[发明专利]一种基于深度学习训练任务的区块链共识方法有效
申请号: | 201711084448.6 | 申请日: | 2017-11-07 |
公开(公告)号: | CN107864198B | 公开(公告)日: | 2019-09-24 |
发明(设计)人: | 孙善宝;于治楼;徐驰 | 申请(专利权)人: | 山东浪潮人工智能研究院有限公司 |
主分类号: | H04L29/08 | 分类号: | H04L29/08;H04L12/18;G06Q40/00;G06Q40/04;G06Q20/38;G06N3/04 |
代理公司: | 济南信达专利事务所有限公司 37100 | 代理人: | 姜明 |
地址: | 250100 山东省济南市高新*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 深度 学习 训练 任务 区块 共识 方法 | ||
本发明公开了一种基于深度学习训练任务的区块链共识方法,包括,所有区块链参与节点共同维护一份账本记录,任何节点都可以发布交易,并通过P2P共识网络分发到各个节点,P2P共识网络中会存在深度学习任务节点,会将深度学习任务分发给所有的参与节点,记账节点结合深度学习任务通过节点间共识机制达成共识,完成交易确认。本发明结合人工智能和深度学习技术,将区块链共有链挖矿过程的工作量证明加入深度学习任务,有效的解决传统以哈希挑战方式获得记账权的能源浪费问题,并且一定程度上解决了深度学习模型训练问题;同时挖矿过程的工作量证明保留了部分利用哈希算法SHA256的挑战部分,这保证了挖矿过程的随机性,避免深度学习的巨头垄断记账权。
技术领域
本发明涉及人工智能技术领域,具体地说是一种基于深度学习训练任务的区块链共识方法。
背景技术
近年来,比特币等电子货币开始流行,与大多数货币不同,比特币等电子货币不依靠特定的货币发行机构,使用整个P2P网络中众多节点完成分布式账本的交易记录,其结合密码学技术确保了货币流通各个环节安全性,并利用P2P的去中心化特性与共识算法,保证了无法通过大量制造比特币来人为操控币值,形成了一个去中心化的支付系统。
支撑比特币的核心技术是区块链技术,又称为“分布式账本技术”,是一种去中心化、集体维护分布式账本的技术方案,其本质是由多个节点集体参与通过多方存储、多方计算的方式来实现数据不可篡改、计算结果可信的分布式数据库系统。区块链不是一种单一的技术,而是多种技术整合的结果,利用区块链技术维护一个可靠的、难以篡改的账本记录,可以降低信任的风险,并能有效的降低众参与方协作的维护成本。
随着人工智能技术的发展,特别是对深度学习技术更加深入的研究,未来深度学习的算法将会更加成熟,并形成标准化的深度学习框架和算法,其推理的准确率主要依赖于训练模型的好坏,也就是依赖于训练的输入集合。这样对于深度学习的训练时间以及模型的优劣主要也就依赖于计算能力的大小。
比特币是采用区块链技术的公有链,这种基于区块链的电子货币,其去中心信任化的实现核心是要解决谁来负责记账,构造新的区块并能实现分布式账本的一致性问题。这类公有链大多采用的是工作量证明(即Proof-Of-Work,简写为POW)共识机制,简单的说就是“通过工作以获得指定成果,用成果来证明曾经付出的努力”,而工作量证明方法是采用哈希算法计算出符合要求的哈希结果来获得记账权,其最大的缺点就是浪费能源,工作量证明的过程仅仅是为了获取记账权。在这种情况下,如何能够结合深度学习有效的利用区块链工作量证明过程中的计算力成为一个亟需解决的问题。
发明内容
本发明的技术任务是提供一种解决了深度学习模型训练问题的基于深度学习训练任务的区块链共识方法。
本发明的技术任务是按以下方式实现的:
一种基于深度学习训练任务的区块链共识方法,包括,
所有区块链参与节点共同维护一份账本记录,任何节点都可以发布交易,并通过P2P共识网络分发到各个节点,P2P共识网络中会存在深度学习任务节点,会将深度学习任务分发给所有的参与节点,记账节点结合深度学习任务通过节点间共识机制达成共识,完成交易确认。
所述的参与节点负责将节点间交易发布到区块链中。
所述的深度学习任务节点也是区块链的参与节点,负责发布深度学习任务。
所述的P2P共识网络是没有中心节点,通过用户群进行消息交换的网络体系。
所述的记账节点负责分布式账本的记账任务,其通过工作量证明方式来获得记账权利,并进行广播确认,在P2P共识网络上达成共识,生成新的区块的生成。
所述的方法用于区块链记账达成共识操作步骤如下:
步骤1)所述的深度学习任务节点产生深度学习任务,同时标识出通过本任务得到的代币奖励;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东浪潮人工智能研究院有限公司,未经山东浪潮人工智能研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711084448.6/2.html,转载请声明来源钻瓜专利网。