KR102334922B1 - Data model generation system based in blockchain - Google Patents

Data model generation system based in blockchain Download PDF

Info

Publication number
KR102334922B1
KR102334922B1 KR1020190139230A KR20190139230A KR102334922B1 KR 102334922 B1 KR102334922 B1 KR 102334922B1 KR 1020190139230 A KR1020190139230 A KR 1020190139230A KR 20190139230 A KR20190139230 A KR 20190139230A KR 102334922 B1 KR102334922 B1 KR 102334922B1
Authority
KR
South Korea
Prior art keywords
data
node
model
block chain
analysis
Prior art date
Application number
KR1020190139230A
Other languages
Korean (ko)
Other versions
KR20210053529A (en
Inventor
권찬영
강정석
Original Assignee
주식회사 에이젠글로벌
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 에이젠글로벌 filed Critical 주식회사 에이젠글로벌
Priority to KR1020190139230A priority Critical patent/KR102334922B1/en
Publication of KR20210053529A publication Critical patent/KR20210053529A/en
Priority to KR1020210164377A priority patent/KR102433432B1/en
Application granted granted Critical
Publication of KR102334922B1 publication Critical patent/KR102334922B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6209—Protecting access to data via a platform, e.g. using keys or access control rules to a single file or object, e.g. in a secure envelope, encrypted and accessed using a key, or with access control rules appended to the object itself
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
    • H04L9/0891—Revocation or update of secret information, e.g. encryption key update or rekeying

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Bioethics (AREA)
  • Computing Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Tourism & Hospitality (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Educational Administration (AREA)
  • Signal Processing (AREA)
  • Development Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

블록체인 기반의 데이터 모델 생성 시스템이 개시된다. 본 발명의 일 실시예에 따른 블록체인 기반의 데이터 모델 생성 시스템은 블록체인망에 접속되어 소정의 데이터를 제공하는 하나 이상의 데이터 제공 노드, 상기 블록체인망에 접속되어, 상기 데이터 제공 노드로부터 수신한 상기 데이터를 이용하여 데이터 분석 모델을 생성하고, 상기 데이터 분석 모델을 통해 상기 데이터를 분석하는 모델 생성 노드 및 상기 블록체인망에 접속되어, 상기 모델 생성 노드를 통해 상기 데이터 분석 모델을 사용하는 사용자 노드를 포함한다.A blockchain-based data model creation system is disclosed. A block chain-based data model generation system according to an embodiment of the present invention includes one or more data providing nodes connected to a block chain network to provide predetermined data, and the data received from the data providing nodes connected to the block chain network. a model generating node that generates a data analysis model using .

Description

블록체인 기반의 데이터 모델 생성 시스템{DATA MODEL GENERATION SYSTEM BASED IN BLOCKCHAIN}Blockchain-based data model generation system {DATA MODEL GENERATION SYSTEM BASED IN BLOCKCHAIN}

본 발명은 블록체인 기반의 데이터 모델 생성 시스템에 관한 것이다. 보다 상세하게는, 블록체인망에 접속되어 데이터를 제공하고, 상기 블록체인망으로 데이터를 수신하여 상기 수신한 데이터를 이용해 분석 모델을 생성하는 시스템에 관한 것이다.The present invention relates to a blockchain-based data model creation system. More specifically, it relates to a system for providing data by being connected to a block chain network, receiving data through the block chain network, and generating an analysis model using the received data.

데이터의 중요성은 날로 높아지고 있다. 서비스 제공자는 자사의 서비스를 이용하는 사용자의 개인 정보와 지역성과 시간성이 포함되는 행동 기록을 데이터로 저장하고 있다. 최근에는 이렇게 서비스 제공자가 저장하는 데이터를 인공 지능을 구축하는 것에 이용하고자 하는 움직임이 있다. 인공 지능은 일반적으로 데이터를 기계 학습하여 구축하는데, 목적에 부합하는 인공 지능을 생성하기 위해서는 관련성 높은 데이터의 수집과 선별이 중요하다. 또한, 인공 지능 또는 기계 학습을 통해 생성하는 예측 모델이 보다 정확하고 목적에 부합하려면, 다양한 케이스와 다양한 시간대에 관한 사용자의 행동 기록 데이터가 필요하다. 그러나 하나의 서비스 제공자는 보유할 수 있는 사용자에 관한 데이터는 한계가 있을 수 밖에 없다.The importance of data is increasing day by day. The service provider stores the user's personal information and the behavioral record including locality and temporality as data. Recently, there is a movement to use the data stored by service providers to build artificial intelligence. Artificial intelligence is generally built by machine learning data, and collection and screening of highly relevant data is important in order to generate artificial intelligence that meets the purpose. In addition, in order for predictive models generated through artificial intelligence or machine learning to be more accurate and fit for purpose, user behavior history data for various cases and different time periods is required. However, there is inevitably a limit to the data about users that one service provider can retain.

이에 따라 한 서비스 제공자의 데이터를 이용하기보단, 복수의 서비스 제공자가 보유하고 있는 다량의 데이터를 이용하여 인공 지능을 구축하는 것이 필수적이다. 복수의 서비스 제공자가 보유하는 데이터를 이용하여 인공 지능을 구축하기 위해서는, 먼저 각 서비스 제공자가 보유하고 있는 데이터를 한 곳으로 결합해야 한다. 데이터 결합을 하려면 각 서비스 제공자의 서버에서 다른 서버로 데이터의 이동이 필수적이다. 그렇지만, 서비스 제공자의 데이터는 각각의 목적에 따라 사용자의 동의에 따라 저장되므로 사용자 동의 없는 임의적인 데이터의 복제 및 전송은 엄격히 규제되고 있다. 또한, 데이터를 제공하는 데이터 제공자(서비스 제공자)는 각자의 이해관계(경쟁사에 이용될 우려)에 따라 제공하고자 하는 데이터의 범위와 데이터의 가공 범위를 제한하고 싶어 한다.Accordingly, rather than using data from one service provider, it is essential to build artificial intelligence using a large amount of data owned by a plurality of service providers. In order to build artificial intelligence using data owned by multiple service providers, the data owned by each service provider must first be combined into one place. In order to combine data, it is essential to move data from each service provider's server to another server. However, since the data of the service provider is stored according to the user's consent for each purpose, the duplication and transmission of arbitrary data without the user's consent is strictly regulated. In addition, data providers (service providers) that provide data want to limit the scope of data they want to provide and the scope of data processing according to their interests (fear of being used by competitors).

따라서, 복수의 데이터 제공자가 보유한 데이터를 이용해 인공 지능을 구축하기 위해서는 각 사용자의 동의를 얻고, 데이터 제공자의 의도에 따라 데이터에 대한 제한이 가능하며, 사용자, 데이터 제공자, 데이터 가공자가 서로의 데이터 처리과정을 투명하게 볼 수 있는 기술이 필요하다.Therefore, to build artificial intelligence using data owned by multiple data providers, each user's consent is obtained, data restrictions are possible according to the data provider's intention, and users, data providers, and data processors process each other's data You need the technology to see the process transparently.

KR 10-1993293 B1 (2019.06.20.)KR 10-1993293 B1 (2019.06.20.)

본 발명은 상술한 문제점을 해결하기 위한 것으로서, 블록체인망을 이용해 데이터를 결합하고 가공하므로 데이터 제공자, 데이터 가공자 및 사용자에게 투명한 데이터 결합 내역 및 사용 내역을 공개할 수 있는 데이터 모델 생성 시스템을 제공하고자 한다.The present invention is to solve the above problems, and since data is combined and processed using a block chain network, to provide a data model creation system that can transparently disclose data combination details and usage details to data providers, data processors and users. do.

또한, 데이터 이동 및 전송 시 발생할 수 있는 데이터 누출 사고를 예방하고, 누출되어도 안전한 데이터 모델 생성 시스템을 제공하고자 한다.In addition, it is intended to prevent data leakage accidents that may occur during data movement and transmission, and to provide a data model generation system that is safe even if it is leaked.

또한, 데이터 가공 목적에 따라 다수의 사용자 및 다수의 데이터 제공자의 동의 얻거나 또는 가공 권한을 부여할 수 있는 데이터 모델 생성 시스템을 제공하고자 한다.In addition, an object of the present invention is to provide a data model creation system that can obtain consent from multiple users and multiple data providers or grant processing rights according to the purpose of data processing.

또한, 다양한 분야의 데이터 제공자와 통합 데이터를 이용한 인공지능 분석 모델 제공자, 이러한 통합 데이터의 분석 산출물들이 필요한 수요자들이 하나의 데이터 플랫폼에 참여하여, 그 이전에는 파편적인 데이터에서 얻는 분석에서 도출할 수 없었던 유의미한 분석 결과물을 산출해 비지니스 및 연구개발에 활용할 수 있는 데이터 모델 생성 시스템을 제공하고자 한다.In addition, data providers in various fields, artificial intelligence analysis model providers using integrated data, and consumers who need analysis products of such integrated data participate in one data platform, We intend to provide a data model creation system that can be used for business and R&D by calculating meaningful analysis results.

본 발명의 해결하고자 하는 과제들은 상술한 내용으로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.The problems to be solved by the present invention are not limited to the above-described content, and other technical problems not mentioned will be clearly understood by those skilled in the art from the following description.

본 발명의 일 실시예에 따른 블록체인 기반의 데이터 모델 생성 시스템은, 블록체인망에 접속되어 소정의 데이터를 제공하는 하나 이상의 데이터 제공 노드; 상기 블록체인망에 접속되어, 상기 데이터 제공 노드로부터 수신한 상기 데이터를 이용하여 데이터 분석 모델을 생성하고, 상기 데이터 분석 모델을 통해 상기 데이터를 분석하는 모델 생성 노드; 및 상기 블록체인망에 접속되어, 상기 모델 생성 노드를 통해 상기 데이터 분석 모델을 사용하는 사용자 노드;를 포함할 수 있다.A block chain-based data model generation system according to an embodiment of the present invention includes: one or more data providing nodes connected to a block chain network to provide predetermined data; a model generation node that is connected to the block chain network, generates a data analysis model using the data received from the data providing node, and analyzes the data through the data analysis model; and a user node connected to the block chain network and using the data analysis model through the model generation node.

또한, 상기 모델 생성 노드는, 상기 하나 이상의 데이터 제공 노드가 제공하는 상기 데이터가 결합되는 결합 공간을 포함하고, 상기 하나 이상의 데이터 제공 노드는, 상기 데이터가 상기 결합 공간에서 결합되도록 상기 데이터를 상기 모델 생성 노드로 전송할 수 있다.In addition, the model generation node includes a coupling space in which the data provided by the one or more data providing nodes are coupled, and the one or more data providing nodes model the data so that the data are coupled in the coupling space. It can be sent to the creation node.

또한, 상기 하나 이상의 데이터 제공 노드는, 상기 결합 공간의 주소로 상기 데이터를 제공하되, 상기 결합 공간의 주소를 암호키로 이용하여 상기 데이터를 암호화하여 제공할 수 있다.In addition, the one or more data providing nodes may provide the data as an address of the coupling space, and encrypt and provide the data using the address of the coupling space as an encryption key.

또한, 상기 데이터 제공 노드는, 다른 데이터 제공 노드에서 제공하는 데이터와 자신의 데이터가 결합될 수 있는 결합 조건 정보를 함께 제공할 수 있다.In addition, the data providing node may provide the data provided by another data providing node together with binding condition information in which its own data can be combined.

또한, 상기 모델 생성 노드는, 상기 블록체인망에서 미리 결정된 결합 조건이 충족되면, 수신한 상기 데이터를 복호화하여 상기 데이터 제공 노드로부터 수신한 데이터를 상기 결합 조건에 기초하여 결합할 수 있다.In addition, when a predetermined binding condition is satisfied in the block chain network, the model generating node may decode the received data and combine the data received from the data providing node based on the combining condition.

또한, 상기 모델 생성 노드는, 하나 이상의 상기 데이터 제공 노드로부터 수신된 데이터를 결합하여, 인공지능 학습을 통한 학습 모델을 포함하는 분석 데이터를 생성할 수 있다.In addition, the model generation node may combine data received from one or more of the data providing nodes to generate analysis data including a learning model through artificial intelligence learning.

또한, 상기 분석 데이터는, 상기 분석 데이터에 대한 정보와 상기 분석 데이터를 사용할 수 있는 사용 조건이 부여된 상태로 상기 사용자 노드에 전송될 수 있다.In addition, the analysis data may be transmitted to the user node in a state in which information on the analysis data and a usage condition for using the analysis data are given.

또한, 상기 분석 데이터와 상기 사용자 노드의 상기 분석 데이터 사용 이력은, 상기 블록체인망에 공개되어 기록될 수 있다.In addition, the analysis data and the analysis data usage history of the user node may be disclosed and recorded in the blockchain network.

또한, 상기 사용자 노드는, 복수의 상기 데이터 제공 노드들 중에서, 상기 사용자가 원하는 데이터를 소유한 상기 데이터 제공 노드를 선택하되, 소정의 구간에 해당하는 상기 데이터를 특정하고, 상기 데이터 제공 노드는, 상기 소정의 구간에 해당하는 상기 데이터만 선별되어 상기 모델 생성 노드에게 전송할 수 있다.In addition, the user node selects the data providing node owning the data desired by the user from among a plurality of the data providing nodes, and specifies the data corresponding to a predetermined section, the data providing node, Only the data corresponding to the predetermined section may be selected and transmitted to the model generating node.

또한, 상기 사용자 노드는, 상기 데이터 분석 모델로부터 수신된 상기 분석 데이터를 제공하는 하나의 데이터 제공 노드의 역할도 수행할 수 있다.In addition, the user node may also serve as one data providing node that provides the analysis data received from the data analysis model.

또한, 상기 데이터 제공 노드가 제공하는 데이터의 속성과 상기 모델 생성 노드가 생성하는 상기 데이터 분석 모델 속성을 제공하는 블록체인 관리 노드;를 더 포함할 수 있다.In addition, the block chain management node for providing the properties of the data provided by the data providing node and the data analysis model properties generated by the model generating node; may further include.

본 발명의 일 실시예에 따른 블록체인 기반의 인공지능 모델 생성 시스템은, 블록체인망에 접속되어 소정의 데이터를 제공하는 하나 이상의 데이터 제공 노드; 상기 블록체인망에 접속되어, 상기 데이터 제공 노드로부터 수신한 상기 데이터를 이용하여 데이터 분석 모델을 생성하고, 상기 데이터 분석 모델을 통해 상기 데이터를 분석하는 모델 생성 노드; 및 상기 데이터 제공 노드가 제공하는 데이터의 속성과 상기 모델 생성 노드가 생성하는 상기 데이터 분석 모델 속성을 제공하는 블록체인 관리 노드;를 포함하고, 상기 모델 생성 노드는, 상기 데이터 제공 노드에 상기 데이터의 전송을 요청하거나, 상기 데이터 제공 노드는, 상기 모델 생성 노드에 상기 데이터를 제공하며 상기 데이터 분석 모델의 생성을 요청할 수 있다.A block chain-based artificial intelligence model generation system according to an embodiment of the present invention includes: one or more data providing nodes connected to a block chain network to provide predetermined data; a model generation node that is connected to the block chain network, generates a data analysis model using the data received from the data providing node, and analyzes the data through the data analysis model; and a block chain management node that provides the properties of the data provided by the data providing node and the data analysis model properties generated by the model generating node, wherein the model generating node includes, The transmission may be requested, or the data providing node may provide the data to the model generating node and request generation of the data analysis model.

또한, 상기 모델 생성 노드는, 상기 하나 이상의 데이터 제공 노드가 제공하는 상기 데이터가 결합되는 결합 공간을 포함하고, 상기 하나 이상의 데이터 제공 노드는, 상기 데이터가 상기 결합 공간에서 결합되도록 상기 데이터를 상기 모델 생성 노드로 전송할 수 있다.In addition, the model generation node includes a coupling space in which the data provided by the one or more data providing nodes are coupled, and the one or more data providing nodes model the data so that the data are coupled in the coupling space. It can be sent to the creation node.

또한, 상기 데이터 제공 노드는, 다른 데이터 제공 노드에서 제공하는 데이터와 자신의 데이터가 결합될 수 있는 결합 조건 정보를 함께 제공할 수 있다.In addition, the data providing node may provide the data provided by another data providing node together with binding condition information in which its own data can be combined.

또한, 상기 데이터 제공 노드는, 자신의 데이터와 결합시킬 데이터를 보유하는 다른 데이터 제공 노드에 대한 정보와, 상기 데이터를 이용하여 상기 데이터 분석 모델을 생성할 상기 모델 생성 노드에 대한 정보를 암호화 하여, 상기 다른 데이터 제공 노드와, 상기 모델 생성 노드에 전송할 수 있다.In addition, the data providing node encrypts information about another data providing node that holds data to be combined with its own data and information about the model generating node that will generate the data analysis model using the data, The data may be transmitted to the other data providing node and the model generating node.

또한, 상기 모델 생성 노드는, 수신한 상기 데이터를 복호화하고, 상기 블록체인망에서 미리 결정된 결합 조건이 충족되면 ,상기 데이터 제공 노드로부터 수신한 데이터를 상기 결합 조건에 기초하여 결합할 수 있다.In addition, the model generating node may decode the received data, and when a predetermined binding condition is satisfied in the block chain network, the data received from the data providing node may be combined based on the combining condition.

또한, 상기 모델 생성 노드는, 하나 이상의 상기 데이터 제공 노드로부터 수신된 데이터를 결합하여, 인공지능 학습을 통한 학습 모델을 포함하는 분석 데이터를 생성할 수 있다.In addition, the model generation node may combine data received from one or more of the data providing nodes to generate analysis data including a learning model through artificial intelligence learning.

본 발명의 일 실시예에 따른 블록체인 기반의 데이터 모델 생성 시스템은 블록체인망을 이용해 데이터를 결합하고 가공하므로 데이터 제공자, 데이터 가공자 및 사용자에게 투명한 데이터 결합 및 사용 내역을 공개할 수 있다.Since the blockchain-based data model creation system according to an embodiment of the present invention combines and processes data using a blockchain network, it is possible to disclose data combination and usage history transparently to data providers, data processors, and users.

또한, 본 발명의 일 실시예에 따른 블록체인 기반의 데이터 모델 생성 시스템은 데이터 이동 및 전송 시 발생할 수 있는 데이터 누출 사고를 예방하고, 누출되어도 안전할 수 있다.In addition, the block chain-based data model generation system according to an embodiment of the present invention prevents data leakage accidents that may occur during data movement and transmission, and can be safe even if it is leaked.

또한, 본 발명의 일 실시예에 따른 블록체인 기반의 데이터 모델 생성 시스템은 데이터 가공 목적에 따라 다수의 사용자 및 다수의 데이터 제공자의 동의 얻거나 또는 가공 권한을 부여할 수 있다.In addition, the block chain-based data model generation system according to an embodiment of the present invention may obtain consent of a plurality of users and a plurality of data providers or grant processing authority according to the purpose of data processing.

다양한 분야의 데이터 제공자와 통합 데이터를 이용한 인공지능 분석 모델 제공자, 이러한 통합 데이터의 분석 산출물들이 필요한 수요자들이 하나의 데이터 플랫폼에 참여하여, 그 이전에는 파편적인 데이터에서 얻는 분석에서 도출할 수 없었던 유의미한 분석 결과물을 산출하여 비지니스 및 연구개발에 활용할 수 있다.Data providers in various fields, AI analysis model providers using integrated data, and consumers who need analysis products of such integrated data participate in one data platform, and meaningful analysis that could not be derived from analysis obtained from fragmentary data before that Results can be calculated and used for business and R&D.

본 발명의 효과들은 이상에서 언급한 내용들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.Effects of the present invention are not limited to the above-mentioned contents, and other effects not mentioned will be clearly understood by those skilled in the art from the following description.

도 1은 본 발명의 일 실시예에 따른 블록체인 기반의 데이터 모델 생성 시스템의 개략적인 블록도를 나타낸 것이다.
도 2는 본 발명의 일 실시예에 따른 블록체인 기반의 데이터 모델 생성 시스템이 수행되는 흐름도를 나타낸 것이다.
도 3는 본 발명의 일 실시예에 따른 시간 파라미터를 가진 데이터 결합을 개략적으로 나타내는 도면이다.1 is a schematic block diagram of a block chain-based data model generation system according to an embodiment of the present invention.
2 is a flowchart showing a block chain-based data model generation system according to an embodiment of the present invention is performed.
3 is a diagram schematically illustrating data combining with a time parameter according to an embodiment of the present invention.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예가 상세하게 설명된다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고, 도면에서 본 발명의 실시예를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략되었다.Hereinafter, with reference to the accompanying drawings, embodiments of the present invention will be described in detail so that those of ordinary skill in the art can easily carry out the present invention. However, the present invention may be embodied in several different forms and is not limited to the embodiments described herein. And, in order to clearly describe the embodiment of the present invention in the drawings, parts irrelevant to the description are omitted.

본 명세서에서 사용된 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도로 사용된 것이 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다.The terms used herein are used only to describe specific embodiments, and are not intended to limit the present invention. The singular expression may include the plural expression unless the context clearly dictates otherwise.

본 명세서에서, "포함하다", "가지다" 또는 "구비하다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것으로서, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해될 수 있다.In this specification, terms such as "comprise", "have" or "include" are intended to designate that a feature, number, step, operation, component, part, or combination thereof described in the specification exists, and one It may be understood that it does not preclude the possibility of the presence or addition of or more other features or numbers, steps, operations, components, parts, or combinations thereof.

또한, 본 발명의 실시예에 나타나는 구성부들은 서로 다른 특징적인 기능들을 나타내기 위해 독립적으로 도시되는 것으로, 각 구성부들이 분리된 하드웨어나 하나의 소프트웨어 구성단위로 이루어짐을 의미하지 않는다. 즉, 각 구성부는 설명의 편의상 각각의 구성부로 나열하여 기술되고, 각 구성부 중 적어도 두 개의 구성부가 합쳐져 하나의 구성부로 이루어지거나, 하나의 구성부가 복수 개의 구성부로 나뉘어져 기능을 수행할 수 있다. 이러한 각 구성부의 통합된 실시예 및 분리된 실시예도 본 발명의 본질에서 벗어나지 않는 한 본 발명의 권리 범위에 포함된다.In addition, the constituent units shown in the embodiment of the present invention are independently shown to represent different characteristic functions, and it does not mean that each constituent unit is composed of separate hardware or one software constituent unit. That is, each component is listed as each component for convenience of description, and at least two components of each component are combined to form one component, or one component can be divided into a plurality of components to perform a function. Integrated embodiments and separate embodiments of each of these components are also included in the scope of the present invention without departing from the essence of the present invention.

또한, 이하의 실시예들은 당 업계에서 평균적인 지식을 가진 자에게 보다 명확하게 설명하기 위해서 제공되는 것으로서, 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.In addition, the following embodiments are provided to more clearly explain to those of ordinary skill in the art, and the shapes and sizes of elements in the drawings may be exaggerated for more clear description.

이하, 첨부된 도면을 참조하여, 본 발명에 따른 바람직한 실시예에 대하여 설명한다.Hereinafter, with reference to the accompanying drawings, a preferred embodiment according to the present invention will be described.

이하, 데이터는 데이터의 포맷이나 종류에 관계 없이 다양한 정보를 포함하는 디지털 자료를 의미한다. 데이터는 개인 정보, 개인이 생산한 정보, 개인의 행동으로 발생한 정보, 조직이 생산한 정보, 특정 기간의 현상 정보 등을 포함할 수 있다. 데이터는 금융 기관이 내부에서 보유하거나 생성한 데이터 또는 금융 기관의 생산하지 않은 데이터도 포함할 수 있다. 예컨대, 금융 기관이 내부에서 보유하거나 생성한 데이터는 금융 기관을 이용하는 고객의 개인 정보, 신용 정보, 연체 정보, 상환 정보, 상품 정보 및 특정 상황에 따른 행동 기록 중 적어도 하나일 수 있다. 개인 정보는 이름, 나이, 연령, 거주지, 성별, 소득, 직장, 직장근무기간, 자산현황 정보 등을 포함할 수 있다. 신용 정보는 신용 평가사 등급, 내부 신용 등급, 상환 의지에 대한 능력을 산출한 수치 등을 포함할 수 있다. 또한, 연체 정보는 과거 금융 기관에 대한 연체 정보, 부도 정보, 부채 정보 등을 포함할 수 있으며, 상품 정보는 대출 상품, 대출 실행 금액, 가산 금리, 이자 납부 금액, 잔액 등을 포함할 수 있다. 금융 기관 내부에서 자체적으로 생산하지 않은 데이터는 통신사 이용 내역, 카드 이용 내역, 상품 및 서비스의 이용 패턴, 경제지표, SNS 정보, 이자율, 기준 금리, 금융 상품의 행위가 일어나는 채널에 대한 정보일 수 있으며, 각 증권사별로 관리하고 있는 등급, 주식의 과거 특정 기간의 변동성 같은 정보일 수 있다.Hereinafter, data refers to digital data including various information regardless of the format or type of data. Data may include personal information, information produced by an individual, information resulting from an individual's actions, information produced by an organization, information about the status quo for a specific period, and the like. Data may also include data held or generated internally by a financial institution or data not produced by a financial institution. For example, the data internally held or generated by the financial institution may be at least one of personal information, credit information, overdue information, redemption information, product information, and behavioral records according to specific circumstances of customers who use the financial institution. Personal information may include name, age, age, residence, gender, income, workplace, working period, asset status information, and the like. The credit information may include a rating of a credit rating agency, an internal credit rating, a figure that calculates the ability to repay, and the like. In addition, the delinquency information may include delinquency information, default information, debt information, etc. for past financial institutions, and the product information may include a loan product, a loan execution amount, an additional interest rate, an interest payment amount, a balance, and the like. Data that is not produced internally by the financial institution may be information on communication company usage history, card usage history, product and service usage patterns, economic indicators, SNS information, interest rate, reference interest rate, and information on the channel in which financial product behavior occurs. , information such as ratings managed by each securities company, and volatility of stocks in a specific period in the past.

상기 데이터의 형태는 보안이 필요한 문서 파일일 수 있으나 이에 제한되지 않으며, 이미지 파일, 동영상 파일 등일 수 있다.The form of the data may be a document file requiring security, but is not limited thereto, and may be an image file, a video file, or the like.

도 1은 본 발명의 일 실시예에 따른 블록체인 기반의 데이터 모델 생성 시스템의 개략적인 블록도를 나타낸 것이다.1 shows a schematic block diagram of a block chain-based data model generation system according to an embodiment of the present invention.

도 1을 참조하면, 본 발명의 일 실시예에 따른 블록체인 기반의 데이터 모델 생성 시스템(10)은 데이터 제공 노드(100), 모델 생성 노드(200) 및 사용자 노드(300)를 포함할 수 있다. 데이터 제공 노드(100), 모델 생성 노드(200) 및 사용자 노드(300)는 각각이 블록체인망(400)에 연결 또는 참여할 수 있다. 블록체인망(400)은 데이터 제공 노드(100), 모델 생성 노드(200) 및 사용자 노드(300)를 포함할 뿐 아니라, 그 외의 복수의 일반 노드(410)와 블록체인 관리 노드(420)를 포함할 수 있다. 블록체인망(400)은 퍼블릭 블록체인(Public Blockchain), 프라이빗 블록체인(Private Blockchain) 또는 하이브리드 블록체인(Hybrid Blockchain)과 같은 형태일 수 있으며, 프라이빗 블록체인의 형태가 바람직할 수 있다.Referring to FIG. 1 , a block chain-based data model generation system 10 according to an embodiment of the present invention may include a data providing node 100 , a model generating node 200 , and a user node 300 . . The data providing node 100 , the model generating node 200 , and the user node 300 may each be connected to or participate in the blockchain network 400 . The blockchain network 400 includes a data providing node 100, a model creation node 200, and a user node 300, as well as a plurality of other general nodes 410 and a blockchain management node 420. can do. The blockchain network 400 may be in the form of a public blockchain, a private blockchain, or a hybrid blockchain, and a private blockchain may be preferable.

여기서, 데이터 제공 노드(100), 모델 생성 노드(200), 사용자 노드(300)노드, 일반 노드(410) 및 블록체인 관리 노드(420)는 블록체인망(400)에 참여하는 구성요소로서, 각 노드는 블록체인망(400)에서 발생되는 트랙잭션 데이터를 저장할 수 있다. 또한, 각 노드는 서로간 동일한 트랙잭션 데이터를 저장할 수 있다. 예컨대, 트랙잭션 데이터는 각 노드간에 발생하는 트랜잭션의 기록이거나 각 노드의 로컬에 저장된 상기 데이터의 접근 주소의 해쉬값 등일 수 있다. 각 노드는 상기 트랜잭션 데이터에 대해서 항상 최신 버전으로 유지하도록 블록체인망을 통해 동기화할 수 있다. 또한, 블록체인망(400)의 각 노드는 서버(Server), 스마트폰(Smart phone), 태블릿(Tablet) 컴퓨터, 데스크탑(Desktop) 컴퓨터, 랩탑(Laptop) 컴퓨터, 노트북, 워크스테이션(workstation), PDA (Personal Digital Assistants), 포터블(Portable) 컴퓨터, 무선 전화기(Wireless phone), 모바일 폰(Mobile phone), e-북(e-book), PMP(Portable Multimedia Player), 휴대용 게임기, 내비게이션(Navigation) 장치, 블랙박스(Black box), 디지털 카메라(Digital camera), 텔레비전(Television), 웨어러블 디바이스(Wearable device) 중 하나일 수 있으며, 이들에 제한되지 않는다.Here, the data providing node 100, the model creation node 200, the user node 300 node, the general node 410, and the blockchain management node 420 are components participating in the blockchain network 400, and each A node may store transaction data generated in the blockchain network 400 . In addition, each node can store the same transaction data with each other. For example, the transaction data may be a record of a transaction occurring between each node or a hash value of an access address of the data stored locally in each node. Each node can synchronize through the blockchain network to always keep the latest version of the transaction data. In addition, each node of the block chain network 400 is a server, a smart phone, a tablet computer, a desktop computer, a laptop computer, a notebook computer, a workstation, a PDA. (Personal Digital Assistants), portable computers, wireless phones, mobile phones, e-books, portable multimedia players (PMPs), portable game consoles, navigation devices , a black box, a digital camera, a television, and a wearable device, but is not limited thereto.

특히, 블록체인 관리 노드(420)는 블록체인망(400)을 통해 서비스되는 데이터의 공유, 데이터 분석 요청, 데이터 분석 모델 생성 또는 데이터 분석을 수행하기 위해 데이터 제공 노드(100), 모델 생성 노드(200), 사용자 노드(300)의 관련 데이터를 수신하여 각각의 노드로 전파할 수 있다.In particular, the block chain management node 420 is a data providing node 100 and a model generation node 200 to share data serviced through the block chain network 400, request data analysis, create a data analysis model, or perform data analysis. ), the user node 300 may receive related data and propagate it to each node.

데이터 제공 노드(100)는 적어도 하나 이상일 수 있으며, 블록체인망(400)을 통해 소유하고 있는 데이터를 제공 또는 공급하는 노드일 수 있다. 모델 생성 노드(200)는 데이터 제공 노드(100)가 소유하고 있는 데이터를 블록체인망(400)을 통해 제공받을 수 있다. 모델 생성 노드(200)는 데이터 제공 노드(100)로부터 수신한 데이터를 이용하여 데이터 분석 모델을 생성할 수 있다. 또한, 모델 생성 노드(200)는 생성한 데이터 분석 모델을 통해 수신한 데이터를 분석할 수 있다.The data providing node 100 may be at least one or more, and may be a node that provides or supplies data owned through the block chain network 400 . The model generation node 200 may receive data owned by the data providing node 100 through the block chain network 400 . The model generating node 200 may generate a data analysis model using data received from the data providing node 100 . Also, the model generation node 200 may analyze data received through the generated data analysis model.

상기 데이터 분석 모델은 기계 학습을 통해 생성한 예측 모델일 수 있다. 여기서, 기계 학습은 심층 신경망(DNN; Deep Neural Network), 합성곱 신경망(CNN; Convolution Neural Network), 순환 신경망(RNN; Recurrent Neural Network), 제한 볼츠만 머신(RBM; Restricted Boltzmann Machine) 및 심층 신뢰 신경망(DBN; Deep Brief Network) 중 하나 이상을 사용하여 수행될 수 있다. 기계 학습을 통해 생성된 예측 모델은 사람이 모든 판단 기준을 정해주지 않아도 상기 예측 모델에서 산출되는 분석 결과 데이터를 이용해 컴퓨터가 스스로 인지·추론·판단할 수 있다.The data analysis model may be a predictive model generated through machine learning. Here, machine learning is a deep neural network (DNN), a convolutional neural network (CNN), a recurrent neural network (RNN), a Restricted Boltzmann Machine (RBM), and a deep trust neural network. (DBN; Deep Brief Network). The predictive model generated through machine learning can be recognized, inferred, and judged by the computer itself using the analysis result data generated from the predictive model, even if a human does not set all the criteria for judgment.

사용자 노드(300)는 상기 데이터 분석 모델을 통한 데이터 분석을 필요로 하는 노드일 수 있다. 여기서, 사용자는 분석 의뢰자이자 데이터 수요자로서, 특정한 목적에 따른 데이터 분석이 필요할 수 있다. 그러나 사용자는 분석에 필요한 데이터를 보유하고 있지 않아 분석할 수 없을 수 있다. 따라서, 사용자는 데이터 모델 생성 시스템(10)을 이용하여, 하나 이상의 타인 또는 타사가 보유하고 있는 데이터를 이용하여 상기 특정한 목적에 따른 통합적인 데이터 분석하고자 할 수 있다.The user node 300 may be a node requiring data analysis through the data analysis model. Here, the user, as an analysis requester and data consumer, may require data analysis according to a specific purpose. However, the user may not be able to analyze it because he/she does not have the data necessary for the analysis. Accordingly, the user may use the data model generation system 10 to perform integrated data analysis according to the specific purpose using data held by one or more others or other companies.

이를 위해, 사용자 노드(300)는 블록체인 관리 노드(420)를 통해 해당 블록체인망(400)에서 분석에 사용할 수 있는 데이터들의 목록과 데이터를 보유하고 있는 주체에 대한 정보를 얻을 수 있다. 이를 위해, 블록체인 관리 노드(420)는 블록체인망(400)에 참여하고 있는 데이터 보유자, 즉, 데이터 제공 노드(100)의 역할이 가능한 노드가 보유하고 있는 데이터의 속성과 해당 노드의 주소를 수신하고 관리하여 블록체인망(400)에 공개할 수 있다. 이때, 블록체인 관리 노드(420)는 데이터 제공 노드(100)가 제공하는 데이터가 어떤 데이터인지 알 수 있는 데이터의 속성과 해당 데이터를 보유하고 있는 데이터 보유자의 정보만 공개할 수 있다. 데이터 제공 노드(100)는 상기 데이터의 속성과 데이터 보유자 정보를 제외한 데이터의 내용은 암호화하여 블록체인 관리 노드(420)에 제공할 수 있다. To this end, the user node 300 can obtain a list of data usable for analysis in the corresponding block chain network 400 and information on the subject holding the data through the block chain management node 420 . To this end, the block chain management node 420 receives the data attribute and the address of the data holder participating in the block chain network 400 , that is, a node capable of serving as the data providing node 100 . and can be managed and disclosed to the blockchain network 400 . At this time, the block chain management node 420 may disclose only the properties of the data to know which data the data provided by the data providing node 100 is and the information of the data holder who holds the data. The data providing node 100 may provide the data to the blockchain management node 420 by encrypting the contents of the data except for the properties of the data and the data holder information.

각기 성격이 다른 데이터를 통합하여 사용자의 분야에 필요한 분석 정보를 도출할 수 있으므로, 사용자의 입장에서 시장 조사, 매출 확대 전략, 새로운 시장 진출 전략에 큰 기여를 할 수 있다. 예를 들면, 이커머스사는 항공사 데이터로 특정 물건을 살 고객을 파악할 수 있으며, 금융사는 항공사 정보 및 이커머스사 정보를 결합하여, 금융이 필요한 고객을 파악할 수 있다. 또한, 자동차 회사 또는 자동차 금융회사는 항공사 정보, 이커머스사 정보 및 금융사 정보를 결합하여 자동차가 필요한 고객을 파악할 수 있다.By integrating data with different characteristics, it is possible to derive the analysis information required for the user's field, so it can greatly contribute to market research, sales expansion strategy, and new market entry strategy from the user's point of view. For example, an e-commerce company can identify a customer to purchase a specific product using airline data, and a financial company can identify a customer who needs financing by combining airline information and e-commerce company information. In addition, an automobile company or automobile finance company can identify customers who need a car by combining airline information, e-commerce company information, and financial company information.

사용자 노드(300)는 블록체인 관리 노드(420)에서 공개하는 데이터 제공 노드(100)의 속성과 데이터 제공자의 정보를 확인 후, 블록체인망(400)에 참여하고 있는 모델 생성 노드(200)에게 데이터 분석 요청을 할 수 있다. 이때, 데이터 제공 노드(100), 모델 생성 노드(200) 및 사용자 노드(300) 간에 분석에 사용할 데이터, 데이터 분석 모델 생성에 필요한 데이터의 종류, 제한될 데이터의 종류 및 형태 등을 합의할 수 있으며, 합의된 정보는 블록체인망(400)에 기록될 수 있다. The user node 300 checks the properties of the data providing node 100 disclosed by the block chain management node 420 and the information of the data provider, and then sends the data to the model generation node 200 participating in the block chain network 400 . You can request analysis. At this time, the data to be used for analysis, the type of data required to generate the data analysis model, the type and form of data to be restricted, etc. can be agreed between the data providing node 100, the model generation node 200, and the user node 300. , the agreed information may be recorded in the blockchain network 400 .

사용자 노드(300)는 블록체인망(400)을 통해 모델 생성 노드(200)가 생성한 데이터 분석 모델을 사용할 수 있다. 여기서, 사용자 노드(300)가 데이터 분석 모델을 사용한다는 것은 사용자 노드(300)측에서 블록체인망(400)으로 모델 생성 노드(200)에 접근하여 데이터 분석 모델을 이용한 분석 수행을 요청하거나, 해당 분석의 결과 데이터를 조회하거나 이용할 수 있는 것일 수 있다.The user node 300 may use the data analysis model generated by the model generation node 200 through the block chain network 400 . Here, that the user node 300 uses the data analysis model means that the user node 300 accesses the model generation node 200 with the block chain network 400 to request analysis using the data analysis model, or to perform the analysis. It may be possible to inquire or use the result data of

실시예에 따라서 데이터 제공 노드(100)는 사용자 노드(300)가 될 수 있고, 사용자 노드(300)가 데이터 제공 노드(100)의 역할을 할 수 있다. 또한, 사용자 노드(300)는 상기 데이터 분석 모델로부터 수신된 분석 데이터를 새로운 데이터 분석 모델의 생성을 위한 데이터로 제공하는 하나의 데이터 제공 노드(100)의 역할도 수행할 수 있다.According to an embodiment, the data providing node 100 may be the user node 300 , and the user node 300 may serve as the data providing node 100 . Also, the user node 300 may serve as one data providing node 100 that provides the analysis data received from the data analysis model as data for generating a new data analysis model.

또한, 실시예에 따라서 데이터 모델 생성 시스템(10)은 결합 노드를 더 포함할 수 있으며, 후술되는 결합 공간이 결합 노드로 대체될 수 있다. 이 경우, 데이터 제공 노드(100)의 데이터는 모델 생성 노드(200)로 전송되는 것이 아니라 결합 노드로 전송되며, 모델 생성 노드(200)는 결합 노드의 데이터를 결합하여, 결합 데이터를 생성하고, 데이터 분석 모델을 생성할 수 있다.In addition, according to an embodiment, the data model generating system 10 may further include a coupling node, and a coupling space to be described later may be replaced by a coupling node. In this case, the data of the data providing node 100 is not transmitted to the model generating node 200, but is transmitted to the combining node, and the model generating node 200 combines the data of the combining node to generate combined data, You can create data analysis models.

도 2는 본 발명의 일 실시예에 따른 블록체인 기반의 데이터 모델 생성 시스템이 수행되는 흐름도를 나타낸 것이다.2 is a flowchart showing a block chain-based data model generation system according to an embodiment of the present invention is performed.

도 1 및 도 2를 참조하면, 본 발명의 일 실시예에 있어서, 이커머스사가 항공사와 금융사가 소유한 고객 정보의 데이터를 분석하여, 현금 자산의 보유 금액에 따른 등급을 분류하고, 각 등급에 따른 고객들 중 여행자의 목적지에 따른 특정 상품을 살만한 고객에 대한 추정을 위한 분석을 인공지능 분석 플랫폼사에 의뢰한다고 가정한다.1 and 2, in one embodiment of the present invention, an e-commerce company analyzes data of customer information owned by airlines and financial companies, classifies grades according to the amount of cash assets held, and It is assumed that analysis for estimating customers who are likely to purchase a specific product according to the traveler's destination is requested to an artificial intelligence analysis platform company.

여기서, 데이터 제공 노드(100)는 데이터 제공 노드 A(110), 데이터 제공 노드 B(120) 및 데이터 제공 노드 C(130)를 포함할 수 있다. 예를 들어, 데이터 제공 노드 A(110)가 항공사의 서버, 데이터 제공 노드 B(120)가 이커머스사의 서버 그리고 데이터 제공 노드 C(130)가 금융사의 서버일 수 있다. 이때, 데이터 제공 노드 A(110)는 항공사를 이용하는 이용객들의 정보 데이터를 제공할 수 있다. 예컨대, 상기 이용객들의 정보 데이터는 각 이용객들의 방문지 정보, 탑승 날짜 또는 시각 정보, 좌석 등급 정보 등 이용객이 항공사 서비스를 이용하며 생산되는 정보일 수 있다. 데이터 제공 노드 B(120)는 이커머스사를 이용하는 소비자들의 정보 데이터를 제공할 수 있다. 예컨대, 소비자들의 정보 데이터는 각 소비자가 자주 구매하는 상품 정보, 구매 시 구입 금액 정보, 상품 구매 날짜 정보, 결제 수단 정보 등 소비자들이 이커머스사를 이용하며 생산되는 정보일 수 있다. 데이터 제공 노드 C(130)는 금융사를 이용하는 고객들의 정보 데이터를 제공할 수 있다. 예컨대, 고객들의 정보 데이터는 각 고객들의 계좌 잔액 정보, 대출 금액 정보. 자산 현황 정보 등 고객들이 금융사를 이용하며 생산되는 정보일 수 있다. 데이터 제공 노드(100)가 제공하는 데이터의 속성과 목록, 데이터 보유자 정보는 블록체인 관리 노드(420)를 통해 사용자 노드(300)가 확인할 수 있다. 이때, 이커머스사 서버인 데이터 제공 노드 B(120)는 분석 의뢰자의 서버인 사용자 노드(300)로 수행된다. Here, the data providing node 100 may include a data providing node A 110 , a data providing node B 120 , and a data providing node C 130 . For example, data providing node A 110 may be a server of an airline, data providing node B 120 may be a server of an e-commerce company, and data providing node C 130 may be a server of a financial company. In this case, the data providing node A 110 may provide information data of users using the airline. For example, the information data of the users may be information produced while the user uses an airline service, such as each user's visit information, boarding date or time information, and seat class information. The data providing node B 120 may provide information data of consumers who use an e-commerce company. For example, the consumer information data may be information produced by consumers using an e-commerce company, such as product information frequently purchased by each consumer, purchase amount information at the time of purchase, product purchase date information, and payment method information. The data providing node C 130 may provide information data of customers who use a financial company. For example, customer information data includes each customer's account balance information and loan amount information. It may be information produced by customers using financial companies, such as asset status information. The property and list of data provided by the data providing node 100 and data holder information can be confirmed by the user node 300 through the blockchain management node 420 . In this case, the data providing node B 120 which is the server of the e-commerce company is performed as the user node 300 which is the server of the analysis requester.

이커머스사는 사용자 노드(300)로 블록체인망(400)에 참여하여 항공사 서버인 데이터 제공 노드 A(110)가 소유한 관련 데이터 및 금융사 서버인 데이터 제공 노드 C(130)가 소유한 관련 데이터를 인공지능 분석 플랫폼사의 서버인 모델 생성 노드 A(210)로 전송하고, 미리 개인 정보 처리가 동의된 데이터들에 대해서 분석이 가능하도록 결합하는 합의를 할 수 있고, 상기 합의를 결합 조건으로 하여 블록체인망(400)에 상기 결합 조건의 트랙잭션 데이터를 공개할 수 있다. The e-commerce company participates in the blockchain network 400 as the user node 300 and artificially transmits related data owned by data providing node A 110, which is an airline server, and related data owned by data providing node C 130, which is a financial company server. It is transmitted to the model generation node A 210, which is a server of the intelligent analysis platform company, and an agreement can be reached to combine data for which personal information processing has been agreed in advance to be analyzed, and by setting the agreement as a binding condition, the blockchain network ( 400), the transaction data of the binding condition may be disclosed.

데이터 제공 노드 A(110)와 데이터 제공 노드 C(130)는 각각의 데이터를 블록체인망(400)을 통해 전송하기 위해 각각의 데이터의 주소를 블록체인망(400)에 공개, 기록할 수 있다(S201, S202). 여기서, 주소는 블록체인망(400)에 프로그래밍된 규칙에 따라 각 노드에서 생성하여 블록체인망(400)의 각 노드에 공개할 수 있다. 인공지능 분석 플랫폼사의 서버인 모델 생성 노드 A(210)는 데이터 제공 노드 A(110)와 데이터 제공 노드 C(130)가 전송하는 데이터를 수신하고 그 데이터를 결합하기 위한 결합 공간을 따로 마련하고, 블록체인망(400)에 상기 결합 공간의 주소를 블록체인망(400)에 공개할 수 있다(S203).The data providing node A 110 and the data providing node C 130 may disclose and record the address of each data in the block chain network 400 in order to transmit each data through the block chain network 400 (S201). , S202). Here, the address may be generated at each node according to the rules programmed in the blockchain network 400 and disclosed to each node of the blockchain network 400 . The model generation node A 210, which is a server of the artificial intelligence analysis platform, receives the data transmitted by the data provision node A 110 and the data provision node C 130, and provides a separate space for combining the data, The address of the coupling space in the block chain network 400 may be disclosed to the block chain network 400 (S203).

데이터 제공 노드 A(110) 및 데이터 제공 노드 C(130)는 상기 결합 공간의 주소로 데이터들을 전송하기 전, 전송된 데이터를 특정 조건을 만족해야 결합이 가능하도록 결합 조건을 설정 또는 기록할 수 있다(S204, S205). 일 실시예에서 결합 조건은 ‘개인 정보 이용 동의를 한 개인의 데이터에 한정하여, 데이터를 전송받은 모델 생성 노드가 모델 생성 노드 A(210)일 때’일 수 있으며, 모델 생성 노드 A(210)가 모델 생성 노드 A(210)의 프라이빗 키(Private Key)로 암호화된 데이터를 복호화할 때 이를 ‘계약’의 청약에 대한 승낙 표시로 간주되어 데이터들이 결합될 수 있다. 이러한 결합 조건은 하나의 예시일 뿐이며 이에 한정되지 않으며, 결합 조건을 설정에 따라 달라질 수 있다.The data providing node A 110 and the data providing node C 130 may set or record a coupling condition so that the transmitted data must satisfy a specific condition before transmitting data to the address of the coupling space to enable coupling. (S204, S205). In one embodiment, the binding condition may be 'limited to the data of an individual who has agreed to use personal information, when the model generating node that has received the data is the model generating node A (210)', and the model generating node A (210) When is decrypting the encrypted data with the private key of the model generating node A 210, it is regarded as an indication of acceptance of the 'contract' and the data can be combined. These binding conditions are only one example and are not limited thereto, and may vary depending on the setting of the binding conditions.

데이터 제공 노드 A(110) 및 데이터 제공 노드 C(130)는 데이터의 보안를 위해 상기 결합 공간의 주소를 암호키로 이용하여 제공하는 데이터를 암호화하여 데이터 제공 노드 A(110)의 상기 결합공간으로 전송할 수 있다(S206, S207).The data providing node A 110 and the data providing node C 130 encrypt the provided data using the address of the coupling space as an encryption key for data security and transmit it to the coupling space of the data providing node A 110 . There is (S206, S207).

예컨대, 블록체인망(400) 상의 결합 공간의 주소가 ‘0xe456064545f872b311ae7432689a0fece90c9a29’라면 데이터 제공 노드(100)는 상기 ‘0xe456064545f872b311ae7432689a0fece90c9a29’을 퍼블릭 키(Public Key)로 하여 전송하고자 하는 데이터를 SHA-256(Secure Hash Algorithm 256)방식으로 암호화하여 전송할 수 있다. 블록체인망(400)의 특성상 관계 없는 노드가 해당 데이터에 접근할 수 있으므로, 데이터 전송 및 공유 시 암호화는 관계 없는 노드의 접근을 차단할 수 있다.For example, if the address of the binding space on the block chain network 400 is '0xe456064545f872b311ae7432689a0fece90c9a29', the data providing node 100 transmits the '0xe456064545f872b311ae7432689a0fece90c9a29' as a public key (Public Hash Algorithm SHA-256) ) to be encrypted and transmitted. Due to the nature of the block chain network 400, irrelevant nodes can access the data, so encryption can block the access of unrelated nodes when transmitting and sharing data.

모델 생성 노드 A(210)는 결합 공간으로 수신한 데이터에 설정된 결합 조건을 조회하고 복호화할 수 있다(S208). 여기서, 데이터의 복호화는 상기 결합 공간의 프라이빗 키(Private Key)를 사용하여 복호화할 수 있다. 퍼블릭 키 및 프라이빗 키를 이용한 암호화는 데이터를 전송하고자 하는 수신자를 확인함과 동시에 보안을 지킬 수 있다. 모델 생성 노드(200)는 확인된 결합 조건에 따라 복호화한 데이터를 결합할 수 있다(S209). 예컨대, 결합 조건에 개인 정보 처리를 동의한 고객들의 정보만 결합이 가능한 것으로 설정되어 있으면, 수신한 데이터 중 개인 정보 처리 동의된 고객의 정보만 선별되어 결합될 수 있다. The model generating node A 210 may inquire and decode the binding condition set in the data received in the combining space (S208). Here, the data may be decrypted using a private key of the combination space. Encryption using a public key and a private key can verify the recipient to whom data is to be transmitted and ensure security at the same time. The model generating node 200 may combine the decoded data according to the confirmed binding condition (S209). For example, if it is set that only information of customers who have consented to processing of personal information can be combined in the combination condition, only information of customers who have consented to processing of personal information among the received data can be selected and combined.

모델 생성 노드 A(210)는 사용자 노드(300)가 접근하여 이용할 수 있는 서비스 공간을 위한 주소를 생성하여 블록체인망(400)에 공개할 수 있다(S210). 또한, 모델 생성 노드 A(210)는 결합한 데이터를 이용하여 인공지능 학습을 통한 학습 모델을 포함하는 분석 데이터를 생성할 수 있다(S211). 여기서, 학습 모델은 전술한 기계 학습을 통해 생성한 예측 모델인 데이터 분석 모델일 수 있다. The model generation node A 210 may generate an address for a service space that the user node 300 can access and use and disclose it to the blockchain network 400 (S210). In addition, the model generation node A 210 may generate analysis data including a learning model through artificial intelligence learning by using the combined data (S211). Here, the learning model may be a data analysis model that is a predictive model generated through the aforementioned machine learning.

데이터 분석 모델인 예측 모델은 예측하고자 하는 결과값을 출력값으로 설정하고, 나머지 변수들을 입력값으로 설정하여 예측하고자 하는 항목들에 대한 확률값을 산출할 수 있다. 예컨대, 일 실시예에서 예측하고자 하는 결과값은 등급에 따른 고객들 중 여행자의 목적지에 따른 특정 상품을 살만한 고객의 추정값 등일 수 있다. 입력값은 각 고객의 항공 이용 내역, 자산현황, 근무조건, 나이, 계좌 잔액, 부채액 등일 수 있다. 예측모델을 만들 때는 샘플링, 알고리즘 적용, 모델성과분석을 통해 최적의 알고리즘으로 적용할 수 있다.A prediction model, which is a data analysis model, may set a result value to be predicted as an output value, and set the remaining variables as input values to calculate probability values for items to be predicted. For example, in an embodiment, the result value to be predicted may be an estimated value of a customer who is likely to purchase a specific product according to the traveler's destination among customers according to the grade. The input value may be each customer's flight usage history, asset status, working conditions, age, account balance, liabilities, and the like. When creating a predictive model, it can be applied as an optimal algorithm through sampling, algorithm application, and model performance analysis.

모델 생성 노드 A(210)가 산출한 분석 데이터는, 상기 분석 데이터에 대한 정보와 상기 분석 데이터를 사용 또는 조회할 수 있는 사용 조건이 부여된 상태로 사용자 노드(300)에 전송될 수 있다. 보다 구체적으로는, 사용자 노드(300)가 모델 생성 노드 A(210)의 서비스 공간에 접근하여 분석 서비스를 이용할 수 있다. 분석 서비스를 이용한다는 것은 생성된 데이터 분석 모델을 사용하거나 분석 데이터를 사용 또는 조회할 수 있다는 것을 의미할 수 있다. 서비스 공간은 결합 공간으로부터 데이터 분석 모델을 사용할 수 있도록 결합된 데이터를 수신할 수 있다. 이때, 결합된 데이터는 서비스에 대한 이용과 관련된 정보 및 사용 권한이 설정된 사용 조건이 부여되어 서비스 공간으로 전송될 수 있다(S212). 일 실시예에서는 이커머스사인 사용자 노드(300)가 상기 사용 조건을 만족하는 사용자일 수 있다. 또한, 사용 조건에는 분석을 요청한 사용자라도 권한이 없는 개인 정보 데이터는 조회하거나 열람할 수 없도록 설정되는 것도 추가될 수 있다.The analysis data calculated by the model generation node A 210 may be transmitted to the user node 300 in a state in which information on the analysis data and usage conditions for using or inquiring the analysis data are given. More specifically, the user node 300 may access the service space of the model generation node A 210 to use the analysis service. Using an analytics service may mean using a generated data analytics model or using or inquiring analytics data. The service space may receive the combined data to use the data analysis model from the binding space. In this case, the combined data may be transmitted to the service space by being given a usage condition in which information related to the use of the service and the usage right are set (S212). In an embodiment, the e-commerce sign user node 300 may be a user satisfying the above usage conditions. In addition, the conditions of use may be set so that even a user who has requested analysis cannot inquire or view personal information data without permission.

사용자 노드(300)는 부여된 사용 조건에 기초하여 서비스 공간에서 분석 서비스를 이용할 수 있다(S213). 예컨대, 등급에 따른 고객들 중 여행자의 목적지에 따른 특정 상품을 살만한 고객의 추정값을 기초로 특정 상품을 구매하는 고객이 구매할 가능성이 높은 다른 상품을 예측하는 분석 서비스를 이용할 수 있다. 이와 다른 예시로 사용자의 목적이 현재 판매중인 신용대출 상품 금리 5% 상품에 대해 연체-부도율이 2% 이하로 리스크 관리 하는 것이 목적일 수 있다. 이때, 사용자는 금융사일 수 있으며, 데이터 제공 노드측은 또 다른 금융사일 수 있다. 이 경우, 데이터 분석 모델이 연체-부도율의 예측모델을 통한 향후 포트폴리오의 연체-부도율 예측결과치가 리스크 관리를 하지 않을 경우 3%까지 상승하는 것으로 예측한다면, 상기 데이터 분석 모델은 입력값을 변경하며 가상 시뮬레이션을 반복적으로 수행하여 연체-부도율을 2%이하로 낮출 수 있는 최적의 입력값을 찾아내는 분석을 할 수 있다.The user node 300 may use the analysis service in the service space based on the granted usage conditions ( S213 ). For example, an analysis service for predicting other products that a customer who purchases a specific product is likely to purchase may be used based on an estimate of a customer who is likely to purchase a specific product according to the traveler's destination among customers according to the rating. As another example, the user's purpose may be to manage the risk of delinquency-default rate of 2% or less for 5% interest rate products for credit loan products currently on sale. In this case, the user may be a financial company, and the data providing node side may be another financial company. In this case, if the data analysis model predicts that the delinquency-default rate prediction result of the future portfolio through the delinquency-default rate prediction model will rise to 3% without risk management, the data analysis model changes the input value and virtual The analysis can be performed to find the optimal input value that can lower the delinquency-default rate to 2% or less by repeatedly performing the simulation.

상기 분석 데이터와 사용자 노드(300)의 상기 분석 데이터 사용 이력은, 상기 블록체인망에 공개되어 기록될 수 있다. 이를 통해 사용자 노드(300)의 민감한 개인 정보가 포함된 데이터에 대한 사용이 투명하게 공개되므로 데이터의 사용의 투명성을 향상시킬 수 있다.The analysis data and the analysis data usage history of the user node 300 may be disclosed and recorded in the blockchain network. Through this, since the use of data including sensitive personal information of the user node 300 is transparently disclosed, transparency of the use of data can be improved.

도 3은 본 발명의 일 실시예에 따른 시간 파라미터를 가진 데이터 결합을 개략적으로 나타내는 도면이다.3 is a diagram schematically illustrating data combining with a time parameter according to an embodiment of the present invention.

도 1 및 도 3을 참조하면, 본 발명의 일 실시예에 있어서, 사용자 노드(300)는 데이터 제공 노드(100) 중에서, 사용자가 원하는 데이터를 소유한 데이터 제공 노드(110, 130)를 선택할 수 있다. 또한, 사용자 노드(300)는 제공되는 데이터에서 분석에 필요한 미리 정해진 시간대 구간에 해당하는 데이터를 특정할 수 있다. 특정된 데이터들에 대해서 분석이 가능하도록 모델 생성 노드(200)로 전송하고 결합하는 합의를 할 수 있고, 상기 합의에 따른 트랙잭션 데이터를 블록체인망(400)에 기록할 수 있다.1 and 3 , in one embodiment of the present invention, the user node 300 may select the data providing nodes 110 and 130 possessing the data desired by the user from among the data providing nodes 100 . have. In addition, the user node 300 may specify data corresponding to a predetermined time period required for analysis from the provided data. It is possible to make an agreement to transmit and combine the specified data to the model generation node 200 to enable analysis, and to record transaction data according to the agreement in the block chain network 400 .

예컨대, 데이터 제공 노드 A(110)의 데이터베이스 a(111) 및 데이터베이스 b(112) 중 t1 ~ t2에 해당하는 데이터베이스 b(112)의 데이터와 데이터 제공 노드 C(130)의 데이터베이스 c(131) 및 데이터베이스 d(132) 중 t1 ~ t2에 해당하는 데이터베이스 c(131)의 데이터를 모델 생성 노드 B(220)로 전송하여 분석하는 합의를 데이터 제공 노드 A(110), 데이터 제공 노드 C(130), 모델 생성 노드 B(220) 및 사용자 노드(300) 동의 하에 할 수 있다. 이에 따라, 데이터 제공 노드 A(110)는 t1 ~ t2에 해당하는 데이터베이스 b(112)의 데이터를, 데이터 제공 노드 C(130)는 t1 ~ t2에 해당하는 데이터베이스 c(131)의 데이터를 선별하여 모델 생성 노드 B(220)로 전송할 수 있다. 모델 생성 노드 B(220)는 상기 선별된 데이터를 수신하고, 이를 이용해 데이터 분석 모델을 생성하고, 분석할 수 있다.For example, the data of the database b (112) corresponding to t1 to t2 among the databases a (111) and the database b (112) of the data providing node A (110) and the database c (131) of the data providing node C (130) and Data providing node A (110), data providing node C (130), data providing node A (110), data providing node C (130), transmit the data of database c (131) corresponding to t1 to t2 among database d (132) to model generation node B (220) and analyze the agreement Model creation can be done with the agreement of node B 220 and user node 300 . Accordingly, the data providing node A 110 selects the data of the database b 112 corresponding to t1 to t2, and the data providing node C 130 selects the data of the database c 131 corresponding to t1 to t2. It can be transmitted to the model generation node B 220 . The model generation node B 220 may receive the selected data, and may generate and analyze a data analysis model using the selected data.

이 경우, 사용자가 결합하고자 하는 데이터베이스의 종류와 시간 구간을 자유롭게 조합이 가능하므로 사용자는 보다 구체적이며 효율성이 높은 인공지능 모델링 서비스를 이용할 수 있다.In this case, the user can freely combine the type and time period of the database that the user wants to combine, so that the user can use a more specific and highly efficient artificial intelligence modeling service.

본 명세서에 기재된 다양한 실시예들은 하드웨어, 미들웨어, 마이크로코드, 소프트웨어 및/또는 이들의 조합에 의해 구현될 수 있다. 예를 들어, 다양한 실시예들은 하나 이상의 주문형 반도체(ASIC)들, 디지털 신호 프로세서(DSP)들, 디지털 신호 프로세싱 디바이스(DSPD)들, 프로그램어블 논리 디바이스(PLD)들, 필드 프로그램어블 게이트 어레이(FPGA)들, 프로세서들, 컨트롤러들, 마이크로컨트롤러들, 마이크로프로세서들, 여기서 제시되는 기능들을 수행하도록 설계되는 다른 전자 유닛들 또는 이들의 조합 내에서 구현될 수 있다.The various embodiments described herein may be implemented by hardware, middleware, microcode, software, and/or combinations thereof. For example, various embodiments may include one or more application specific semiconductors (ASICs), digital signal processors (DSPs), digital signal processing devices (DSPDs), programmable logic devices (PLDs), field programmable gate arrays (FPGAs). ), processors, controllers, microcontrollers, microprocessors, other electronic units designed to perform the functions presented herein, or a combination thereof.

또한, 예를 들어, 다양한 실시예들은 명령들을 포함하는 컴퓨터-판독가능한 매체에 수록되거나 인코딩될 수 있다. 컴퓨터-판독가능한 매체에 수록 또는 인코딩된 명령들은 프로그램 가능한 프로세서 또는 다른 프로세서로 하여금 예컨대, 명령들이 실행될 때 방법을 수행하게끔 할 수 있다. 컴퓨터-판독가능한 매체는 컴퓨터 저장 매체 및 하나의 장소로부터 다른 장소로 컴퓨터 프로그램의 이송을 용이하게 하는 임의의 매체를 포함하는 통신 매체 모두를 포함한다. 저장 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수도 있다. 예를 들어, 이러한 컴퓨터-판독가능한 매체는 RAM, ROM, EEPROM, CD-ROM 또는 기타 광학디스크 저장 매체, 자기 디스크 저장 매체 또는 기타 자기 저장 디바이스 또는 원하는 프로그램 코드를 컴퓨터에 의해 액세스가능한 명령들 또는 데이터 구조들의 형태로 반송하거나 저장하는데 이용될 수 있는 임의의 다른 매체를 포함할 수 있다.Also, for example, the various embodiments may be embodied in or encoded on a computer-readable medium comprising instructions. The instructions embodied in or encoded on a computer-readable medium may cause a programmable processor or other processor to perform a method, eg, when the instructions are executed. Computer-readable media includes both computer storage media and communication media including any medium that facilitates transfer of a computer program from one place to another. A storage medium may be any available medium that can be accessed by a computer. For example, such computer-readable medium may include RAM, ROM, EEPROM, CD-ROM or other optical disk storage medium, magnetic disk storage medium or other magnetic storage device or desired program code, instructions or data accessible by a computer. may include any other medium that can be used for transporting or storing in the form of structures.

이러한 하드웨어, 소프트웨어, 펌웨어 등은 본 명세서에 기술된 다양한 동작들 및 기능들을 지원하도록 동일한 디바이스 내에서 또는 개별 디바이스들 내에서 구현될 수 있다. 추가적으로, 본 발명에서 "~부"로 기재된 구성요소들, 유닛들, 모듈들, 컴포넌트들 등은 함께 또는 개별적이지만 상호 운용가능한 로직 디바이스들로서 개별적으로 구현될 수 있다. 모듈들, 유닛들 등에 대한 서로 다른 특징들의 묘사는 서로 다른 기능적 실시예들을 강조하기 위해 의도된 것이며, 이들이 개별 하드웨어 또는 소프트웨어 컴포넌트들에 의해 실현되어야만 함을 필수적으로 의미하지 않는다. 오히려, 하나 이상의 모듈들 또는 유닛들과 관련된 기능은 개별 하드웨어 또는 소프트웨어 컴포넌트들에 의해 수행되거나 또는 공통의 또는 개별의 하드웨어 또는 소프트웨어 컴포넌트들 내에 통합될 수 있다.Such hardware, software, firmware, etc. may be implemented in the same device or in separate devices to support the various operations and functions described herein. Additionally, components, units, modules, components, etc. described as “parts” in the present invention may be implemented together or individually as separate but interoperable logic devices. Depictions of different features of modules, units, etc. are intended to emphasize different functional embodiments, and do not necessarily imply that they must be realized by separate hardware or software components. Rather, functionality associated with one or more modules or units may be performed by separate hardware or software components or integrated within common or separate hardware or software components.

특정한 순서로 동작들이 도면에 도시되어 있지만, 이러한 동작들이 원하는 결과를 달성하기 위해 도시된 특정한 순서, 또는 순차적인 순서로 수행되거나, 또는 모든 도시된 동작이 수행되어야 할 필요가 있는 것으로 이해되지 말아야 한다. 임의의 환경에서는, 멀티태스킹 및 병렬 프로세싱이 유리할 수 있다. 더욱이, 상술한 실시예에서 다양한 구성요소들의 구분은 모든 실시예에서 이러한 구분을 필요로 하는 것으로 이해되어서는 안되며, 기술된 구성요소들이 일반적으로 단일 소프트웨어 제품으로 함께 통합되거나 다수의 소프트웨어 제품으로 패키징될 수 있다는 것이 이해되어야 한다.Although acts are shown in the drawings in a particular order, it should not be understood that these acts need to be performed in the specific order, or sequential order, shown, or that all shown acts need to be performed to achieve a desired result. . In certain circumstances, multitasking and parallel processing may be advantageous. Moreover, the division of various components in the above-described embodiments should not be construed as requiring such division in all embodiments, and that the described components will generally be integrated together into a single software product or packaged into multiple software products. It should be understood that there can be

본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해서 정해져야 할 것이다.Although the present invention has been described with reference to the embodiment shown in the drawings, which is merely exemplary, those skilled in the art will understand that various modifications and equivalent other embodiments are possible therefrom. Accordingly, the true technical protection scope of the present invention should be determined by the technical spirit of the appended claims.

10: 데이터 모델 생성 시스템 100: 데이터 제공 노드
110: 데이터 제공 노드 A 111: 데이터베이스 a
112: 데이터베이스 b 120: 데이터 제공 노드 B
130: 데이터 제공 노드 C 131: 데이터베이스 c
132: 데이터베이스 d 200: 모델 생성 노드
210: 모델 생성 노드 A 220: 모델 생성 노드 B
300: 사용자 노드 400: 블록체인망
410: 일반 노드 410: 블록체인 관리 노드10: data model creation system 100: data providing node
110: data provision node A 111: database a
112: database b 120: data provision node B
130: data provision node C 131: database c
132: database d 200: model creation node
210: model generation node A 220: model generation node B
300: user node 400: blockchain network
410: general node 410: blockchain management node

Claims (17)

블록체인 기반의 데이터 모델 생성 시스템으로서,
블록체인망에 접속되어 소정의 데이터를 제공하는 하나 이상의 데이터 제공 노드;
상기 블록체인망에 접속되어, 상기 데이터 제공 노드로부터 수신한 상기 데이터를 이용하여 데이터 분석 모델을 생성하고, 상기 데이터 분석 모델을 통해 상기 데이터를 분석하는 모델 생성 노드; 및
상기 블록체인망에 접속되어, 상기 모델 생성 노드가 생성한 상기 데이터 분석 모델을 사용하는 사용자 노드;를 포함하고,
상기 모델 생성 노드는,
상기 하나 이상의 데이터 제공 노드가 제공하는 상기 데이터가 결합되는 결합 공간을 포함하고,
상기 하나 이상의 데이터 제공 노드는,
상기 데이터가 상기 결합 공간에서 결합되도록 상기 데이터를 상기 모델 생성 노드로 전송하되, 정해진 모델 생성 노드만이 상기 데이터를 이용할 수 있도록 상기 결합 공간의 주소를 암호키로 이용하여 상기 데이터를 암호화하여 제공하고, 다른 데이터 제공 노드에서 제공하는 데이터와 자신의 데이터가 결합될 수 있는 결합 조건 정보를 함께 제공하는 것인 블록체인 기반의 데이터 모델 생성 시스템.
As a blockchain-based data model creation system,
one or more data providing nodes that are connected to the blockchain network and provide predetermined data;
a model generation node that is connected to the block chain network, generates a data analysis model using the data received from the data providing node, and analyzes the data through the data analysis model; and
A user node connected to the block chain network and using the data analysis model generated by the model generation node; includes,
The model creation node is
and a coupling space in which the data provided by the one or more data providing nodes are combined,
The one or more data providing nodes,
The data is transmitted to the model generation node so that the data is combined in the coupling space, but the data is encrypted using the address of the coupling space as an encryption key so that only a predetermined model generation node can use the data, A block chain-based data model creation system that provides information on the conditions for combining data provided by other data providing nodes and their own data together.
 삭제delete 삭제delete 삭제delete 제1항에 있어서,
상기 모델 생성 노드는,
상기 블록체인망에서 미리 결정된 결합 조건이 충족되면, 수신한 상기 데이터를 복호화하여 상기 데이터 제공 노드로부터 수신한 데이터를 상기 결합 조건에 기초하여 결합하는 것인 블록체인 기반의 데이터 모델 생성 시스템.
According to claim 1,
The model creation node is
When a predetermined binding condition is satisfied in the block chain network, the block chain-based data model generation system is to decode the received data and combine the data received from the data providing node based on the coupling condition.
 제1항에 있어서,
상기 모델 생성 노드는, 하나 이상의 상기 데이터 제공 노드로부터 수신된 데이터를 결합하여, 인공지능 학습을 통한 학습 모델을 포함하는 분석 데이터를 생성하는 것인 블록체인 기반의 데이터 모델 생성 시스템.
According to claim 1,
The model generation node is a block chain-based data model generation system that combines the data received from one or more of the data providing nodes to generate analysis data including a learning model through artificial intelligence learning.
 제6항에 있어서,
상기 분석 데이터는, 상기 분석 데이터에 대한 정보와 상기 분석 데이터를 사용할 수 있는 사용 조건이 부여된 상태로 상기 사용자 노드에 전송되는 것인 블록체인 기반의 데이터 모델 생성 시스템.
7. The method of claim 6,
The analysis data is a block chain-based data model generation system that is transmitted to the user node in a state in which information on the analysis data and usage conditions for using the analysis data are given.
 제7항에 있어서,
상기 분석 데이터와 상기 사용자 노드의 상기 분석 데이터 사용 이력은, 상기 블록체인망에 공개되어 기록되는 것인 블록체인 기반의 데이터 모델 생성 시스템.
8. The method of claim 7,
A block chain-based data model generation system in which the analysis data and the analysis data usage history of the user node are disclosed and recorded in the block chain network.
 제1항에 있어서,
상기 사용자 노드는, 복수의 상기 데이터 제공 노드들 중에서, 상기 사용자가 원하는 데이터를 소유한 상기 데이터 제공 노드를 선택하되, 소정의 구간에 해당하는 상기 데이터를 특정하고,
상기 데이터 제공 노드는, 상기 소정의 구간에 해당하는 상기 데이터만 선별되어 상기 모델 생성 노드에게 전송하는 것인 블록체인 기반의 데이터 모델 생성 시스템.
According to claim 1,
The user node selects the data providing node owning the data desired by the user from among a plurality of the data providing nodes, and specifies the data corresponding to a predetermined section;
The data providing node selects only the data corresponding to the predetermined section and transmits the selected data to the model generating node.
 제1항에 있어서,
상기 사용자 노드는, 상기 데이터 분석 모델로부터 수신된 데이터를 상기 블록체인망에 제공하는 상기 데이터 제공 노드의 역할도 수행가능한 것인 블록체인 기반의 데이터 모델 생성 시스템.
According to claim 1,
The user node may also perform the role of the data providing node providing the data received from the data analysis model to the block chain network.
 제1항에 있어서,
상기 데이터 제공 노드가 제공하는 데이터의 속성과 상기 모델 생성 노드가 생성하는 상기 데이터 분석 모델 속성을 제공하는 블록체인 관리 노드;를 더 포함하는 것인 블록체인 기반의 데이터 모델 생성 시스템.
According to claim 1,
The block chain-based data model creation system further comprising a; a block chain management node that provides the properties of the data provided by the data providing node and the data analysis model properties generated by the model generation node.
 블록체인 기반의 데이터 모델 생성 시스템으로서,
블록체인망에 접속되어 소정의 데이터를 제공하는 하나 이상의 데이터 제공 노드;
상기 블록체인망에 접속되어, 상기 데이터 제공 노드로부터 수신한 상기 데이터를 이용하여 데이터 분석 모델을 생성하고, 상기 데이터 분석 모델을 통해 상기 데이터를 분석하는 모델 생성 노드; 및
상기 데이터 제공 노드가 제공하는 데이터의 속성과 상기 모델 생성 노드가 생성하는 상기 데이터 분석 모델 속성을 제공하는 블록체인 관리 노드;를 포함하고,
상기 모델 생성 노드는,
상기 하나 이상의 데이터 제공 노드가 제공하는 상기 데이터가 결합되는 결합 공간을 포함하고,
상기 하나 이상의 데이터 제공 노드는,
상기 데이터가 상기 결합 공간에서 결합되도록 상기 데이터를 상기 모델 생성 노드로 전송하되, 정해진 모델 생성 노드만이 상기 데이터를 이용할 수 있도록 상기 결합 공간의 주소를 암호키로 이용하여 상기 데이터를 암호화하여 제공하고, 다른 데이터 제공 노드에서 제공하는 데이터와 자신의 데이터가 결합될 수 있는 결합 조건 정보를 함께 제공하는 것인 블록체인 기반의 데이터 모델 생성 시스템.
As a blockchain-based data model creation system,
one or more data providing nodes that are connected to the blockchain network and provide predetermined data;
a model generation node that is connected to the block chain network, generates a data analysis model using the data received from the data providing node, and analyzes the data through the data analysis model; and
a block chain management node that provides the properties of the data provided by the data providing node and the data analysis model properties generated by the model generation node;
The model creation node is
and a coupling space in which the data provided by the one or more data providing nodes are combined,
The one or more data providing nodes,
The data is transmitted to the model generation node so that the data is combined in the coupling space, but the data is encrypted using the address of the coupling space as an encryption key so that only a predetermined model generation node can use the data, A block chain-based data model creation system that provides information on the conditions for combining data provided by other data providing nodes and their own data together.
 삭제delete 삭제delete 제12항에 있어서,
상기 데이터 제공 노드는, 자신의 데이터와 결합시킬 데이터를 보유하는 다른 데이터 제공 노드에 대한 정보와, 상기 데이터를 이용하여 상기 데이터 분석 모델을 생성할 상기 모델 생성 노드에 대한 정보를 암호화하여, 상기 다른 데이터 제공 노드와, 상기 모델 생성 노드에 전송하는 것인 블록체인 기반의 데이터 모델 생성 시스템.
13. The method of claim 12,
The data providing node encrypts information on another data providing node that holds data to be combined with its own data and information on the model generating node that will generate the data analysis model by using the data, A data providing node and a block chain-based data model generation system that transmits to the model generation node.
 제15항에 있어서,
상기 모델 생성 노드는,
수신한 상기 데이터를 복호화하고, 상기 블록체인망에서 미리 결정된 결합 조건이 충족되면, 상기 데이터 제공 노드로부터 수신한 데이터를 상기 결합 조건에 기초하여 결합하는 것인 블록체인 기반의 데이터 모델 생성 시스템.
16. The method of claim 15,
The model creation node is
Decrypting the received data, and combining the data received from the data providing node based on the binding condition when a predetermined binding condition is satisfied in the blockchain network.
 제12항에 있어서,
상기 모델 생성 노드는, 하나 이상의 상기 데이터 제공 노드로부터 수신된 데이터를 결합하여, 인공지능 학습을 통한 학습 모델을 포함하는 분석 데이터를 생성하는 것인 블록체인 기반의 데이터 모델 생성 시스템.


13. The method of claim 12,
The model generation node is a block chain-based data model generation system that combines the data received from one or more of the data providing nodes to generate analysis data including a learning model through artificial intelligence learning.
KR1020190139230A 2019-11-04 2019-11-04 Data model generation system based in blockchain KR102334922B1 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190139230A KR102334922B1 (en) 2019-11-04 2019-11-04 Data model generation system based in blockchain
KR1020210164377A KR102433432B1 (en) 2019-11-04 2021-11-25 Data model generation system based in blockchain

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190139230A KR102334922B1 (en) 2019-11-04 2019-11-04 Data model generation system based in blockchain

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020210164377A Division KR102433432B1 (en) 2019-11-04 2021-11-25 Data model generation system based in blockchain

Publications (2)

Publication Number Publication Date
KR20210053529A KR20210053529A (en) 2021-05-12
KR102334922B1 true KR102334922B1 (en) 2021-12-03

Family

ID=75918761

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020190139230A KR102334922B1 (en) 2019-11-04 2019-11-04 Data model generation system based in blockchain
KR1020210164377A KR102433432B1 (en) 2019-11-04 2021-11-25 Data model generation system based in blockchain

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020210164377A KR102433432B1 (en) 2019-11-04 2021-11-25 Data model generation system based in blockchain

Country Status (1)

Country Link
KR (2) KR102334922B1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102570617B1 (en) * 2022-09-23 2023-08-23 전남대학교산학협력단 System, method and program for transacting power forecasting ai model based on blockchain

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101964733B1 (en) 2018-08-09 2019-04-02 주식회사 아롬정보기술 Personalized health care system based on block chain and artificial intelligence, and method for providing personalized health care service based on block chain and artificial intelligence using the same
US20190287026A1 (en) * 2018-03-14 2019-09-19 International Business Machines Corporation Learning service blockchain
KR101993293B1 (en) 2018-10-05 2019-09-30 비즈플레이 주식회사 System and method for processing expense data based on blockchain and computer program for the same
KR102024377B1 (en) 2018-10-08 2019-10-07 주식회사 에너지세븐 Method for providing blockchian based loan service using credit scoring to group inclduing individual

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107562775B (en) * 2017-07-14 2020-04-24 创新先进技术有限公司 Data processing method and device based on block chain
KR102272928B1 (en) * 2018-03-27 2021-07-02 서울대학교산학협력단 Operating method for machine learning model using encrypted data and apparatus based on machine learning model

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190287026A1 (en) * 2018-03-14 2019-09-19 International Business Machines Corporation Learning service blockchain
KR101964733B1 (en) 2018-08-09 2019-04-02 주식회사 아롬정보기술 Personalized health care system based on block chain and artificial intelligence, and method for providing personalized health care service based on block chain and artificial intelligence using the same
KR101993293B1 (en) 2018-10-05 2019-09-30 비즈플레이 주식회사 System and method for processing expense data based on blockchain and computer program for the same
KR102024377B1 (en) 2018-10-08 2019-10-07 주식회사 에너지세븐 Method for providing blockchian based loan service using credit scoring to group inclduing individual

Also Published As

Publication number Publication date
KR20210148042A (en) 2021-12-07
KR20210053529A (en) 2021-05-12
KR102433432B1 (en) 2022-08-19

Similar Documents

Publication Publication Date Title
Abou Jaoude et al. Blockchain applications–usage in different domains
Maull et al. Distributed ledger technology: Applications and implications
US9798788B1 (en) Holistic methodology for big data analytics
Nanda et al. Automating vehicle insurance process using smart contract and Ethereum
US11907403B2 (en) Dynamic differential privacy to federated learning systems
Travizano et al. Wibson: A case study of a decentralized, privacy-preserving data marketplace
Haworth Laying your online self to rest: evaluating the Uniform Fiduciary Access to Digital Assets Act
Abduljabbar et al. A survey of privacy solutions using blockchain for recommender systems: Current status, classification and open issues
Aboujaoude et al. Business applications of blockchain technology: A systematic review
US20110283335A1 (en) Handling privacy preferences and policies through logic language
US11854021B2 (en) Data security
Mukhopadhyay et al. Blockchain-based framework for managing customer consent in open banking
KR102433432B1 (en) Data model generation system based in blockchain
Khokhar et al. Privacy-preserving data mashup model for trading person-specific information
Walker Regulatory Technology (Regtech)-Construction of a New Regulatory Policy and Model
Abraham et al. A taxonomy of data governance decision domains in data marketplaces
Aldeen et al. Techniques for privacy preserving data publication in the cloud for smart city applications
Müller et al. Process mining in trusted execution environments: Towards hardware guarantees for trust-aware inter-organizational process analysis
Natakusumah et al. Integrating religiosity into a technology acceptance model for the adoption of mobile payment technology
KR102626699B1 (en) Business plan distribution management method, server and system based on blockchain
US20080027939A1 (en) Method, system, and program product for controlling access to personal attributes across enterprise domains
Sumathi et al. Generic cost optimized and secured sensitive attribute storage model for template based text document on cloud
KR20220080483A (en) Artificial Intelligence Data Commons Device, Method, and System
Lukings et al. Data sovereignty
Stefanova et al. Privacy enabled software architecture

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant