El advenimiento de la era de big data ha traído demandas de datos sin precedentes. La integración de recursos informáticos con recursos de red en la red de fuerza informática permite la posibilidad de entrenamiento colaborativo distribuido. Sin embargo, el entrenamiento colaborativo sin cifrado es vulnerable a amenazas como ataques de inversión de gradiente y robo de modelos. Para abordar este problema, los datos en el entrenamiento colaborativo suelen estar protegidos por métodos criptográficos. Sin embargo, la falta de significado semántico de los datos cifrados dificulta prevenir posibles ataques de envenenamiento de datos y ataques de aprovechamiento. En este documento, proponemos un enfoque de garantía de equidad para el entrenamiento colaborativo preservando la privacidad, empleando la tecnología blockchain para permitir a los participantes compartir datos y excluir a posibles infractores de los usuarios normales. Utilizamos un método de agregación segura basado en criptografía para prevenir la fuga de datos durante las transacciones de blockchain, y empleamos un método de evaluación de contribución para datos cifrados para prevenir ataques de envenenamiento de datos y ataques de aprovechamiento. Además, utilizando el intercambio de secretos de Shamir para la negociación de claves secretas dentro del grupo, la clave negociada se introduce directamente como ruido en el modelo, asegurando que el proceso de cifrado sea computacionalmente ligero. La descifrado se logra de manera eficiente a través de la agregación de modelos cifrados dentro del grupo, sin incurrir en costos computacionales adicionales, mejorando así la eficiencia computacional de los procesos de cifrado y descifrado. Finalmente, los resultados experimentales demuestran la efectividad y eficiencia de nuestro enfoque propuesto.