[發明專利]一種基于決策樹模型訓練的區塊鏈共識方法和系統

有效

• 申請號: 202010318931.1
• 申請日: 2020-04-21
• 公開（公告）號: CN111680099B
• 公開（公告）日: 2023-08-22
• 發明（設計）人: 李引
• 申請（專利權）人: 廣州中科易德科技有限公司
• 主分類號: G06F16/27
• 分類號: G06F16/27;G06F18/2431;G06F18/214;G06Q20/38
• 代理公司: 廣州容大知識產權代理事務所(普通合伙) 44326
• 代理人: 潘素云

本發明公開了一種基于決策樹模型訓練的區塊鏈共識方法和系統，該系統包括共識算法調度器、參數和數據獲取器、決策樹模型訓練器和共識驗證器；該系統可與現有的區塊鏈系統進行對接，取代POW/POS/POA等共識算法。本發明將區塊鏈過剩的算力引入決策樹模型的訓練中，通過區塊鏈的激勵機制，使得投資人進行人工智能模型的訓練時，能夠引導將資金、算力、能源投入到更加有意義的工作上，解決算力不足費用昂貴的問題。本發明將區塊鏈的POW算力用來進行大數據的決策樹計算，降低了成本，節約了社會資源，將算力用到了有意義的工作上。

技術領域

本發明涉及區塊鏈技術領域，具體涉及一種基于決策樹模型訓練的區塊鏈共識方法和系統。

背景技術

區塊鏈技術的發展已經得到國內外企業、研究機構、高校等普遍認同，認為其是下一代價值互聯網的核心。主流的區塊鏈平臺一般采用POW共識算法，通過重復的進行散列值運算來確定出塊的節點，哪個節點投入算力更高，將有更大的概率獲得出塊獎勵。這種機制使得能夠通過機器和算法來實現信任的建立和價值共識，投資人投入大量的金錢用來購買電力，這些算力和能源被投資者用來進行散列值運算從而獲得獎勵，這種模式下的算力和能源的浪費被極大的詬病。

決策樹(Decision?Tree)是在已知各種情況發生概率的基礎上，通過構成決策樹來求取凈現值的期望值大于等于零的概率，評價項目風險，判斷其可行性的決策分析方法，是直觀運用概率分析的一種圖解法。由于這種決策分支畫成圖形很像一棵樹的枝干，故稱決策樹。在機器學習中，決策樹是一個預測模型，他代表的是對象屬性與對象值之間的一種映射關系。

主流的區塊鏈普遍采用POW等共識算法，用來確定出塊節點，存在能源和算力浪費的問題。

發明內容

有鑒于此，為了解決現有技術中區塊鏈的共識算法存在能源和算力浪費的問題，本發明提出一種基于決策樹模型訓練的區塊鏈共識方法和系統。

本發明通過以下技術手段解決上述問題：

一方面，本發明提供一種基于決策樹模型訓練的區塊鏈共識方法，包括如下步驟：

主體生成大數據采集信息發送給節點，節點將該大數據采集信息廣播到相鄰節點；

采用決策樹模型訓練共識算法進行計算和驗證，節點驗證大數據采集信息的有效性，將其放入緩存池，直到緩沖池中的數據集合A的數量n達到閾值α；

節點用“參數和數據獲取器”獲取鏈上存儲的所有大數據采集信息Z，與緩沖池中當前的數據集合A進行合并后生成D，并將D中包含的項映射到矩陣M_np上；采用決策樹算法，分別計算A_j(1≤j≤p)作為分類類別，{A₁，A₂，…A_j-1，A_j+1，…A_p}作為特征屬性決策樹；

節點完成決策樹模型的計算，將決策樹模型參數存儲到區塊頭，生成第一條區塊鑄幣交易用于記錄該節點獲得記賬獎勵，同時將數據集合A生成n條數據采集交易和其他轉賬交易一起進行打包成區塊體，將區塊頭與區塊體進行合并生成區塊并進行全網廣播；

其他節點收到新區塊的信息，“共識驗證器”對其進行驗證；當采用的決策樹模型時，節點將利用“參數和數據獲取器”獲取鏈上存儲的所有大數據采集信息Z，與本節點緩沖池中當前的數據集合B進行合并后生成D’，利用該決策樹模型來預測D’中對A_j進行分類的正確率，驗證該正確率是否大于參數要求；如果達到正確率參數指標，則將該區塊放入本地區塊鏈中。

進一步地，采用決策樹模型訓練共識算法進行計算和驗證之前，還包括：

節點“共識算法調度器”選擇共識算法，如果為決策樹模型訓練共識算法，則采用決策樹模型訓練共識算法進行計算和驗證，否則采用傳統區塊鏈共識算法進行計算和驗證。