The present disclosure relates to decentralized data analysis methods, systems and media. The de-centralized data analysis method includes the following steps: sending model files of machine learning models for data analysis to multiple working nodes; receiving multiple model training results from the multiple working nodes, wherein the multiple model training results are obtained by the multiple working nodes according to the model files respectively; and receiving the model training results according to the received model files. According to the training results of the multiple models, the aggregated model training results are generated.
【技术实现步骤摘要】
去中心化的数据分析方法、系统以及介质
本公开涉及去中心化的数据分析方法、系统以及介质。
技术介绍
机器学习有三大要素：数据、算力、算法。近几年机器学习巨大发展的关键因素是数据、算力和算法的快速发展。图1示出了现有的机器学习模型。该模型中各个数据结点把数据汇集到机器学习结点。机器学习结点将数据加标注后，用这些数据训练机器学习模型。
技术实现思路
本申请的专利技术人发现集中式机器学习模型在机器学习三大要素方面都存在很大的局限性。在数据方面，机器学习开发是基于所收集的数据进行的，但由于需要的数据量巨大以及容易产生隐私数据泄漏，很难把各个企业的数据汇集到一起有效开发。在算力方面，很多企业以及研究机构拥有强大的计算能力，但其计算能力有时被闲置而没有得到有效利用。在算法方面，某些初创公司和研究机构具有强大的模型开发能力，但因没有足够的数据和算力，无法优化机器学习模型。为了解决上述技术问题中的一个或多个，本公开提出利用多个结点训练机器学习模型来实现去中心化的数据分析。本专利技术提供一种去中心化的数据分析方法，包括以下步骤：a)将用于进行数据分析的机器学习模型的模型文件发送给多个工作...
【技术保护点】
1.一种去中心化的数据分析方法，包括以下步骤：a)将用于进行数据分析的机器学习模型的模型文件发送给多个工作结点；b)从所述多个工作结点接收多个模型训练结果，其中所述多个模型训练结果是分别由所述多个工作结点根据所述模型文件进行模型训练得到的；c)根据接收到的所述多个模型训练结果，生成汇聚的模型训练结果。
【技术特征摘要】
1.一种去中心化的数据分析方法，包括以下步骤：a)将用于进行数据分析的机器学习模型的模型文件发送给多个工作结点；b)从所述多个工作结点接收多个模型训练结果，其中所述多个模型训练结果是分别由所述多个工作结点根据所述模型文件进行模型训练得到的；c)根据接收到的所述多个模型训练结果，生成汇聚的模型训练结果。2.如权利要求1所述的数据分析方法，其中，所述机器学习模型是神经网络模型，所述模型文件包括所述神经网络模型的多个神经元的排列信息以及赋予所述多个神经元之间的多个连接的多个参数。3.如权利要求1所述的数据分析方法，还包括以下步骤：基于所述汇聚的模型训练结果，更新所述模型文件；再次执行步骤a)至c)。4.如权利要求1所述的数据分析方法，其中，所述多个工作结点分别用自身的本地数据进行所述模型训练。5.如权利要求1所述的数据分析方法，还包括以下步骤：从应用结点接收模型请求，基于所述模型请求从模型库中选择所述模型文件。6.如权利要求1所述的数据分析方法，还包括以下步骤：从应用结点接收模型请求；将所述模型请求发送给开发结点；从开发结点接收所述模型文件，其中所述模型文件是由所述开发结点基于所述模型请求生成的。7.如权利要求5或6所述的数据分析方法，还包括以下步骤：基于所述模型请求，利用区块链智能合约减少与应用结点对应的账户值...
【专利技术属性】
技术研发人员：吴增德，吴晓东，沈乐平，陈玲珑，
申请(专利权)人：浙江省公众信息产业有限公司，
类型：发明
国别省市：浙江,33
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。