[发明专利]基于区块链网络的机器学习模型处理方法及节点

权利要求书

1.一种基于区块链网络的机器学习模型处理方法，其特征在于，包括：

获取需求方节点发送的通过公钥加密的机器学习模型，将加密的所述机器学习模型存储至区块链网络；

生成与被授权的各参与方节点一一对应的授权码，并将所述授权码发送至对应的所述参与方节点；其中，被授权的不同所述参与方节点对应的授权码不同；

生成与被授权的各所述参与方节点一一对应的密钥对，并将所述密钥对发送至对应的所述参与方节点；其中，所述密钥对包括所述公钥，且被授权的不同所述参与方节点对应的密钥对中的私钥不同；

获取所述区块链网络中的任意一个参与方节点发送的对所述机器学习模型的查询请求，对所述查询请求中的数字签名进行验证；

当对所述数字签名验证成功时，在所述区块链网络存储的已经被授权的参与方节点的信息中，查询所述任意一个参与方节点的信息；

当查询到所述任意一个参与方节点的信息时，根据所述任意一个参与方节点对所述机器学习模型的历史更新次数、模型提升度、贡献数据量及历史查询次数，生成所述任意一个参与方节点发送的授权码的授权参数；

其中，所述历史更新次数、所述模型提升度及所述贡献数据量均与所述授权参数之间成正相关关系；所述历史查询次数与所述授权参数之间成负相关关系；

当所述授权参数满足参数条件时，将加密的所述机器学习模型发送至所述任意一个参与方节点，以使

所述任意一个参与方节点根据持有的密钥对中的私钥，对加密的所述机器学习模型进行解密，并根据持有的密钥对中的公钥对更新后的所述机器学习模型进行加密；

其中，所述机器学习模型通过所述任意一个参与方节点自身的训练数据进行更新；

获取所述任意一个参与方节点发送的加密的所述机器学习模型，将加密的所述机器学习模型存储至所述区块链网络。

2.根据权利要求1所述的机器学习模型处理方法，其特征在于，所述生成与被授权的各所述参与方节点一一对应的密钥对，包括：

确定被授权的参与方节点；

通过非对称加密方式生成包括所述公钥及配套的私钥的密钥对；其中，所述密钥对与被授权的所述参与方节点对应。

3.根据权利要求1所述的机器学习模型处理方法，其特征在于，还包括：

获取所述任意一个参与方节点发送的加密的参与信息，其中，所述参与信息与所述任意一个参与方节点对所述机器学习模型进行的更新操作相关；所述参与信息通过所述任意一个参与方节点持有的密钥对中的公钥进行加密；

将加密的所述参与信息存储至所述区块链网络。

4.根据权利要求1所述的机器学习模型处理方法，其特征在于，所述将加密的所述机器学习模型存储至所述区块链网络，包括：

对加密的所述机器学习模型进行共识；

当共识成功时，将加密的所述机器学习模型，存储至所述区块链网络。

5.根据权利要求4所述的机器学习模型处理方法，其特征在于，

所述对加密的所述机器学习模型进行共识，包括：

将加密的所述机器学习模型在所述区块链网络中进行广播，以使

所述区块链网络中的节点将加密的所述机器学习模型填充至更新区块，并对所述更新区块进行一致性验证；

所述将加密的所述机器学习模型，存储至所述区块链网络，包括：

将所述更新区块追加至区块链的尾部。

6.根据权利要求1所述的机器学习模型处理方法，其特征在于，所述根据所述任意一个参与方节点对所述机器学习模型的历史更新次数、模型提升度、贡献数据量及历史查询次数，生成所述任意一个参与方节点发送的授权码的授权参数之前，所述方法还包括：

获取所述任意一个参与方节点发送的授权码。

7.根据权利要求1所述的机器学习模型处理方法，其特征在于，所述生成与被授权的各参与方节点一一对应的授权码之前，所述方法还包括：

确定被授权的参与方节点。