[发明专利]一种基于区块链的信息处理方法及装置

说明书

本申请公开了一种基于区块链的信息处理方法及装置。该方法包括：在满足区块链奖励的发放条件时，获取区块链奖励的奖励值以及奖励值在区块生成方、第一区块验证方和第二区块验证方之间的分配比例，其中，区块生成方是生成区块更新人工智能模型的任务参与方，第一区块验证方为验证区块且贡献本地参数的任务参与方，第二区块验证方为验证区块但未贡献本地参数的任务参与方；根据奖励值和分配比例计算得到第一奖励值、第二奖励值和第三奖励值；使用区块链提供的发放通道发放励值。如此，可激励各参与方竞争生成新区块，向社区贡献本地参数，加快模型收敛速度。

技术领域

本申请涉及区块链领域，尤其涉及一种基于区块链的信息处理方法及装置。

背景技术

众所周知，人工智能也一直在信息计算和网络通信的推动下，以突飞猛进地速度不断发展，但人工智能是通过人工智能模型基于大量地数据不断演算和学习来获得的，而人工智能模型训练数据的质量和规模将直接决定人工智能的卓越程度。

区块链是近年来新兴的一项信息技术。从本质上讲，区块链可以看作是一个共享数据库，存储于其中的数据或信息，具有“不可伪造”、“全程留痕”、“可以追溯”、“公开透明”、“集体维护”等特征。基于这些特征，区块链技术奠定了坚实的“信任”基础，创造了可靠的“合作”机制，具有广阔的运用前景。

而随着区块链技术的不断成熟，人工智能邻域内的研究人员也试图通过区块链市场产生的数据训练出的更为强大的人工智能。具体来讲，基于区块链的人工智能模型训练场景(BDML)是由社区来维护一个解决某个特定问题的人工智能模型的区块链，参与方如果训练得到一个更好的模型，经过其他参与方投票后就会生成一个新的区块，每个参与方能够在不公开自己的数据的情况下进行协同训练。

这一方式结合了两个强大的原始资源：私人机器学习，允许在不透露敏感私人数据的情况下进行训练，以及基于区块链所带有的激励机制，这些激励机制允许这些系统可以吸引最佳数据和模型，使其更加智能化。

在基本的BDML设置中，假设各参与方都积极参与模型训练，但这在现实世界中是不现实的，因为模型训练会产生资源成本。如果没有精心设计的激励机制，有些利己主义的参与方可能就不愿意参加模型训练。因此，如何设计一种有效的激励机制，以激励参与方参与到BDML的模型训练中就成为DBML亟需解决的一个技术问题。

发明内容

针对以上问题，本申请人创造性地提供一种识别车辆第一状态的方法、装置及存储介质。

根据本申请实施例第一方面，一种基于区块链的信息处理方法，应用于利用区块链进行人工智能模型训练的任务发起方，该方法包括在满足区块链奖励的发放条件时，执行以下方法发放区块链奖励：获取区块链奖励的奖励值以及奖励值在区块生成方、第一区块验证方和第二区块验证方之间的分配比例，其中，区块生成方是生成区块更新人工智能模型的任务参与方，第一区块验证方为验证区块且贡献本地参数的任务参与方，第二区块验证方为验证区块但未贡献本地参数的任务参与方；根据奖励值和分配比例计算得到第一奖励值、第二奖励值和第三奖励值；使用区块链提供的发放通道向区块生成方发放第一奖励值，向第一区块验证方发放第二奖励值，向第二区块验证方发放第三奖励值。

根据本申请实施例一实施方式，其中，在发放区块链奖励之前，该方法还包括：创建人工智能模型并设置人工智能模型的初始化信息，初始化信息包括初始模型、初始参数、初始模型精度、精度提高阈值和计算模型精度的方法；确定区块链的区块生成条件和区块链奖励机制，区块链奖励机制包括区块链奖励的发放条件、区块链奖励的奖励值以及奖励值在区块生成方、第一区块验证方和第二区块验证方之间的分配比例；将人工智能模型、人工智能模型的初始化信息、区块生成条件和区块链奖励机制打包为区块链的第一区块；将第一区块上传到区块链。

根据本申请实施例一实施方式，区块链奖励的触发条件包括：检测到区块链有新区块生成时；或，检测到收益账户的账户值发生增长时，其中，收益账户用于存储人工智能模型获取收益的交易记录。