[发明专利]一种基于区块链的信息处理方法、装置及设备

说明书

本发明公开了一种基于区块链的信息处理方法、装置及设备，检测并记录每一模型信息区块的生成时刻与相应的上一模型信息区块的生成时刻之间的第一时间间隔和当前时刻与最近一个模型信息区块生成时刻之间的第二时间间隔；在区块链上构建最新的区块时，根据所述第一时间间隔、所述第二时间间隔和所述初始奖励值，确定当前时刻生成模型信息区块的参与方所能够获得的奖励值。由此，能够在长时间无法生成新区块时，动态调整给予模型参与方的奖励值，以激励参与方竞争生成新区块，有效突破训练瓶颈，从而有效缩短训练时间，加快模型收敛，提高训练效率。

技术领域

本发明涉及区块链技术领域，尤其涉及一种基于区块链的信息处理方法、装置及设备。

背景技术

基于区块链的人工智能模型训练场景BDML(Blockchain-based DistributedMachine Learning，基于区块链的分布式机器学习)是指一个联盟为了解决一个特定的人工智能问题，应用区块链技术在保护各参与方数据不被泄露的情况下协同训练出一个模型。

基本的BDML系统中，参与方训练出精度更高的模型，得到其他参与方验证投票后，生成新区块，模型精度不断提升，达到收敛。但在训练过程中，有可能会遇到训练瓶颈，例如：各参与方训练出的模型都无法通过其他参与方的验证，长时间无法生成新的区块。

发明内容

本发明实施例为了解决基于区块链的人工智能模型训练过程中存在的上述问题，创造性地提供一种基于区块链的信息处理方法、装置及设备。

根据本发明第一方面，提供了一种基于区块链的信息处理方法，该方法包括：在区块链上构建第一模型信息区块，所述第一模型信息区块用于示出人工智能模型、所述人工智能模型的初始化信息、所述区块链的区块生成条件和拟在训练人工智能模型的区块链中使用的激励机制，所述激励机制包括人工智能模型的任务发起方给予参与方的初始奖励值以及所述初始奖励值在所述参与方之间的初始分配比例，所述参与方包括利用区块链进行人工智能模型训练的生成方和对所述生成方所训练的模型贡献参数的参与贡献方；检测并记录每一模型信息区块的生成时刻与相应的上一模型信息区块的生成时刻之间的第一时间间隔和当前时刻与最近一个模型信息区块生成时刻之间的第二时间间隔；在区块链上构建最新的区块时，根据所述第一时间间隔、所述第二时间间隔和所述初始奖励值，确定当前时刻生成模型信息区块的参与方所能够获得的奖励值。

根据本发明一实施方式，在区块链上构建最新的区块时，所述根据所述第一时间间隔、所述第二时间间隔和所述初始奖励值，确定当前时刻生成模型信息区块的参与方所能够获得的奖励值，包括：确定多个所述第一时间间隔的区块生成时间平均值；确定所述第二时间间隔与所述区块生成时间平均值的比值；根据所述比值和所述初始奖励值确定当前时刻生成模型信息区块的参与方能够获得的奖励值。

根据本发明一实施方式，所述方法还包括：判断生成模型信息区块的参与方是否包括参与贡献方；在判定生成模型信息区块的参与方包括参与贡献方时，获取所述参与贡献方的数量；根据所述参与贡献方的数量、所述奖励值和所述分配比例，确定所述各个参与贡献方能够获得的奖励值。

根据本发明一实施方式，所述方法还包括：检测并记录最近一个模型信息区块生成时刻至当前时刻之间，所有参与方所训练的人工智能模型验证失败的失败总次数；在所述失败总次数达到设定失败阈值时，根据所述失败总次数、所述设定失败阈值，调整所述分配比例。

根据本发明一实施方式，所述根据所述失败总次数、所述设定失败阈值，调整所述分配比例，包括：确定所述失败总次数与所述设定失败阈值的差值；根据所述差值与所述设定失败阈值的比值，增加所述生成方的奖励值分配比例。