs}，其中Hs表示第s个用户的本地数据集，数据大小为fs＝|Hs|，f为所选用户设备中整个数据集的大小；目标是最小化损失函数l(w)：其中lj(w)为数据集H中第j个数据在模型参数w训练下的预测损失，Ls(w)表示用户s的本地损失函数；最小化本地损失函数Ls(w)的加权平均等价于优化FL训练中的损失函数l(w)；

4)模型更新上传：将本地训练完的模型更新参数 上传至雾服务器以便于全局模型的更新；物联网用户首先将经过验证后的本地模型更新参数上传至区块链，然后雾服务器从区块链上获取用于全局模型更新的参数；

5)权重聚合：物联网用户上传本地模型更新参数之后，雾节点通过计算所有接收到的本地模型 的加权总和，生成新的全局模型wr+1；生成的新的全局模型将用于下一轮模型训练，r表示FL中的通信轮数；采用加权平均算法对模型进行聚合，参数聚合的权值取决于本地训练数据的数量：其中α为学习速率；

在所述S3中，边缘节点中的多个物联网用户协作训练一个共享的全局模型；首先，边缘节点向连接的物联网用户广播初始的全局训练模型；接着，每个物联网用户利用本地数据计算一个更新的模型，然后将计算更新后的梯度参数上传到边缘节点；最后，边缘节点聚合来自物联网用户的更新并建立更新后的全局模型；重复上述步骤，直到获得一个满意的全局模型；将预测的所有内容的流行度进行排名，并选择流行度排名前F位的内容作为边缘节点中的缓存内容，同时，边缘节点的缓存内容列表存储在云计算中心；

C‑AAE通过将AE转换成生成模型，将GAN添加到AE架构中；GANs构建两个神经网络，即生成网络G和判别网络D；G使用一个随机数向量作为输入，并在输出处生成输入；D用于区分从G生成的样本和从输入数据提取的样本；GAN在G与D之间的对抗性表示为：重构阶段和正则化阶段是C‑AAE训练过程中的两个阶段；在重构阶段，AE用来更新编码器；首先，z由生成网络q(z|x)生成，然后，z被输入到解码器，输出 由z重构，在x和 之间计算重构误差；在正则化阶段，首先由对抗网络更新判别网络D，以区分真实的先验样本和生成的样本；其次，为欺骗判别网络D，更新生成网络G；

在所述S4中，FL框架中训练的模型是上下文感知的对抗性自动编码器C‑AAE模型，它用于内容流行度的预测，以实现主动边缘缓存；对抗式自编码器AAE是一种概率自编码器AE，结合生成式对抗网络GANs和变分自编码器VAE；对抗式自编码器AAE的顶层是一个AE，能够学习一个隐编码z，以一种无监督的学习方式将其输入X映射到输出 对抗式自编码器AAE的底层是一个对抗网络，用于区分样本是由指定分布的用户生成的还是来自AE的隐编码z；

使用物联网用户的上下文信息 附加在X中，以用于预测上下文相关的内容流行度，提高预测精度。

2.根据权利要求1所述的一种雾计算中区块链协助的联邦学习主动内容缓存方法，其特征在于：在所述S4中，结合区块链技术以保证数据的安全性；将物联网设备计算出的结果通过智能合约验证后附加到区块链，再由边缘节点从区块链上获取；使用区块链技术，在多个边缘节点上构建分布式控件，区块链通过挖掘和复制大量的节点来保护数据的准确性、一致性和有效性。

3.根据权利要求2所述的一种雾计算中区块链协助的联邦学习主动内容缓存方法，其特征在于：在所述S4中，使用区块链技术作为分布式账本，去中心化实体产生的交易将被记录和验证；交易被写入区块链后将不会被更改；为去中心化实体设计四种智能合约，用于记录和验证交易：(1)身份合约：负责管理每个实体，包括分布式物联网用户和边缘节点；

(2)接口合约：为物联网用户提供向区块链提交梯度参数的接口；

(3)验证合约：负责选择共识节点和交易验证；

(4)信任合约：负责网络参与者的奖惩。