[发明专利]一种基于深度学习的混合区块链模型构建方法

说明书

本申请公开了一种基于深度学习的混合区块链模型构建方法，该方法中的参与节点用于根据公链数据和/或私链数据构建运算模型，任务节点用于根据运算模型，构建混合区块链模型，该方法包括：任务节点向参与节点发送任务要求；参与节点根据任务要求、存储于区块链中的公链数据和/或自身存储的私链数据，利用深度学习方法，构建神经网络训练模型，记作运算模型；任务节点获取运算模型，并利用深度学习算法融合运算模型，记作混合区块链模型。通过本申请中的技术方案，有利于提高区块链中私链数据的利用率，提高了根据区块链数据处理过程中的准确性。

技术领域

本申请涉及区块链技术领域，具体而言，涉及一种基于深度学习的混合区块链模型构建方法。

背景技术

区块链主要分为公链与私链两类。公链是一种去中心化，去信任的分布式记账体系，代表实例有比特币、以太坊等。存储于公链中的数据可以被任何人读取且保障数据正确性，用户可根据公链中的记录获取所需数据集进行筛选分析，训练神经网络。私链是指由某个组织或机构控制的区块链，由于参与节点的有限性与可控性，相比公链而言，私链因其较好的隐私保护机制得以记录大量私人数据，只有获得授权的用户才能使用私链数据训练模型。公私链间目前常用的交互方式为智能合约编程，交易双方事先约定智能合约，交易过程中智能合约对不同事件进行响应，自动执行合约内容，完成基于区块链数据的数学模型建立。

而现有技术中，主要存在以下几点问题。首先，区块链中的数据利用率较低，公链仅记录交易信息，而私链上非公开的私链数据蕴含大量未被利用的信息，导致私链数据难以发挥出真正价值。其次，由于公链中公开的数据十分有限，数学模型的泛化性能难以保证，常常出现过拟合现象，导致处理数据过程中的准确性偏低，模型质量难以得到真正提升。

发明内容

本申请的目的在于：提高了区块链中存储数据的利用率，降低了数学模型构建过程中出现过拟合现象的可能性，提高了数学模型的准确性。

本申请的技术方案是：提供了一种基于深度学习的混合区块链模型构建方法，该方法包括：

步骤1，任务节点向参与节点发送任务要求；

步骤2，参与节点根据任务要求、存储于区块链中的公链数据和/或自身存储的私链数据，利用深度学习方法，构建神经网络训练模型，记作运算模型；

步骤3，任务节点获取运算模型，并利用深度学习算法融合运算模型，记作混合区块链模型。

上述任一项技术方案中，进一步地，任务节点也可以为参与节点。

上述任一项技术方案中，进一步地，在步骤2之后，还包括：步骤21，确定至少两个参与节点为泛化节点；步骤22，泛化节点获取其余参与节点的运算模型，记作第一模型；步骤23，泛化节点利用自身存储的私链数据对第一模型进行检测；步骤24，当泛化节点判定第一模型符合要求时，将第一模型记作第二模型，并将第二模型发送至任务节点。

上述任一项技术方案中，进一步地，步骤24通过以下方法实现：泛化节点根据检测结果，对第一模型进行评分，记作第一泛化评分；计算各个泛化节点对任一第一模型的第一泛化评分的平均值，记作第一模型的第二泛化评分；当判定第二泛化评分大于或等于任务要求中的预设评分时，将第一模型记作第二模型，并将第二模型发送至任务节点。

上述任一项技术方案中，进一步地，步骤24通过以下方法实现：泛化节点根据检测结果，对第一模型进行评分，记作第一泛化评分；计算各个泛化节点对任一第一模型的第一泛化评分的平均值，记作第一模型的第二泛化评分；根据第二泛化评分，按照由高至低的顺序对第一模型进行排序；选取与任务要求中预设数量相等的第一模型记作第二模型，并将第二模型发送至任务节点。