[发明专利]一种基于区块链的AI模型训练方法

说明书

本发明公开了一种基于区块链的AI模型训练方法，包括：根据数据集特征搭建原始AI模型；在对原始AI模型的每轮训练开始前，将训练过程的参与者按比例随机分配为三类：模型训练者、模型验证者和模型上链者；在每轮训练过程中，模型训练者和模型验证者分别生成本轮各自的局部模型；模型验证者利用本地生成的局部模型对模型训练者生成的局部模型进行校验；模型上链者将所有模型验证者校验通过的局部模型进行聚合，得到本轮的全局模型，并将本轮的全局模型、校验结果和所有局部模型打包到区块链。本发明使用区块链来取代联邦学习的中心化服务器，解决了联邦学习的中心化服务器的单点故障问题，同时方便日后追溯问责，提高模型准确率和鲁棒性。

技术领域

本发明涉及人工智能技术领域，更具体的说是涉及一种基于区块链的AI 模型训练方法。

背景技术

目前，AI模型的训练方式主要包括两种，一种为集中学习的训练方式，如图1所示，人工智能中机器学习算法的模型训练离不开大量训练数据的输入，数据样本的好坏与数量直接决定了模型效果的好坏。理论上数据量越多，训练出来的模型鲁棒性越高，效果越好。然而随着人们对个人数据保护意识的加强，以及全世界各个国家颁布严格的法律法规来限制公司、组织、个人收集、传播用户隐私信息。集中学习的方式因收集的训练数据可能涉及用户隐私而触犯法律法规，导致无法收集到大量训练数据而不能进行后续的模型训练。

另一种为联邦学习的方式，如图2所示，该方式虽然解决了隐私泄露问题，但是也引出了一些其他的问题，如：一、聚合每轮局部模型梯度的中心服务器单点故障问题，比如服务器宕机，或遭受恶意攻击导致模型训练无法继续下去；二、由于无法直接收集到用户的本地数据，所以可能存在恶意节点利用脏数据(即非真实数据、甚至相悖的数据)来破坏模型的聚合；三、最后各个参与方的数据拥有量存在差异，样本数多的节点可能对参与联邦学习的兴趣不是特别强烈。

区块链从本质上讲，它是一个共享数据库，存储于其中的数据或信息，具有“去中心化”、“不可伪造”、“全程留痕”、“可以追溯”、“公开透明”、“集体维护”等特征。

因此，如何提供一种使用区块链来取代联邦学习的中心化服务器，以解决联邦学习的中心化服务器的单点故障问题，同时方便日后追溯问责，提高模型准确率和鲁棒性的基于区块链的AI模型训练方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于区块链的AI模型训练方法，使用区块链来取代联邦学习的中心化服务器，解决了联邦学习的中心化服务器的单点故障问题，同时方便日后追溯问责，提高模型准确率和鲁棒性；同时，提出了一种模型验证机制，防止恶意节点的投毒攻击，保障了模型的收敛速度与准确率。

为了实现上述目的，本发明采用如下技术方案：

一种基于区块链的AI模型训练方法，包括：

根据数据集特征搭建原始AI模型；

在对所述原始AI模型的每轮训练开始前，将训练过程的参与者按比例随机分配为三类：模型训练者、模型验证者和模型上链者；

在每轮训练过程中，所述模型训练者和所述模型验证者分别从区块链上获取上一轮的全局模型，并利用本地数据集进行训练，生成本轮各自的局部模型；

所述模型验证者利用本地生成的局部模型对所述模型训练者生成的局部模型进行校验；

所述模型上链者将所有所述模型验证者校验通过的局部模型进行聚合，得到本轮的全局模型，并将本轮的全局模型、校验结果和所有局部模型打包到区块链。

进一步的，在上述一种基于区块链的AI模型训练方法中，还包括：所述模型上链者打包数据后，还利用PoS共识算法争取记账权，获得记账权的所述模型上链者打包数据到区块链上。