[發明專利]基于區塊鏈的數據處理方法和裝置

有效

• 申請號: 201810984384.3
• 申請日: 2018-08-27
• 公開（公告）號: CN109194508B
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 陳旭;李梅;王鵬
• 申請（專利權）人: 聯想（北京）有限公司
• 主分類號: H04L12/24
• 分類號: H04L12/24;H04L12/18
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 楊靜

本公開提供了一種基于區塊鏈的數據處理方法，應用于區塊鏈節點，包括：獲取本節點的區塊鏈上當前最新區塊中的第一模型參數，基于第一模型參數和本地數據集，訓練得到第二模型參數，將所述第二模型參數廣播至本節點當前所屬的區塊鏈網絡中的各節點，由各節點基于各自的本地測試集對所述第二模型參數進行共識驗證。當共識驗證結果表明所述第二模型參數對應的模型優于第一模型參數對應的模型且符合預定條件時，將所述第二模型參數作為更新的第一模型參數，根據所述第二模型參數創建新的區塊，并將所述新的區塊加入至本節點的區塊鏈中。本公開還提供了一種基于區塊鏈的數據處理裝置。

技術領域

本公開涉及一種基于區塊鏈的數據處理方法和裝置。

背景技術

深度學習導致了人類歷史上第三次人工智能的浪潮，且已被證明在計算機視覺、語音、語言處理等許多領域都有效。許多商業的人工智能的產品/服務已經可用，并使人們的生活更加美好。

人工智能模型的訓練是人工智能研究領域的重要課題，越來越多的研究投入到該課題中。

發明內容

本公開的一個方面提供了一種基于區塊鏈的數據處理方法，應用于區塊鏈節點，包括：獲取本節點的區塊鏈上當前最新區塊中的第一模型參數，基于第一模型參數和本地數據集，訓練得到第二模型參數，將所述第二模型參數廣播至本節點當前所屬的區塊鏈網絡中的各節點，由各節點基于各自的本地測試集對所述第二模型參數進行共識驗證，當共識驗證結果表明所述第二模型參數對應的模型優于第一模型參數對應的模型且符合預定條件時，將所述第二模型參數作為更新的第一模型參數，根據所述第二模型參數創建新的區塊，并將所述新的區塊加入至本節點的區塊鏈中。

可選地，上述區塊鏈網絡包括多個子網絡，不同子網絡對應不同的區塊鏈，不同子網絡對應不同的模型精度范圍。上述將所述第二模型參數廣播至本節點當前所屬的區塊鏈網絡中的各節點包括：將所述第二模型參數廣播至本節點當前所屬的子網絡中的各節點。上述預定條件包括：所述第二模型參數對應的模型精度在本節點當前所屬的子網絡對應的模型精度范圍內。上述方法還包括：當共識驗證結果表明所述第二模型參數對應的模型優于第一模型參數對應的模型且不符合預定條件時，令本節點從當前所屬的子網絡退出并加入至所述第二模型參數對應的模型精度對應的子網絡，將本節點的區塊鏈更新為該子網絡對應的區塊鏈。

可選地，上述由各節點基于各自的本地測試集對所述第二模型參數進行共識驗證包括：由各節點基于各自的本地測試集對所述第二模型參數對應的模型分別進行測試，并根據測試結果是否優于第一模型參數對應的模型得到投票結果，返回投票結果和測試結果。上述方法還包括：接收各節點返回的投票結果和測試結果，當投票結果中均為肯定投票結果時，共識驗證結果表明第二模型參數對應的模型優于第一模型參數對應的模型，以及，基于各測試結果得到第二模型參數對應的模型精度，根據所述模型精度判斷是否滿足預定條件。

可選地，上述方法還包括：當共識驗證結果表明所述第二模型參數對應的模型優于第一模型參數對應的模型且所述第二模型參數對應的模型精度超過本節點當前所屬的子網絡對應的模型精度范圍時，如果本節點當前所屬的子網絡對應最高的模型精度范圍，則將所述第二模型參數作為更新的第一模型參數，根據所述第二模型參數創建新的區塊，并將所述新的區塊加入至本節點的區塊鏈中。

可選地，上述方法還包括：在上述根據所述第二模型參數創建新的區塊，并將所述新的區塊加入至本節點的區塊鏈中之后，獲取預定數量的數字貨幣獎勵。