一种模型构建方法及装置、存储介质、计算机设备制造方法及图纸

本发明专利技术提供了一种模型构建方法及装置、存储介质、计算机设备，通过构建训练模型，将训练模型上传至第一区块链节点，多个位于第二区块链节点的电商平台从第一区块链节点下载训练模型，对训练模型进行预训练，得到完成预训练的目标训练模型，利用目标训练模型对电商平台保存的本地数据进行计算，得到输出数据，对输出数据进行筛选处理，得到共享数据，将共享数据上传至第一区块链节点，利用共享数据对训练模型进行参数更新，得到共享模型。本发明专利技术实现了在保护电商平台内部隐私的前提下进行协同建模，有效摒除大量冗余数据及恶意数据，提升了整个区块链系统的模型优化效率和数据利用率，避免了重复训练导致的计算资源浪费。避免了重复训练导致的计算资源浪费。避免了重复训练导致的计算资源浪费。

【技术实现步骤摘要】
一种模型构建方法及装置、存储介质、计算机设备


[0001]本专利技术涉及计算机
，特别是一种模型构建方法及装置、存储介质、计算机设备。

技术介绍

[0002]近年来，跨境电商在稳外贸、稳企业、促数字化转型等方面发挥了重要作用，随着跨境电商的规模的不断扩大，数据的产生呈指数级增长，传统的数据分析模型逐渐无法适应现有庞大的数据规模。同时，随着隐私保护监管的日益严格，各电商平台间的数据传输与协同计算也变得不再可行。由于电商平台数量众多，且信任情况非常复杂，可能存在一些由攻击者伪装的恶意电商平台。恶意电商平台会诱使终端用户连接到自身，隐秘地收集大量其他电商平台中采集的敏感隐私数据，导致用户隐私数据泄漏。此外，恶意电商平台还可能对其他电商平台的用户数据进行篡改，通过篡改后的“脏”数据影响其他电商平台的计算结果。因此需要通过对来自未知管理域的计算节点进行信誉评估以及动态的授权和管理，以避免恶意电商平台加入到协同计算中。

技术实现思路

[0003]鉴于上述问题，本专利技术提出了一种模型构建方法及装置、存储介质、计算机设备，通过本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型构建方法，其特征在于，应用于区块链系统，所述方法包括：构建训练模型，将所述训练模型及预设的模型超参数信息上传至所述第一区块链节点；多个位于第二区块链节点的电商平台从所述第一区块链节点下载所述训练模型，对所述训练模型进行预训练，得到完成预训练的目标训练模型；利用所述目标训练模型对所述电商平台保存的本地数据进行计算，得到输出数据；根据所述输出数据对所述本地数据进行筛选处理，得到共享数据；所述共享数据为多个所述电商平台的部分本地数据；将所述共享数据上传至所述第一区块链节点，利用所述共享数据对所述训练模型进行参数更新，得到共享模型；所述共享模型用于对所述电商平台的本地数据进行预测。2.根据权利要求1所述的方法，其特征在于，所述构建训练模型，包括：确定所述训练模型的神经网络构架，将所述神经网络构架作为所述模型构架；对所述训练模型进行模型参数初始化，并设置模型超参数信息；所述模型超参数信息包括Dropout超参数以及参数上传阈值。3.根据权利要求2所述的方法，其特征在于，所述对所述训练模型进行预训练，包括：对所述训练模型设置所述Dropout超参数；将所述电商平台保存的本地数据分批次输入所述训练模型进行预训练。4.根据权利要求1所述的方法，其特征在于，所述根据所述输出数据对所述本地数据进行筛选处理，得到共享数据；所述共享数据为多个所述电商平台的部分本地数据，包括：利用如下公式计算所述输出数据的方差值：其中，所述M为预训练轮数；所述r为多次训练输出数据的平均值；所述p(ω)表示本轮训练的输出数据；所述α为方差值，作为本批次本地数据的不确定性量化值；利用所述参数上传阈值对所述本地数据进行筛选，得到所述方差值高于所述参数上传阈值的本地数据作为目标数据，并将所述目标数据以及所述目标数据对应的方差值作为共享数据。5.根据权利要求4所述的方法，其特征在于，所述将所述共享数据上传至所述第一区块链节点，利用所述共享数据对所述训练模型进行参数更新，得到共享模型，包括：将所述共享数据上传至所述第一区块链节点，利用所述共享数据对所述电商平台进行信誉评估，得到各所述电商平台的信誉值；利用各所述电商平台对应的信誉值和共享数据的数据量计算所述训练模型的更新参数，具体利用如下公式进行计算：其中，所述t为训练轮数；ω
t+1
为所述训练模型的更新参数；n
k
为第k个电商平台对应的共...

【专利技术属性】
技术研发人员：袁煜明，王峰，闫晨旭，
申请(专利权)人：盐城矩阵运营管理有限公司，
类型：发明
国别省市：