[发明专利]一种提供完整性验证的可审计外包机器学习服务方法

权利要求书

1.一种提供完整性验证的可审计外包机器学习服务方法，其特征在于：设置外包机器学习服务审计过程和承诺-证明协议，

所述外包机器学习服务审计过程，用于实现机器学习模型训练过程的完整性保证，检测错误行为，不仅确保客户端在不可信的服务端上正确执行学习任务，而且确保服务提供者所声称的资源消耗与实际工作负载相对应；实现过程如下，

计算阶段，服务端保存额外的辅助信息，实现使训练过程可检索的目的，服务端执行机器学习任务；

验证阶段，服务器根据指定的机器学习算法和参数训练预测模型；训练后，客户端随机抽取部分迭代子集作为挑战，服务端生成相应的证明，如果所有证明都能通过验证算法，客户端认为极大可能下服务器已正确执行学习任务；

支付阶段，如果所有证明都通过验证，客户端将向服务端支付外包机器学习服务的费用；

所述承诺-证明协议，用于在高效训练机器学习模型时，通过采样证明大量循环迭代来避免验证全部计算；

所述承诺-证明协议实现如下，

首先在系统设置与初始化时，客户端发送学习算法的参数到服务器，包括学习率α，批量大小b和收敛阈值；在达成协议后，客户端将验证需要用到的线路F编译到本地，并通过安全参数λ生成密钥对和一个随机数种子s用于随机选择样本；客户端将随机数种子s发送给服务器；

在计算阶段，每次迭代中服务器利用随机数种子s选取样本，将上一次迭代的结果状态w_i-1和数据批量作为输入，服务器输出一个更新后的状态wi并且保存它的标识符I_i；在规定次数的迭代后，服务器保存输出结果w_i作为检查点；如果某两个时期之间的精度差异小于收敛阈值t，服务器将终止训练过程并发送标识符(I₁，…，I_m)到客户端；

在验证阶段，首先客户端将线路F和公开授权密钥EK_F发送给服务器，服务器检查线路的正确性；之后，客户端随意选取m次迭代(s₁，s₂，…，s_m)用于验证，向服务器发送索引集来挑战相应的证明(πs₁,…,πs_m；服务器定位检查点得到检索结果(ws_i-1,…,ws_m-1)，服务器产生证明(I’s_i-1,I’s_i,πs_i)，并将结果(I’s_i-1,I’s_i,πs_i)发送给客户端；客户端利用随机数种子s选取样本输入，针对所选取的迭代运行验证函数；若函数输出为零，则客户端拒绝其结果，否则客户端将承诺中的{I’s_i-1,I’s_i}与{Is_i-1,Is_i}进行比较；如果1≤i≤m，承诺与验证结果相同，则客户端输出接受，否则拒绝；

在支付阶段，首先服务器使用对称密钥k加密已经训练好的模型，然后将加密后的模型和对称密钥k的哈希值h发送给客户端；客户端在区块链上发布一个交易，并该交易规定会向持有字符串x并且x的哈希值是h的那一方支付已确定的费用；服务端向交易提交一个字符串z，如果该字符串z的哈希值是h，那么该交易向服务端支付费用，服务端得到报酬，否则该交易将费用归还给客户端。

2.根据权利要求1所述提供完整性验证的可审计外包机器学习服务方法，其特征在于：验证阶段中，利用多重优化来构造验证所需的更高效的算法线路，包括由服务器保存模型的一些中间状态作为检查点，支持快速进行多次迭代，从检查点检索任意状态。

3.根据权利要求1或2所述提供完整性验证的可审计外包机器学习服务方法，其特征在于：所述指定的机器学习算法为线性回归、逻辑回归、神经网络、支持向量机、K均值或决策树方法。