[發明專利]使用區塊鏈在針對機器學習的分散模型構建中商業化數據的系統和方法

在審

• 申請號: 202180003080.4
• 申請日: 2021-01-14
• 公開（公告）號: CN113767385A
• 公開（公告）日: 2021-12-07
• 發明（設計）人: S·馬納莫漢;V·加格;K·L·沙斯特里
• 申請（專利權）人: 慧與發展有限責任合伙企業
• 主分類號: G06F21/62
• 分類號: G06F21/62;G06F21/60;G06F16/27;G06N3/04;G06N3/08
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 董莘

提供了用于在群學習上下文中利用區塊鏈技術的系統和方法，其中使用其自己的本地數據為訓練機器學習模型貢獻數據的區塊鏈網絡的節點可以得到獎勵。為了以公平且準確的方式進行這種數據商業化，該系統和方法依賴于各個階段，其中使用Merkle樹并且對應Merkle根被注冊在區塊鏈分類賬中。此外，在分發獎勵之前，由對等節點質詢對獎勵的任何要求。

相關申請的交叉引用

本申請涉及共同未決和共同擁有的題為“SYSTEM AND METHOD OF DECENTRALIZEDMANAGEMENT OF MULTI-OWNER NODES USING BLOCKCHAIN(使用區塊鏈對多所有者節點進行分散管理的系統和方法”)”的美國專利申請序列號16/163,484以及共同未決和共同擁有的題為“SECURE PARAMETER MERGING USING HOMOMORPHIC ENCRYPTION FOR SWARM LEARNING(使用針對群學習的同態加密的安全參數合并)”的美國申請代理檔案號90830485，這兩者均通過引用整體并入本文。

背景技術

地理上分布的分散的企業基礎設施或系統(諸如，工廠車間、地理上分布的服務器集群、自主車輛車隊、物聯網(IoT)網絡等)可能難以管理。除了分散之外，這些系統還可能規模龐大，并且本質上是異構的。可以理解，管理這樣的系統可能會帶來邏輯挑戰，當這些基礎設施具有在企業網絡外部運行的設備(也稱為“節點”)或與其交互時，例如，由另外的一個或多個用戶或實體擁有時，這些挑戰是復雜的。

機器學習(ML)可以指代數據分析方法，其中分析模型的構建是自動化的。ML通常被認為是人工智能(AI)的分支，其中系統被配置并且允許從所收集的數據中學習。這樣的系統可以在幾乎不需要人工干預的情況下標識模式和/或做出決策。

區塊鏈可以指防篡改的分散的分類賬(ledger)，它在不使用中間方的情況下對于值的交換建立了信任等級。區塊鏈可以用于記錄和提供區塊鏈上任何事務的證明，并且在每次事務發生時被更新。

附圖說明

參考以下附圖詳細描述根據一個或多個實施例，在本文中所公開的技術。附圖被提供僅用于說明目的，并且僅描繪所公開的技術的典型或示例實施例。這些附圖被提供是為了便于讀者理解所公開的技術，而不應當被視為對所公開的技術的廣度、范圍或適用性的限制。

圖1A示出了根據所公開的技術的實施例的在計算機網絡外部的設備資產的分散管理的系統的示例。

圖1B示出了根據所公開的技術的實施例的用于計算機網絡外部的設備資產的分散管理的分布式區塊鏈網絡中的管理節點的示例。

圖1C示出了根據所公開的技術的實施例的用于計算機網絡外部的設備資產的分散管理的分布式區塊鏈網絡中的邊緣節點的示例。

圖1D示出了根據所公開的技術的實施例的用于計算機網絡外部的設備資產的分散管理的區塊鏈接口層的示例。

圖2A示出了根據所公開的技術的實施例的示例群學習架構。

圖2B示出了根據所公開的技術的實施例的群學習的示例階段和操作流程。

圖3A示出了根據所公開的技術的一個實施例的在群學習期間作為貢獻階段的部分由節點執行的示例操作。

圖3B示出了根據所公開的技術的一個實施例的示例Merkle樹構建和Merkle根確定。

圖4示出了根據所公開的技術的一個實施例的在群學習的獎勵索求階段期間的Merkle樹高度計算的示例。

圖5示出了根據一個實施例的在群學習的獎勵驗證階段的Merkle樹高度驗證的示例。

圖6A是根據所公開的技術的一個實施例的可以用于實現獎勵分配的示例計算組件。