[发明专利]一种基于区块链的神经网络模型托管训练系统

说明书

本发明涉及机器学习技术领域，具体涉及一种基于区块链的神经网络模型托管训练系统，包括：接收节点，为数据行分配批次编号和行编号；若干个数据存储节点，将数据行分散存储；托管节点，获取目标神经网络模型，获得含有目标神经网络模型输入字段和输出字段的数据行的行编号，请求调用相应行编号的数据行，并生成账单，使用测试数据集获得目标神经网络模型的准确度，若准确度符合预设准确度要求，则将账单发送给用户，用户将账单对应的代币转账到托管节点的虚拟账户后，托管节点将训练后的神经网络模型提供给用户。本发明的实质性效果是：自动撮合目标神经网络模型和数据，保护数据的隐私。

技术领域

本发明涉及机器学习技术领域，具体涉及一种基于区块链的神经网络模型托管训练系统。

背景技术

神经网络是由大量的、简单的处理单元，称为神经元，广泛地互相连接而形成的复杂网络系统，是一个高度复杂的非线性动力学习系统。神经网络模型包含三个部分：输入层、中间层或隐藏层、输出层。神经元是一个多输入单输出的信息处理单元，而且是非线性的。工程中把神经元抽象为一个简单的数学模型，即将前一级神经元的输出值经过加权求和作为阈值，将阈值代入激活函数，得出神经元的输出。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。设计合理并经过良好训练的神经网络模型在处理这些复杂问题时具有良好的效果。神经网络技术已经在自动控制领域、处理组合优化问题、模式识别、图像处理、信号处理、机器人控制及卫生保健医疗等领域获得广泛的应用。目前神经网络模型的理论得到快速的发展，但也遇到了在实际应用中，缺乏足够优质的数据对建立起的神经网络模型进行训练的问题。受制于竞争关系、隐私保护，企业和机构之间并不能直接进行数据的交换。导致建立和使用神经网络模型的单位，缺乏训练神经网络的数据。

中国专利CN112801292A，是与本申请最为接近的现有技术，其公开日为2021年5月14日，记载了一种基于区块链智能合约的神经网络训练方法及系统，方法包括：接收组织用户提交的原始数据集和奖金；将原始数据集划分为训练数据集和测试数据集，并将训练数据集划分为A个训练数据子集，A≥2；响应于B个参与用户发送的训练数据获取请求消息，分别向B个参与用户发送A个训练数据子集，B≥2；分别接收B个参与用户发送的C个训练子结果，并对C个训练子结果进行汇总，获得训练结果；通过测试数据集对训练结果进行校验，若训练结果通过校验，则向B个参与用户支付奖金。其通过设计的数据分发和奖金分配方案可以避免各节点的欺诈行为。但该技术方案仅能够解决神经网络训练的算力分散，提高神经网络训练效率，但不能解决神经网络缺乏训练数据的问题。

发明内容

本发明要解决的技术问题是：目前缺乏适合多数据源的神经网络模型训练方法的技术问题。提出了一种基于区块链的神经网络模型托管训练系统，本系统能够融合多个数据源的数据，对目标神经网络模型进行托管训练。

为解决上述技术问题，本发明所采取的技术方案为：一种基于区块链的神经网络模型托管训练系统，包括：接收节点，接收目标神经网络模型、测试数据集和数据源方按批次上传的数据行，为数据行分配批次编号和行编号，将数据行的字段关联行编号并公开；若干个数据存储节点，与接收节点连接，所述接收节点将数据行分散存储在若干个数据存储节点上；托管节点，与接收节点连接，获取目标神经网络模型，获得目标神经网络模型的输入字段和输出字段，获得含有目标神经网络模型输入字段和输出字段的数据行的行编号，向若干个数据存储节点请求调用相应行编号的数据行，并生成账单，使用测试数据集获得目标神经网络模型的准确度，若准确度符合预设准确度要求，则将账单发送给用户，用户将账单对应的代币转账到托管节点的虚拟账户后，所述托管节点将训练后的神经网络模型提供给用户，将代币转账到数据源方的虚拟账户，若准确度不符合预设准确度要求，则等待接收节点接收到新的含有目标神经网络模型输入字段和输出字段的数据行。