[發明專利]一種基于區塊鏈技術的深度學習數據共享方法及裝置

在審

• 申請號: 202010622986.1
• 申請日: 2020-06-30
• 公開（公告）號: CN113868675A
• 公開（公告）日: 2021-12-31
• 發明（設計）人: 戚玉青;鄭星;姚沛
• 申請（專利權）人: 杭州海康威視數字技術股份有限公司
• 主分類號: G06F21/60
• 分類號: G06F21/60;G06F21/64;G06N20/00
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 丁蕓;馬敬

1.一種基于區塊鏈技術的深度學習數據共享方法，其特征在于，應用于區塊鏈網絡，所述方法包括：

接收需求端設備發送的獲取請求，其中，所述獲取請求包括所請求的深度學習數據的標識信息及目標代幣數；

基于所述標識信息及預先設置的智能合約，確定所述標識信息對應的基準代幣數，其中，所述智能合約為發布端設備在發布深度學習數據至所述區塊鏈網絡時設置的，所述智能合約中設置了深度學習數據的標識信息與基準代幣數的對應關系；

若所述目標代幣數大于或等于所述基準代幣數，則將預先存儲的具有所述標識信息的深度學習數據發送至所述需求端設備，以使所述需求端設備利用所述深度學習數據進行模型訓練。

2.根據權利要求1所述的方法，其特征在于，所述智能合約中還設置了深度學習數據的標識信息與數據密鑰的對應關系；

所述方法還包括：

基于所述標識信息及所述智能合約，確定所述標識信息對應的數據密鑰；

若所述目標代幣數大于或等于所述基準代幣數，則將所述數據密鑰發送至所述需求端設備，以使所述需求端設備利用所述數據密鑰對所述深度學習數據進行解密，并基于解密后的深度學習數據進行模型訓練。

3.根據權利要求1所述的方法，其特征在于，所述深度學習數據包括樣本數據和/或深度學習模型；

所述將預先存儲的具有所述標識信息的深度學習數據發送至所述需求端設備，包括：

將預先存儲的具有所述標識信息的樣本數據發送至所述需求端設備，以使所述需求端設備利用所述樣本數據對本地的深度學習模型進行訓練；

和/或，

將預先存儲的具有所述標識信息的深度學習模型發送至所述需求端設備，以使所述需求端設備利用本地的樣本數據對所述深度學習模型進行訓練。

4.根據權利要求1所述的方法，其特征在于，在所述將預先存儲的具有所述標識信息的深度學習數據發送至所述需求端設備之后，所述方法還包括：

獲取所述需求端設備發送的訓練后的深度學習數據、所述訓練后的深度學習數據的標識信息及基準代幣數，其中，所述訓練后的深度學習數據包括已完成訓練的深度學習模型，和/或，訓練所述深度學習模型采用的樣本數據；

部署智能合約，并基于所述標識信息及所述基準代幣數，在所述智能合約中設置所述標識信息與所述基準代幣數的對應關系。

5.根據權利要求4所述的方法，其特征在于，所述方法還包括：

獲取所述訓練后的深度學習數據的數據密鑰；

在所述智能合約中設置所述標識信息與所述數據密鑰的對應關系。

6.根據權利要求1所述的方法，其特征在于，所述方法還包括：

若所述目標代幣數大于或等于所述基準代幣數，則將所述目標代幣數的代幣發送至所述發布端設備。

7.一種基于區塊鏈技術的深度學習數據共享裝置，其特征在于，應用于區塊鏈網絡，所述裝置包括：

接收模塊，用于接收需求端設備發送的獲取請求，其中，所述獲取請求包括所請求的深度學習數據的標識信息及目標代幣數；

查找模塊，用于基于所述標識信息及預先設置的智能合約，確定所述標識信息對應的基準代幣數，其中，所述智能合約為發布端設備在發布深度學習數據至所述區塊鏈網絡時設置的，所述智能合約中設置了深度學習數據的標識信息與基準代幣數的對應關系；

發送模塊，用于若所述目標代幣數大于或等于所述基準代幣數，則將預先存儲的具有所述標識信息的深度學習數據發送至所述需求端設備，以使所述需求端設備利用所述深度學習數據進行模型訓練。

8.根據權利要求7所述的裝置，其特征在于，所述智能合約中還設置了深度學習數據的標識信息與數據密鑰的對應關系；

所述查找模塊，還用于基于所述標識信息及所述智能合約，確定所述標識信息對應的數據密鑰；

所述發送模塊，還用于若所述目標代幣數大于或等于所述基準代幣數，則將所述數據密鑰發送至所述需求端設備，以使所述需求端設備利用所述數據密鑰對所述深度學習數據進行解密，并基于解密后的深度學習數據進行模型訓練。