[發明專利]基于區塊鏈方式的深度學習數據共享方法、存儲介質

在審

• 申請號: 201810397795.2
• 申請日: 2018-04-28
• 公開（公告）號: CN108805282A
• 公開（公告）日: 2018-11-13
• 發明（設計）人: 劉德建;于恩濤;董浩;梁益冰;林劍鋒;陳偉;周瀟瀟;鄭瑜琴;鄭秀琴;曾捷
• 申請（專利權）人: 福建天晴在線互動科技有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/04;G06F17/30
• 代理公司: 福州市博深專利事務所(普通合伙) 35214
• 代理人: 林志崢

本發明提供一種基于區塊鏈方式的深度學習數據共享方法、存儲介質，方法包括：存儲深度學習數據和目標建模模型至區塊鏈網絡的各節點，其中，所述深度學習數據共享在區塊鏈網絡中，所述目標建模模型受保護；將深度學習數據拆分成帶有對應數據屬性標簽的元數據；當接收到對應一目標建模模型的深度學習請求時，依據所述一目標建模模型確定對應的數據屬性標簽，獲取對應的元數據；依據所述對應的元數據，提取與所述一目標建模模型對應的深度學習數據進行學習。本發明不僅實現了優化了深度學習的方式，而且還能實現增強學習的一步到位，顯著提高學習的效率；進一步的，實現學習數據的復用，以及學習成本和時間的節省。

技術領域

本發明涉及深度學習數據領域，具體說的是基于區塊鏈方式的深度學習數據共享方法、存儲介質。

背景技術

目前常見的機器深度學習方案是Google DeepMind團隊使用的通用建模算法。采用卷積神經網絡的深度學習模型，將幾個機器人彼此相連，共享相互學習的經驗和嘗試數據，在經歷近百萬次的動作后，聯網的機器會逐步開始糾正整我，達到自我學習的效果。那么這些數據會作為此次學習方式的實驗數據單一的存儲起來，而并不能作為其他行為學習的支撐數據，即無法實現數據的復用。

同時，由于機器是獨立進行學習的，每次學習都會保留大量數據，而這些數據在使用權限和范圍上來說是唯一的。幾個機器之間由于所處理的問題以及想要達到的需求是一致的，所以數據可以不經過處理而直接調用。但是，雖然問題以及需求是一致的，所使用的增強學習算法可能不一致。在收益函數中，通過研究策略、研究收益函數、研究基于模型的增強學習三種不同角度的算法研究，不同機器學習所需要的時間及成本一定是不同的。

進一步的，現有的機器深度學習方案，每次的學習都需要從頭開始，即使其中很多部分都已掌握，也需要重新學習，無法實現針對性的直接學習目標模型對應的樣本數據，從而造成不必要的時間和成本的浪費。

綜上所述，有必要提供一種能夠克服上述問題的深度學習數據共享方法及一種計算機存儲介質。

發明內容

本發明所要解決的技術問題是：提供一種基于區塊鏈方式的深度學習數據共享方法、存儲介質，能夠具備針對性的僅學習目標學習數據，顯著提高深度學習的效率，同時還能實現學習數據的可復用。

為了解決上述技術問題，本發明采用的技術方案為：

一種基于區塊鏈方式的深度學習數據共享方法，包括：

存儲深度學習數據和目標建模模型至區塊鏈網絡的各節點，其中，所述深度學習數據共享在區塊鏈網絡中，所述目標建模模型受保護；

將深度學習數據拆分成帶有對應數據屬性標簽的元數據；

當接收到對應一目標建模模型的深度學習請求時，依據所述一目標建模模型確定對應的數據屬性標簽，獲取對應的元數據；

依據所述對應的元數據，提取與所述一目標建模模型對應的深度學習數據進行學習。

本發明提供的另一個技術方案為：

一種計算機存儲介質，其上存儲有計算機程序，該程序被處理器執行時能夠實現上述的基于區塊鏈方式的深度學習數據共享方法。

本發明的有益效果在于：利用區塊鏈的公開特性存儲深度學習數據，實現深度學習數據的透明共享和可復用；利用區塊鏈的確權特性存儲私有的目標建模模型，保證目標建模模型的安全性；通過將深度學習數據進行顆粒化拆解成元數據，每個元數據帶有對應的數據屬性標簽；在學習時，依據目標建模模型確定與其對應的數據屬性，然后直接依據標簽援引元數據，提取對應模型的學習數據進行學習即可，而無需對所有的學習數據都進行學習，造成資源和時間上不必要的浪費。本發明通過標簽援引準確且快速的獲取目標學習數據，能夠具有針對性的進行學習，實現增強學習的一步到位，顯著提高了深度學習的效率。

附圖說明