[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

本申請實施例提供了一種基于區塊鏈技術的深度學習數據共享方法及裝置，接收需求端設備發送的包括所請求的深度學習數據的標識信息及目標代幣數的獲取請求，基于標識信息及預先設置的智能合約，確定標識信息對應的基準代幣數，若目標代幣數大于或等于基準代幣數，則將預先存儲的具有該標識信息的深度學習數據發送至需求端設備，以使需求端設備利用接收到的深度學習數據進行模型訓練。如果目標代幣數大于或等于基準代幣數，則說明需求端設備請求深度學習數據時所提供的代幣數滿足發布端設備發布該深度學習數據時設定的代幣數要求，此時才會向需求端設備發送其請求的深度學習數據，從而提高了深度學習數據共享時的數據安全性。

技術領域

本申請涉及深度學習技術領域，特別是涉及一種基于區塊鏈技術的深度學習數據共享方法及裝置。

背景技術

深度學習模型是一種通過建立和模擬人腦進行分析學習的智能模型，已在目標檢測與分割、行為檢測與識別、語音識別等方面得到了很好的應用。深度學習模型是利用海量的樣本數據訓練得到的，因此，要求運行深度學習模型的設備上預先存儲有海量的樣本數據，才可以保證深度學習模型的精度。

隨著計算機網絡的發展，在同一個局域網中會布局多臺設備，按照傳統的深度學習模型訓練的要求，每一臺設備上都需要預先存儲海量的樣本數據，導致浪費了大量的存儲資源。

為了應對上述問題，相應的方法中采用區塊鏈技術來實現深度學習數據在各臺設備之間的共享，區塊鏈技術是一種分布式數據庫技術，通過維護數據塊的鏈式結構，可以維持持續增長、不可篡改的數據記錄。如圖1所示，每臺設備將本地使用的樣本數據、訓練得到的深度學習模型等深度學習數據上傳到區塊鏈網絡中，任一臺設備在需要使用其他設備的深度學習數據時，通過向區塊鏈網絡發送獲取請求，則可以獲得區塊鏈網絡反饋的所請求的深度學習數據，從而實現了深度學習數據的共享。

然而，當前的基于區塊鏈技術的深度學習數據共享方法中，任何設備有需求時，都可以通過發送獲取請求獲得深度學習數據，導致數據安全性較差。

發明內容

本申請實施例的目的在于提供一種基于區塊鏈技術的深度學習數據共享方法及裝置，以提高深度學習數據共享時的數據安全性。具體技術方案如下：

第一方面，本申請實施例提供了一種基于區塊鏈技術的深度學習數據共享方法，應用于區塊鏈網絡，該方法包括：

接收需求端設備發送的獲取請求，其中，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；

基于該標識信息及預先設置的智能合約，確定該標識信息對應的基準代幣數，其中，智能合約為發布端設備在發布深度學習數據至區塊鏈網絡時設置的，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；

若目標代幣數大于或等于基準代幣數，則將預先存儲的具有該標識信息的深度學習數據發送至需求端設備，以使需求端設備利用深度學習數據進行模型訓練。

可選的，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；

該方法還包括：

基于該標識信息及智能合約，確定該標識信息對應的數據密鑰；

若目標代幣數大于或等于基準代幣數，則將數據密鑰發送至需求端設備，以使需求端設備利用數據密鑰對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。

可選的，深度學習數據包括樣本數據和/或深度學習模型；

將預先存儲的具有該標識信息的深度學習數據發送至需求端設備的步驟，包括：

將預先存儲的具有該標識信息的樣本數據發送至需求端設備，以使需求端設備利用樣本數據對本地的深度學習模型進行訓練；

和/或，