System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
所属的技术人员能够理解,本专利技术的各个方面可以实现为系统、方法或程序产品。因此,本专利技术的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。根据本专利技术的这种实施方式的电子设备。电子设备仅仅是一个示例,不应对本专利技术实施例的功能和使用范围带来任何限制。电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于:上述至少一个处理器、上述至少一个储存器、连接不同系统组件(包括储存器和处理器)的总线。其中,储存器存储有程序代码,程序代码可以被处理器执行,使得处理器执行本说明书上述“示例性方法”部分中描述的根据本专利技术各种示例性实施方式的步骤。储存器可以包括易失性储存器形式的可读介质,例如随机存取储存器(ram)和/或高速缓存储存器,还可以进一步包括只读储存器(rom)。储存器还可以包括具有一组(至少一个)程序模块的程序/实用工具,这样的程序模块包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。总线可以为表示几类总线结构中的一种或多种,包括储存器总线或者储存器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。电子设备也可以与一个或多个外部设备(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备交互的设备通信,和/或与使得该电子设备能与一个或多个其它计算设备进行通信的任何设备(例如路由器
技术介绍
1、近年来,随着机器学习及人工智能的发展,在许多行业均通过大量的数据样本来训练出具有对应预测识别功能的深度学习模型,来实现对应的商业功能。其应用非常广泛,包括但不限于图像识别、语音识别、自然语言处理、推荐系统和自动驾驶等领域。在这些领域中,深度学习都取得了显著的成果,如提高了图像和语音识别的精度、改善了自然语言处理的流畅性和准确性、优化了推荐系统的个性化推荐效果以及实现了自动驾驶技术的初步应用等。
2、但是想要得到精度更高性能更强的深度学习模型,则需要能够提供质量更高(样本空间及特征空间更加丰富全面)的训练样本数据。但是在实际场景中,往往一个企业或机构仅掌握其中一部分样本空间及一部分特征空间的训练样本数据。若要提高对模型的训练效果,则需要获取其他部分样本空间及特征空间的训练样本数据。为了解决上述问题通常会采用联邦学习的方式,多方一起训练模型。对应的在后期的预测使用过程中,也需要多方一起进行联合预测。其中会涉及到中间预测结果的交互与融合,以生成最终的预测结果。
3、但是中间预测结果的明文交互与融合过程,会影响到联合预测的参与方的数据隐私性及安全性,降低联合预测的意愿。
技术实现思路
1、针对上述技术问题,本专利技术采用的技术方案为:
2、根据本专利技术的一个方面,提供了一种基于区块链的联合预测方法,应用于第一区块链系统,所述第一区块链系统包括:本文档来自技高网...
【技术保护点】
1.一种基于区块链的联合预测方法,其特征在于,应用于第一区块链系统,所述第一区块链系统包括:
2.根据权利要求1所述的方法,其特征在于,所述同态加密计算包括同态加法计算和或同态乘法计算。
3.根据权利要求1所述的方法,其特征在于,在第一目标预测节点响应于接收到的第一联合预测指令之前,所述方法还包括:
4.根据权利要求3所述的方法,其特征在于,第一联合预测指令包括第一部分预测模型对应的第一待预测数据;第二联合预测指令包括第二部分预测模型对应的第二待预测数据;
5.根据权利要求3所述的方法,其特征在于,第一联合预测指令及第二联合预测指令均包括本节点身份信息及联合节点身份信息;
6.根据权利要求1所述的方法,其特征在于,所述第一部分预测模型及第二部分预测模型为通过第一目标预测节点与第二目标预测节点之间进行纵向联邦学习生成的;
7.根据权利要求1所述的方法,其特征在于,所述第一区块链系统还包括:多个存储节点及多个子区块链;
8.根据权利要求7所述的方法,其特征在于,在每一存储节点按照第一数据获取时间查询所
9.一种非瞬时性计算机可读存储介质,所述非瞬时性计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的一种基于区块链的联合预测方法。
10.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的一种基于区块链的联合预测方法。
...【技术特征摘要】
1.一种基于区块链的联合预测方法,其特征在于,应用于第一区块链系统,所述第一区块链系统包括:
2.根据权利要求1所述的方法,其特征在于,所述同态加密计算包括同态加法计算和或同态乘法计算。
3.根据权利要求1所述的方法,其特征在于,在第一目标预测节点响应于接收到的第一联合预测指令之前,所述方法还包括:
4.根据权利要求3所述的方法,其特征在于,第一联合预测指令包括第一部分预测模型对应的第一待预测数据;第二联合预测指令包括第二部分预测模型对应的第二待预测数据;
5.根据权利要求3所述的方法,其特征在于,第一联合预测指令及第二联合预测指令均包括本节点身份信息及联合节点身份信息;
6.根据权利要求1所述的方法,其特征在于,所述第一部分预测模型及第二部分预测模型为通过第一...
【专利技术属性】
技术研发人员:马妍,路博,崔颖,胡穆,
申请(专利权)人:中国信息通信研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。