[發明專利]一種基于區塊鏈的可信隱私智能服務計算系統及方法

有效

• 申請號: 202011274243.6
• 申請日: 2020-11-15
• 公開（公告）號: CN112347495B
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 丁毅;鐘瓊慧;沈薇;田明宇;曹昕宇;李潔;靳軍
• 申請（專利權）人: 北京物資學院
• 主分類號: G06F21/60
• 分類號: G06F21/60;G06F21/62;G06F21/64;G06F16/27;G06Q40/04;G06N3/0464;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提供一種基于區塊鏈的可信隱私智能服務計算系統，進行計算服務、加密服務及可信權益服務，包括：用戶端、模型提供端及云服務器端，用戶端為服務計算的使用者，擁有數據及公私鑰生成器，用戶端向云服務端提出需求、請求服務，并取得權限后開始整個服務流程；模型提供端從云服務端獲取加密公鑰后，將訓練好的預測模型使用公鑰加密并提供給云服務器端，同時提供分類標簽，計算服務完成后，模型提供端獲得權益分配結果并獲得相應費用；云服務器端用于提供計算資源和模型服務，完成用戶端的請求。還提供了計算方法及計算模型，采用同態加密方法，計算模型包括：可信隱私服務計算子模型、預測服務隱私計算子模型及預測服務權益評估子模型。

技術領域

本發明涉及區塊鏈及隱私保護技術領域，特別涉及一種基于區塊鏈的可信隱私智能服務計算系統及模型。

背景技術

當前，人類社會已經步入了移動互聯網時代，海量信息充斥著生活的各個方面。新技術層出不窮，大數據、云計算、人工智能、區塊鏈技術相互交織，互相依賴，正在不斷衍生新的計算模式。如何在海量信息中獲取有效信息，訓練出特征模型，從而可智能化為人類服務，這是當前人工智能和大數據需要完成的任務。深度學習技術近年來異軍突起，在交通、金融、保險等各個行業有著廣泛應用。卷積神經網絡是深度學習的重要組成部分，可用于人臉識別、語音識別、遙感科學等領域，是重要的研究基礎。由于依賴大規模數據訓練，卷積神經網絡對計算力的要求比較高。此外，移動互聯網的長足發展，多樣化異構計算平臺成為主流，比如移動手機、平板電腦、嵌入式設備等都成為計算終端，有效補充傳統計算機和服務器。這些邊緣設備加強了信息化水平，與人類生活直接關聯，并產生和使用個人數據，是人工智能技術的重要應用場景。然而，這些邊緣設備計算能力卻由于體積、散熱等需求，無法滿足卷積神經網絡等智能計算的處理需求，給智能化應用帶來困難。

在這種背景下，出現了一種新的模式，那就是利用云計算平臺來完成人工智能計算。云計算是一種服務計算模式，用戶根據購買的計算力而付費，是當前的主流計算模型。使用云中心完成以卷積神經網絡為代表的人工智能計算，可有效解決邊緣設備計算力不足的問題，典型過程是終端將數據傳輸至云端，云端利用大規模服務器完成計算，并將結果返回，并依照云供應商的規則收取費用。

這種模式若要實際應用落地，重要前提條件就是要保證數據安全、隱私保護以及交易過程可信。2018年歐盟制定的《通用數據保護條例》(簡稱GDPR)加強了對個人數據在隱私和安全方面的保護。近年來，數據隱私安全在國內也成為研究熱點，加密、區塊鏈等一系列技術綜合發揮作用，防止數據被惡意獲取或篡改，建立追責機制，加強過程和數據記錄的可信，保護用戶數據隱私安全。

具體的，新型模式存在于以下三方面問題：

(1)用戶個人信息存在泄漏風險。終端產生的數據涉及大量用戶信息，直接發送到云端缺乏安全保障，容易造成敏感信息泄漏，承擔額外風險。云服務商也容易過度使用這些數據或私自銷售，謀取利益。

(2)傳統云中心的服務和權益規則由云供應商制定，缺乏約束力和透明度。另外，云供應商有權修改交易和服務數據，出現糾紛難于追責。

(3)傳統計算服務通常由云服務商獨立提供，缺乏有效的共同參與和管理的機制，易于造成大的云服務商壟斷，小云服務商難以生存，不利于市場良性發展和資源的有效整合。

隨著海量數據的應用，數據共享和使用的隱私保護相關技術受到廣泛關注，現有技術已經從同態計算、云計算隱私保護、卷積神經網絡隱私保護等方面進行了相關研究。

(1)同態加密技術研究現狀