【技术实现步骤摘要】
一种基于区块链的人工智能模型保护、松耦合分布式训练方法
本专利技术涉及一种人工智能
，具体涉及一种基于区块链的人工智能模型保护、松耦合分布式训练方法。
技术介绍
以深度学习为代表的人工智能，其模型规模越来越大、参数越来越多、结构越来越复杂，这使得训练模型需要的计算量越来越大，个人、甚至小机构都很难根据自己的需求训练自己的模型。由于在模型训练过程中，需要一个集中的参数服务器，这使得分散的计算机无法自动组织在一起、训练同一个模型；同时，拥有分散的计算机的用户也没有足够的动力组织起来参与同一模型训练。另一方面，人工智能模型有可能被不法人员利用，产生对用户不利、甚至有害的结果。例如，通过修改模型中非常微小的参数或数据依赖关系，就可以改变模型的某些关键属性，致使模型无法辨识某些目标、或者把特定目标识别为不法人员制定的类型。例如，无人机、无人送货车等配备人工智能模型用于识别目标门牌号，通过修改其模型，可致使其把货物送达错误的地点。由于人工智能模型的规模和复杂性，这些微小的改变很难被发现。使用公开、被广泛传播的人工智...
【技术保护点】
1.一种基于区块链的人工智能模型保护、松耦合分布式训练方法，其特征在于，包括：/n(1)模型设计者通过模型训练智能合约在区块链上征求模型训练参与者，所述模型训练参与者提供算力对加入区块链的人工智能模型进行分布式训练，不断迭代得到最终人工智能模型及其相关信息；/n(2)人工智能模型的模型所有者通过确权智能合约在所述区块链上确认对应人工智能模型的所有权；/n(3)模型使用者通过防篡改智能合约验证其使用的人工智能模型的正确性；/n(4)模型所有者之间、模型所有者和模型参与者之间以及模型所有者和模型使用者之间可通过交易智能合约针对人工智能模型的所有权进行交易，所述模型参与者为欲通过...
【技术特征摘要】
1.一种基于区块链的人工智能模型保护、松耦合分布式训练方法，其特征在于，包括：
(1)模型设计者通过模型训练智能合约在区块链上征求模型训练参与者，所述模型训练参与者提供算力对加入区块链的人工智能模型进行分布式训练，不断迭代得到最终人工智能模型及其相关信息；
(2)人工智能模型的模型所有者通过确权智能合约在所述区块链上确认对应人工智能模型的所有权；
(3)模型使用者通过防篡改智能合约验证其使用的人工智能模型的正确性；
(4)模型所有者之间、模型所有者和模型参与者之间以及模型所有者和模型使用者之间可通过交易智能合约针对人工智能模型的所有权进行交易，所述模型参与者为欲通过付出所有权通证获得所述人工会智能模型的所有权的用户。
2.根据权利要求1所述的基于区块链的人工智能模型保护、松耦合分布式训练方法，其特征在于，所述步骤(1)具体包括：
(11)模型设计者通过所述模型训练智能合约发布待训练人工智能模型及训练请求，所述训练请求包括训练达到的精度、验证方法、模型放置的位置、模型所有者及本地唯一标识；
(12)所述模型设计者作为区块链的第一使用终端加入区块链，并公布模型训练参与者提供算力的报酬通证；所述模型训练参与者作为区块链的第二使用终端加入区块链，在区块链上搜索所述训练请求；
(13)所述模型训练参与者使用所述算力完成所述待训练模型的训练任务，并向所述模型训练者提交训练结果，更新所述人工智能模型；
(14)所述区块链根据所述模型训练智能合约选取完成训练的模型训练参与者，并把模型设计者提供的所述报酬通证转给被选取的模型训练参与者，并同时发布下次训练请求；
(15)重复步骤(13)和(14)，每次迭代的模型训练参与者可不同，直到训练后的最终人工智能模型达到所述训练请求中的精度。
3.根据权利要求2所述的基于区块链的人工智能模型保护、松耦合分布式训练方法，其特征在于，所述步骤(2)具体包括：
(21)模型参与者作为区块链第三使用终端加入区块链中，通过支付所述区块链发行的所有权通证获取最终人工智能模型的所有权；
(22)将所述最终人工智能模型存储于区块链中，所述模型所有者发布所述最终人工智能模型存储时的第一块哈希，
或所述最终人工智能模型存放在可被公共访问的互联网地址，将最终人工智能模型对应的本地唯一标识、所述互联网地址和其他相关信息存...
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。