[发明专利]基于区块链的数据处理方法和装置

说明书

本公开提供了一种基于区块链的数据处理方法，应用于区块链节点，包括：获取本节点的区块链上当前最新区块中的第一模型参数，基于第一模型参数和本地数据集，训练得到第二模型参数，将所述第二模型参数广播至本节点当前所属的区块链网络中的各节点，由各节点基于各自的本地测试集对所述第二模型参数进行共识验证。当共识验证结果表明所述第二模型参数对应的模型优于第一模型参数对应的模型且符合预定条件时，将所述第二模型参数作为更新的第一模型参数，根据所述第二模型参数创建新的区块，并将所述新的区块加入至本节点的区块链中。本公开还提供了一种基于区块链的数据处理装置。

技术领域

本公开涉及一种基于区块链的数据处理方法和装置。

背景技术

深度学习导致了人类历史上第三次人工智能的浪潮，且已被证明在计算机视觉、语音、语言处理等许多领域都有效。许多商业的人工智能的产品/服务已经可用，并使人们的生活更加美好。

人工智能模型的训练是人工智能研究领域的重要课题，越来越多的研究投入到该课题中。

发明内容

本公开的一个方面提供了一种基于区块链的数据处理方法，应用于区块链节点，包括：获取本节点的区块链上当前最新区块中的第一模型参数，基于第一模型参数和本地数据集，训练得到第二模型参数，将所述第二模型参数广播至本节点当前所属的区块链网络中的各节点，由各节点基于各自的本地测试集对所述第二模型参数进行共识验证，当共识验证结果表明所述第二模型参数对应的模型优于第一模型参数对应的模型且符合预定条件时，将所述第二模型参数作为更新的第一模型参数，根据所述第二模型参数创建新的区块，并将所述新的区块加入至本节点的区块链中。

可选地，上述区块链网络包括多个子网络，不同子网络对应不同的区块链，不同子网络对应不同的模型精度范围。上述将所述第二模型参数广播至本节点当前所属的区块链网络中的各节点包括：将所述第二模型参数广播至本节点当前所属的子网络中的各节点。上述预定条件包括：所述第二模型参数对应的模型精度在本节点当前所属的子网络对应的模型精度范围内。上述方法还包括：当共识验证结果表明所述第二模型参数对应的模型优于第一模型参数对应的模型且不符合预定条件时，令本节点从当前所属的子网络退出并加入至所述第二模型参数对应的模型精度对应的子网络，将本节点的区块链更新为该子网络对应的区块链。

可选地，上述由各节点基于各自的本地测试集对所述第二模型参数进行共识验证包括：由各节点基于各自的本地测试集对所述第二模型参数对应的模型分别进行测试，并根据测试结果是否优于第一模型参数对应的模型得到投票结果，返回投票结果和测试结果。上述方法还包括：接收各节点返回的投票结果和测试结果，当投票结果中均为肯定投票结果时，共识验证结果表明第二模型参数对应的模型优于第一模型参数对应的模型，以及，基于各测试结果得到第二模型参数对应的模型精度，根据所述模型精度判断是否满足预定条件。

可选地，上述方法还包括：当共识验证结果表明所述第二模型参数对应的模型优于第一模型参数对应的模型且所述第二模型参数对应的模型精度超过本节点当前所属的子网络对应的模型精度范围时，如果本节点当前所属的子网络对应最高的模型精度范围，则将所述第二模型参数作为更新的第一模型参数，根据所述第二模型参数创建新的区块，并将所述新的区块加入至本节点的区块链中。

可选地，上述方法还包括：在上述根据所述第二模型参数创建新的区块，并将所述新的区块加入至本节点的区块链中之后，获取预定数量的数字货币奖励。