将人工智能应用和区块链结合的数据处理方法和系统技术方案

本发明专利技术公开了一种将人工智能应用和区块链结合的数据处理方法，将区块链设计为强化学习算法的代理，每个区块对应一个无限状态或状态空间足够大的有限状态马尔科夫状态机，每个区块的创建和链接过程为马尔科夫决策过程，将区块链与强化学习人工智能模型相结合，利用强化学习模型的训练迭代实现区块的工作量证明计算，通过模型训练的计算复杂度和时间成本加大了区块信息被篡改的难度，提供了面向人工智能模型训练和运算的区块链模型，实现了一种可靠、可信任的数据共享机制和分布式人工智能算法运行模式，有效利用计算机资源，为广泛的人工智能应用提供了算力支持和数据支持，提高了人工智能算法模型的训练效率。人工智能算法模型的训练效率。人工智能算法模型的训练效率。

【技术实现步骤摘要】
将人工智能应用和区块链结合的数据处理方法和系统


[0001]本专利技术涉及人工智能和区块链领域，特别是涉及一种将人工智能应用和区块链结合的数据处理方法。

技术介绍

[0002]区块链(Blockchain)是一个分布式的共享账本和数据库，具有去中心化、不可篡改、全程留痕、可以追溯、集体维护、公开透明等特点。这些特点保证了区块链的“诚实”与“透明”，创造了一种去中心化的信任机制。区块链也是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链的这些应用特征提供了丰富的应用场景，基本上都基于区块链能够解决信息不对称问题，实现多个主体之间的协作信任与一致行动。区块链它本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批的交易信息，用于验证其信息的有效性(防伪)和生成下一个区块。
[0003]区块链技术得到了广泛的认可和应用，涌现了一批具有不同技术特点和针对不同应用场景的区块链公链，著名的有以太坊(Ethereum)、超级账本(HyperledgerFabric)、IPFS等，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种将人工智能应用和区块链结合的数据处理方法，其特征在于：将区块链设计为强化学习算法的代理，每个区块对应一个无限状态或状态空间足够大的有限状态马尔科夫状态机，每个区块的创建和链接过程为马尔科夫决策过程；包括如下步骤：S1、环境状态S发生变化时，将环境的变化S
t
‑‑
>S
t+1
作为向区块链系统提供的外部数据；S2、创建一个区块并进行工作量证明，记录当前环境的最新状态(S
t+1
)、在上一个状态下所选择的行动(A
t
)、和从此次决策行动中获得的奖励(R
t+1
)、需要写入区块的数据D
t+1
以及上一个区块数据的哈希值h
t+1
＝Hash(D
t
,S
t
,A
t
‑1,R
t
,h
t
)。2.如权利要求1所述的将人工智能应用和区块链结合的数据处理方法，其特征在于所述步骤S2中工作量证明包括如下步骤：S21、代理根据当前的决策规则Policy(t)选取一个行动A
t
，并获得来自环境的奖励R
t+1
；S22、环境状态由S
t
变成S
t+1
后，区块链节点运行Policy的学习算法得到Policy(t+1)；S23、计算完成时，该区块被确认。3.如权利要求2所述的将人工智能应用和区块链结合的数据处理方法，其特征在于还包括如下步骤：S3、实现区块间的串联关系：区块链节点将新的区块与上一个区块连接起来，通过状态的转移关系和上一个区块数据的哈希值实现区块间的串联关系，并通过在当前区块里保存上一个区块数据的哈希值来防止区块数据被篡改。4.如权利要求2所述的将人工智能应用和区块链结合的数据处理方法，其特征在于所述步骤S21包括如下步骤：S211、在当前状态S
t
下利用当前Agent的决策规则Policy(t)计算选取一个行动A
t
；S212、将行动A
t
施加给环境，即与Oracle交互，获得奖励R
t+1
，并使环境状态变成S
t+1
；步骤S22包括：基于步骤2中的状态迁移S
t
‑‑
>S
t+1
、行动选取A
t
和获得的奖励R
t+1
，利用区块链定义的Policy学习算法对Policy进行学习更新得到Policy(t+1)。5.如权利要求2所述的将人工智能应用和区块链结合的数据处理方法，其特征在于步骤S3中还包括共识机制，所述共识机制具体包括如下步骤：S31、以最长优先原则确定最完整的区块链：比较不同节点上区块链的长度，选取长度最长的放入一个备选池，如果备选池中只有一条最长的链，那么将其确认为最终达成共识的区块链；S32、在完成步骤S31后，如果备选池里仍存在多于一条的链，就按如下方法确定最终共识的链：S321、按区块顺序比较每条链上相同位置的区...

【专利技术属性】
技术研发人员：犹杰，
申请(专利权)人：深圳大数点科技有限公司，
类型：发明
国别省市：