CN109685501B - 基于区块链激励机制下可审计的隐私保护深度学习平台建设方法 - Google Patents
基于区块链激励机制下可审计的隐私保护深度学习平台建设方法 Download PDFInfo
- Publication number
- CN109685501B CN109685501B CN201811471842.XA CN201811471842A CN109685501B CN 109685501 B CN109685501 B CN 109685501B CN 201811471842 A CN201811471842 A CN 201811471842A CN 109685501 B CN109685501 B CN 109685501B
- Authority
- CN
- China
- Prior art keywords
- parameters
- block chain
- parameter
- deep learning
- platform
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
Images
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/389—Keeping log of transactions for guaranteeing non-repudiation of a transaction
-
- 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
- G06F16/23—Updating
- G06F16/2379—Updates performed during online database operations; commit processing
-
- 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
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
-
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction
- G06Q20/3829—Payment protocols; Details thereof insuring higher security of transaction involving key management
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- 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
- H04L9/0816—Key establishment, i.e. cryptographic processes or cryptographic protocols whereby a shared secret becomes available to two or more parties, for subsequent use
- H04L9/085—Secret sharing or secret splitting, e.g. threshold schemes
-
- 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
-
- 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
- H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
- H04L9/3236—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using cryptographic hash functions
- H04L9/3239—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using cryptographic hash functions involving non-keyed hash functions, e.g. modification detection codes [MDCs], MD5, SHA or RIPEMD
-
- 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
- G06Q2220/00—Business processing using cryptography
-
- 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
- H04L9/50—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using hash chains, e.g. blockchains or hash trees
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/50—Reducing energy consumption in communication networks in wire-line communication networks, e.g. low power modes or reduced link rate
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- Development Economics (AREA)
- Bioethics (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Technology Law (AREA)
- Neurology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于区块链激励机制下可审计的隐私保护深度学习平台建设方法,解决了深度学习模型训练中的参数缺乏的问题,使得多个相似模型的训练者可以在保护隐私同时可审计共享参数正确性的情况下合作进行深度学习模型的训练。该发明取得的技术效果如下:首先,模型训练者使用的加密方法保证了参数的隐私性,且解密更新后参数的过程需要所有参与者协同,从而更进一步降低参数泄露的可能性;其次,加密后的参数以状态的形式存放于区块链中,只有参与者及授权的矿工才能访问;第三,基于区块链的激励机制的存在,保证了参数的有效性;参与者在提交参数时需要缴纳抵押金,如果参数无效,则抵押金会被没收,从而保证了共享参数的可审计性。
Description
技术领域
本发明涉及网络空间安全技术领域,具体涉及一种基于区块链激励机制下可审计的隐私保护深度学习平台建设方法。
背景技术
(一)深度学习
深度学习是机器学习的分支,是一种实现机器学习的技术,而机器学习最基本的做法,是使用算法来解析数据、从中学习,然后对真实世界中的事件做出决策和预测,而学习的方法则是是用大量的数据来“训练”,通过各种算法从数据中学习如何完成任务。
而深度学习的训练,实际上就是训练神经网络。神经网络其实就是按照一定规则连接起来的多个神经元,神经元按照层来布局。最左边的层叫做输入层,负责接收输入数据;最右边的层叫输出层,可以从这层获取神经网络输出数据。输入层和输出层之间的层叫做隐藏层,因为它们对于外部来说是不可见的。其中两个神经元的连接都有一个权值,这个权值是训练模型的参数,也就是模型需要学习的内容,而神经网络的一种训练算法就是反向传播算法。
反向传播算法主要由两个阶段组成:激励传播与权重更新。在第一阶段中又分为两步:将训练输入送入网络以获得激励响应以及将激励响应同训练输入对应的目标输出求差,从而获得隐藏层和输出层的响应误差。得到了相应误差之后就可以进行权重的更新了,具体步骤是:将输入激励和响应误差相乘,从而获得权重的梯度之后再将这个梯度乘上一个比例并取反后加到权重上。经过这两个阶段的反复循环迭代,如果网络对输入的响应达到满意的预定的目标范围,那么训练就可以算作结束了。
(二)区块链
作为比特币的核心技术,区块链是一个去中心化的账本,记账不由中心机构来完成。在传统的情况下,记账是由银行来完成的,银行在记账的同时也确保了账目的安全性以及有效性。但中心化也有一些显而易见的弱点:一旦这个中心出现问题,如被篡改、被损坏,整个系统就会面临危机乃至崩溃。区块链的出现,就是为了克服中心化账本的弱点,然而如何使账目一致或者说是让区块链中的各个节点也就是计算机达成共识是一个需要解决的核心问题。
一致性问题:比特币区块链通过竞争记账的方式解决了去中心化的记账系统的一致性问题。所谓的竞争记账,就是以每个节点的计算能力即“算力”来竞争记账权的一种机制。在比特币系统中,大约每十分钟进行一轮算力竞赛,竞赛的胜利者,就获得一次记账的权力,而这个记账的权利在区块链中就是生成一个新的区块,这样,一定时间内,只有竞争的胜利者才能记账并向其他节点同步新增账本信息。在比特币系统中,这种算力的竞争也就是工作量证明的机制的本质,它用来让所有节点达成共识;而在其他的区块链系统中,还有多种其他达成共识的方法,比如权益证明,委任权益证明以及实用拜占庭容错等其他算法。
激励:算力竞争是要付出成本的,没有激励,节点就没有进行竞争的动力。在中本聪的设计里,每轮竞争胜出并完成记账的节点,将可以获得系统给予的一定数量的比特币奖励。这种算计过程的计算就被称作挖矿,而进行运算的计算机就是矿工了。
交易不可篡改性:在比特币系统中,账目是通过交易来表示的。和传统的模型不同,区块链上没有删除的操作,一旦交易被所有节点认可提交到了区块链上,那么所有节点就拥有了相应区块的一个备份,如果想要篡改,就必须同时修改所有节点所拥有的数据,而这是显然不可能完成的,因而区块链上的交易具有不可篡改性。
(三)同态加密
对于普通的加密算法,可以将数据加密成密文的形式来保护数据的隐私,但如果对两个加密的数据进行运算,再将运算结果进行解密,那么得到的结果一般是毫无意义的代码。
而同态加密则是一个特殊的加密函数,使用同态加密的多个数据在进行运算之后将运算结果进行解密得到的就是明文进行相同运算所得到的结果。这样一来,在保护数据隐私性的情况下,加密数据也能完成在明文上的运算。
Paillier算法就是实现同态加密的一种算法,它满足加法同态,也就是说Paillier算法满足Encrypt(A)*Encrypt(B)=Encrypt(A+B)。
(四)综合应用
为了实现深度学习中的合作,需要在训练的每一步共享输出的参数;为了保证参数的安全性以及可更新性,可以采用Paillier算法来对参数进行加密;为了保证数据的可审计性以及方便参数更新,可以利用区块链的不可篡改性以及激励方法来将数据提交到区块链上进行处理。综合使用以上三种方法,就可以在可审计且能保护参数隐私的情况下进行深度学习的合作了。
发明内容
本发明的目的是为了提供一种基于区块链激励机制下可审计的隐私保护深度学习平台建设方法,该发明基于区块链技术的不可篡改、匿名性、去中心化以及激励机制的特性与密码学的方法来解决深度学习参数共享的过程中难以保证参数可靠性及参数安全的难题,实现了在无可信第三方平台下,训练者之间进行真实及安全的参数共享的问题。
本发明的目的可以通过采取如下技术方案达到:
一种基于区块链激励机制下可审计的隐私保护深度学习平台建设方法,所述的建设方法包括下列步骤:
基于第三方通用区块链平台Corda,封装面向深度学习参数共享场景的区块链任务接口,且由全网众多节点来对智能状态内容达成一致;
构建基于区块链技术任务执行流模型,基于该执行流模型,参与者进行参数上传,将上传的参数进行区块化封装并链接形成区块链,或者从区块链获取更新后的参数;基于该执行流模型,矿工处理已经上传的参数并将更新后的参数区块化封装并链接形成区块链从而获得奖励;
搭建面向深度学习参数共享场景下的区块链深度学习参数共享平台,平台分为三层架构:加密系统层、区块链层、训练算法层,模型训练者在加密系统层加密参数,参数通过传输接口传入到区块链层,区块链层中记录模型训练者的参数共享信息,等参数上传完毕之后矿工通过传输接口读取加密后的数据进行运算,并更新参数,更新完毕之后模型训练者通过传输接口获取更新后的参数继续进行模型训练;
采用基于身份加密算法对个人隐私信息及数据进行加密,并只对授权人可见。
进一步地,所述的基于第三方通用区块链平台Corda,封装面向深度学习参数共享场景的区块链任务接口的实现过程如下:
S11、评估现有公开的区块链技术平台,对平台吞吐量、存储容量、节点数量、是否支持智能合约进行评估;
S12、选取参数较优的平台作为本发明区块链平台,并封装通用接口支持深度学习参数共享参数的上传、更新及获取操作。
进一步地,所述的执行流模型包括:
参数上传流,包含以下信息:用户个人身份标识、管理者身份标识、加密后的参数值以及防止恶意用户的抵押金金额,该参数上传流的输出是一个包含参数更新状态的交易,输出由管理者与参与者共享,其他用户无法获取相应信息,如果参与者在运行过程中有失信行为,则会在合约中被识别出来,相应金额的抵押金会被没收;
参数更新流,包含以下信息:作为更新者的矿工个人身份标识、管理者身份标识以及更新后的加密参数值,一旦矿工更新后参数的结果通过验证,那么更新后参数会被持续化存储至区块链,同时矿工也会获得相应的奖励;
共享密钥流,包含以下信息:用户个人身份标识、管理者身份标识、事先约定好的用来协助解密的共享密钥、保证信誉的抵押金金额、管理者的标识符,各个参与者拥有部分的共享密钥,当收集到来自参与者的所有共享密钥,参与者就能使用此密钥来调用加密系统层的解密方法对更新后的参数进行解密,获得下一步训练所需的参数;
参数更新通知流,用于矿工节点在更新参数之后向拥有权限的参与者发送参数更新通知;
获取参数更新流,用于拥有权限的参与者获取更新之后的参数。
进一步地,所述的执行流模型包括的五种流封装对外接口,支持用户对参数进行上传、下载、矿工对参数进行更新操作,并将流运行后生成的交易形成区块化封装链接成区块链,接口和训练无缝连接,用户可对接口进行集成,使整个过程自动化进行,而不需要人工进行手动确认。
进一步地,所述的加密系统层用于参与者将明文的训练参数加密成类Paillier的形式,将更新后的加密参数解密还原成原本参数的形式,同时,所述的加密系统层还对矿工提供更新参数的静态接口,雇主可以调用接口来更新参数,赚取区块链中的酬劳。
进一步地,所述的区块链层选择Corda作为区块链平台,采用Corda建立和发布新一代的分布式应用CorDapps,并支持通过编程的方式写处理流;用户通过RPC接口发送请求调用区块链层中的各个流,在流执行中会创建交易,并消耗旧的状态以及构造新的状态,填充信息完毕之后需要通过参与者签名来确认身份,之后再通过合约来检验交易的有效性,确认通过则写入区块链层,区块链层基于Corda平台提供的共识机制来保证所有节点所存储信息的一致性。
进一步地,所述的训练算法层通过将区块链层获取到的更新后的加密参数,然后再通过加密系统层进行解密,得到的新参数直接参与到训练算法层的训练中。
进一步地,所述的采用基于身份加密算法对个人隐私信息及数据进行加密的过程如下:
采用类Paillier加密算法对训练参数部分数据进行加密,只有参与者自身才能用自己的密钥对隐私参数进行加密,更新后的参数需要所有参与者共享密钥结合起来才能解密。
本发明相对于现有技术具有如下的优点及效果:
1)、模型训练者使用的加密方法保证了参数的隐私性,且解密更新后参数的过程需要所有参与者协同,从而更进一步降低参数泄露的可能性。
2)、加密后的参数以状态的形式存放于区块链中,只有参与者及授权的矿工才能访问。
3)、基于区块链的激励机制的存在,保证了参数的有效性;参与者在提交参数时需要缴纳抵押金,如果参数无效,则抵押金会被没收,从而保证了共享参数的可审计性。
附图说明
图1是本发明中公开的基于区块链激励机制下可审计的隐私保护深度学习平台实体间的交互图;
图2是本发明实施例中上传参数流示意图;
图3是本发明实施例中参数更新流示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
本实施例基于区块链技术的不可篡改、匿名性、去中心化以及激励机制的特性与密码学的方法来解决深度学习参数共享的过程中难以保证参数可靠性及参数安全的难题,实现了在无可信第三方平台下,训练者之间进行真实及安全的参数共享的问题。基于区块链激励机制下可审计的隐私保护深度学习平台实体间的交互图见图1。
基于区块链技术平台,通过流来建立参数共享模型,无中心化服务器,且不受第三方平台约束。区块链平台保证了数据的不可篡改性及可追溯性,本实施例设计一种通用的参数共享模板,模型训练者基于该模板来达成上传参数,矿工通过该模板来处理参数,并设计了一种任务执行流模型,在该模型中,参与者提交的参数按照该流来完成整个生命周期的运行。把平台整体架构分为三层:加密系统层、区块链层、训练算法层,见图2。模型训练者在加密系统层加密参数,参数通过传输接口(RPC)传入到区块链层,区块链层中记录模型训练者的参数共享信息,等参数上传完毕之后矿工通过传输接口读取加密后的数据进行运算,并更新参数,更新完毕之后模型训练者通过传输接口获取更新后的参数继续进行模型训练。
一种基于区块链激励机制下可审计的隐私保护深度学习平台建设方法,包括如下步骤:
S1、基于第三方通用区块链平台Corda,封装面向深度学习参数共享场景的区块链任务接口,且由全网众多节点来对智能状态(State)内容达成一致;
在具体实施方式中,步骤S1的实现过程如下:
S11、评估现有所有公开的区块链技术平台,对平台吞吐量、存储容量、节点数量、是否支持智能合约等参数进行评估;
S12、选取参数较优的平台作为本发明区块链平台,并封装通用接口支持深度学习参数共享参数的上传、更新及获取操作。
S2、构建基于区块链技术任务执行流模型,基于该流模型,参与者可以进行参数上传,将上传的参数进行区块化封装并链接形成区块链,还可以从区块链获取更新后的参数等,矿工可以处理已经上传的参数并将更新后的参数区块化封装并链接形成区块链从而获得奖励;
在具体实施方式中,步骤S2中任务执行流模型包括:
1)参数上传流(Param Upload Flow,PUF),包含以下信息:用户个人身份标识(用一个包含特定信息的字符串来表示)、管理者身份标识、加密后的参数值以及防止恶意用户的抵押金金额;流的输出是一个包含参数更新状态(Param State)的交易,输出由管理者与参与者共享,其他用户无法获取相应信息。如果参与者在运行过程中有失信行为,例如上传失效参数,则会在合约(Param Contract)中被识别出来,相应金额的抵押金也会被没收。
2)参数更新流(Updated Param Flow,UPF),包含以下信息:作为更新者的矿工个人身份标识、管理者身份标识以及更新后的加密参数值。一旦矿工更新后参数的结果通过了验证,那么更新后的参数就会被持续化存储至区块链,同时矿工也会获得相应的奖励。如图3所示。
3)共享密钥流(Decrypt Share Flow,DSF),包含以下信息:用户个人身份标识、管理者身份标识、事先约定好的用来协助解密的共享密钥、保证信誉的抵押金金额、管理者的标识符;
各个参与者拥有部分的共享密钥,当收集到来自参与者的所有共享密钥,参与者就能使用此密钥来调用加密系统层的解密方法对更新后的参数进行解密,获得下一步训练所需的参数。
4)参数更新通知流(Updated Param Return Flow,UPRF),矿工节点在更新参数之后向拥有权限的参与者发送参数更新通知;
5)获取参数更新流(Download Param Flow,DPF),拥有权限的参与者获取更新之后的参数。
参数更新通知流主要用来在参数成功更新之后通知参与者。一旦参与者获取到了通知,则可以通过该通知作为凭证来调用获取参数更新流,获取更新后的参数。需要注意的是,这里的参数也是经过加密的,解密的过程需要调用共享密钥流获取密钥进行解密。
将本发明设计的五种流封装对外接口,支持用户对参数进行上传、下载、矿工对参数进行更新操作,并将流运行后生成的交易形成区块化封装链接成区块链。接口可以和训练无缝连接,用户可对接口进行集成,使整个过程自动化进行,而不需要人工进行手动确认。
S3、搭建面向深度学习参数共享场景下的区块链深度学习参数共享平台,平台分为三层架构:加密系统层、区块链层、训练算法层;
该平台将加密系统层和区块链层与训练算法层进行隔离,加密后的待更新参数以及更新后的加密参数放置在区块链层,参与者的参数原始数据信息等存在于用户手中,而不上传到区块链平台,用户通过加密系统层对参数自行加密,加密后的数据通过外部接口上传参数到区块链层进行保存,防止明文数据保存的不安全问题,也可以减少区块链更新所需运算量,提高系统运行效率。将更新后的参数下载以用于训练算法层的训练。
其中,加密系统层主要有两个目的:用于参与者将明文的训练参数加密成类Paillier的形式,将更新后的加密参数解密还原成原本参数的形式。加密解密直接调用静态的接口,参与者无需了解加密系统的内部实现,只需要按照方法给定的参数来调用,就能够快速地进行加密和解密操作,与模型训练无缝对接。同时加密系统层还对矿工提供了更新参数的静态接口,雇主可以调用接口来更新参数,赚取区块链中的酬劳。
区块链层:选择Corda作为区块链平台,Corda可以建立和发布新一代的分布式应用CorDapps,并支持通过编程的方式写处理流。用户通过RPC接口发送请求调用区块链层中的各个流,在流执行中会创建交易(Transaction),并消耗旧的状态以及构造新的状态(State),填充信息完毕之后需要通过参与者签名来确认身份,之后再通过合约(Contract)来检验交易的有效性,确认通过则写入区块链层,区块链层基于Corda平台提供的共识机制来保证所有节点所存储信息的一致性。
训练算法层:通过将区块链层获取到的更新后的加密参数,然后再通过加密系统层进行解密,得到的新参数可以直接参与到训练算法层的训练中,减少人为对数据的操作。参与者只需调用相应的上传与更新的接口,就可以使整个流程自动进行下去。
S4、采用基于身份加密算法对个人隐私信息及数据进行加密,只有对授权人可见。
在具体实施方式中,步骤S4中采用类Paillier加密算法对训练参数部分数据进行加密,只有参与者自身才能用自己的密钥对隐私参数进行加密,更新后的参数需要所有参与者共享密钥结合起来才能解密。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (7)
1.一种基于区块链激励机制下可审计的隐私保护深度学习平台建设方法,其特征在于,所述的建设方法包括下列步骤:
基于第三方通用区块链平台Corda,封装面向深度学习参数共享场景的区块链任务接口,且由全网众多节点来对智能状态内容达成一致;
构建基于区块链技术任务执行流模型,基于该执行流模型,参与者进行参数上传,将上传的参数进行区块化封装并链接形成区块链,或者从区块链获取更新后的参数;基于该执行流模型,矿工处理已经上传的参数并将更新后的参数区块化封装并链接形成区块链从而获得奖励;
所述的执行流模型包括:
参数上传流,包含以下信息:用户个人身份标识、管理者身份标识、加密后的参数值以及防止恶意用户的抵押金金额,该参数上传流的输出是一个包含参数更新状态的交易,输出由管理者与参与者共享,其他用户无法获取相应信息,如果参与者在运行过程中有失信行为,则会在合约中被识别出来,相应金额的抵押金会被没收;
参数更新流,包含以下信息:作为更新者的矿工个人身份标识、管理者身份标识以及更新后的加密参数值,一旦矿工更新后参数的结果通过验证,那么更新后参数会被持续化存储至区块链,同时矿工也会获得相应的奖励;
共享密钥流,包含以下信息:用户个人身份标识、管理者身份标识、事先约定好的用来协助解密的共享密钥、保证信誉的抵押金金额、管理者的标识符,各个参与者拥有部分的共享密钥,当收集到来自参与者的所有共享密钥,参与者就能使用此密钥来调用加密系统层的解密方法对更新后的参数进行解密,获得下一步训练所需的参数;
参数更新通知流,用于矿工节点在更新参数之后向拥有权限的参与者发送参数更新通知;
获取参数更新流,用于拥有权限的参与者获取更新参数;
搭建面向深度学习参数共享场景下的区块链深度学习参数共享平台,平台分为三层架构:加密系统层、区块链层、训练算法层,模型训练者在加密系统层加密参数,参数通过传输接口传入到区块链层,区块链层中记录模型训练者的参数共享信息,等参数上传完毕之后矿工通过传输接口读取加密后的数据进行运算,并更新参数,更新完毕之后模型训练者通过传输接口获取更新后的参数继续进行模型训练;
采用基于身份加密算法对个人隐私信息及数据进行加密,并只对授权人可见。
2.根据权利要求1所述的基于区块链激励机制下可审计的隐私保护深度学习平台建设方法,其特征在于,所述的基于第三方通用区块链平台Corda,封装面向深度学习参数共享场景的区块链任务接口的实现过程如下:
S11、评估现有公开的区块链技术平台,对平台吞吐量、存储容量、节点数量、是否支持智能合约进行评估;
S12、选取参数较优的平台作为区块链平台,并封装通用接口支持深度学习共享参数的上传、更新及获取操作。
3.根据权利要求1所述的基于区块链激励机制下可审计的隐私保护深度学习平台建设方法,其特征在于,所述的执行流模型包括的五种流封装对外接口,支持用户对参数进行上传、下载、矿工对参数进行更新操作,并将流运行后生成的区块化封装成区块链,接口和训练无缝连接,用户可对接口进行集成,使整个过程自动化进行,而不需要人工进行手动确认。
4.根据权利要求1所述的基于区块链激励机制下可审计的隐私保护深度学习平台建设方法,其特征在于,所述的加密系统层用于参与者将明文的训练参数加密成类Paillier的形式,将更新后的加密参数解密还原成原本参数的形式,同时,所述的加密系统层还对矿工提供更新参数的静态接口,雇主调用静态接口来更新参数,赚取区块链中的酬劳。
5.根据权利要求1所述的基于区块链激励机制下可审计的隐私保护深度学习平台建设方法,其特征在于,所述的区块链层选择Corda作为区块链平台,采用Corda建立和发布新一代的分布式应用CorDapps,并支持通过编程的方式写处理流;用户通过RPC接口发送请求调用区块链层中的各个流,在流执行中会创建交易,并消耗旧的状态,同时构造新的状态,填充信息完毕之后需要通过参与者签名来确认身份,之后再通过合约来检验交易的有效性,确认通过则写入区块链层,区块链层基于Corda平台提供的共识机制来保证所有节点所存储信息的一致性。
6.根据权利要求1所述的基于区块链激励机制下可审计的隐私保护深度学习平台建设方法,其特征在于,所述的训练算法层通过将区块链层获取到的更新后的加密参数,然后再通过加密系统层进行解密,得到的新参数直接参与到训练算法层的训练中。
7.根据权利要求1所述的基于区块链激励机制下可审计的隐私保护深度学习平台建设方法,其特征在于,所述的采用基于身份加密算法对个人隐私信息及数据进行加密的过程如下:
采用类Paillier加密算法对训练参数部分数据进行加密,只有参与者自身才能用自己的密钥对隐私参数进行加密,更新后的参数需要所有参与者共享密钥结合起来才能解密。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811471842.XA CN109685501B (zh) | 2018-12-04 | 2018-12-04 | 基于区块链激励机制下可审计的隐私保护深度学习平台建设方法 |
US16/702,786 US11836616B2 (en) | 2018-12-04 | 2019-12-04 | Auditable privacy protection deep learning platform construction method based on block chain incentive mechanism |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811471842.XA CN109685501B (zh) | 2018-12-04 | 2018-12-04 | 基于区块链激励机制下可审计的隐私保护深度学习平台建设方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109685501A CN109685501A (zh) | 2019-04-26 |
CN109685501B true CN109685501B (zh) | 2023-04-07 |
Family
ID=66186601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811471842.XA Active CN109685501B (zh) | 2018-12-04 | 2018-12-04 | 基于区块链激励机制下可审计的隐私保护深度学习平台建设方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11836616B2 (zh) |
CN (1) | CN109685501B (zh) |
Families Citing this family (62)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3565218B1 (en) | 2018-04-30 | 2023-09-27 | Hewlett Packard Enterprise Development LP | System and method of decentralized management of multi-owner nodes using blockchain |
EP3564873B1 (en) | 2018-04-30 | 2022-11-30 | Hewlett Packard Enterprise Development LP | System and method of decentralized machine learning using blockchain |
US11966818B2 (en) | 2019-02-21 | 2024-04-23 | Hewlett Packard Enterprise Development Lp | System and method for self-healing in decentralized model building for machine learning using blockchain |
CN110197285B (zh) * | 2019-05-07 | 2021-03-23 | 清华大学 | 基于区块链的安全协作深度学习方法及装置 |
US11562228B2 (en) * | 2019-06-12 | 2023-01-24 | International Business Machines Corporation | Efficient verification of machine learning applications |
KR102229923B1 (ko) * | 2019-06-18 | 2021-03-22 | 한국과학기술원 | 네트워크 상에서 합의된 데이터를 전송하는 방법 및 네트워크 상에서 합의된 데이터를 전송하기 위한 전자기기 |
CN110263919A (zh) * | 2019-06-20 | 2019-09-20 | 福州数据技术研究院有限公司 | 一种基于医疗健康数据安全的反向传播神经网络训练方法 |
CN110414263A (zh) * | 2019-06-28 | 2019-11-05 | 深圳市先河系统技术有限公司 | 去中心化存储的控制方法、系统及相关装置 |
CN110335043B (zh) * | 2019-07-03 | 2022-03-18 | 中国银行股份有限公司 | 一种基于区块链系统的交易隐私保护方法、设备以及系统 |
US11450165B2 (en) * | 2019-07-03 | 2022-09-20 | Sebastien de Ghellinck | Blockchain-based system and method for securing transactions and controlling access to worksites |
US10936960B1 (en) * | 2019-08-09 | 2021-03-02 | Advanced New Technologies Co., Ltd. | Determining model parameters using secret sharing |
CN110490330A (zh) * | 2019-08-16 | 2019-11-22 | 安徽航天信息有限公司 | 一种基于区块链的分布式机器学习系统 |
CN110401536B (zh) * | 2019-08-19 | 2022-09-09 | 东南大学 | 一种基于深度学习的通用加密算法 |
CN110766551B (zh) * | 2019-09-10 | 2022-04-01 | 中国科学院信息工程研究所 | 一种基于改进Kafka共识机制的联盟链及交易方法 |
US11676011B2 (en) * | 2019-10-24 | 2023-06-13 | International Business Machines Corporation | Private transfer learning |
CN110971390A (zh) * | 2019-11-29 | 2020-04-07 | 杭州云象网络技术有限公司 | 一种用于智能合约隐私保护的全同态加密方法 |
CN111104968B (zh) * | 2019-12-02 | 2023-04-18 | 北京理工大学 | 一种基于区块链的安全svm训练方法 |
CN111080274B (zh) * | 2019-12-05 | 2020-11-03 | 杭州呯嘭智能技术有限公司 | 一种基于Corda数据库的支付方法及系统 |
US11218293B2 (en) | 2020-01-27 | 2022-01-04 | Hewlett Packard Enterprise Development Lp | Secure parameter merging using homomorphic encryption for swarm learning |
US11748835B2 (en) | 2020-01-27 | 2023-09-05 | Hewlett Packard Enterprise Development Lp | Systems and methods for monetizing data in decentralized model building for machine learning using a blockchain |
CN111275406B (zh) * | 2020-02-13 | 2023-07-28 | 布比(北京)网络技术有限公司 | 区块链交易合约审计方法、装置、计算机设备和存储介质 |
CN111859465A (zh) * | 2020-06-29 | 2020-10-30 | 交控科技股份有限公司 | 基于区块链的轨道交通分布式智能运维系统及其运行方法 |
CN111858753B (zh) * | 2020-06-30 | 2023-11-17 | 全链通有限公司 | 基于区块链的训练参数处理方法、设备及存储介质 |
CN111901309B (zh) * | 2020-07-03 | 2022-03-22 | 北京邮电大学 | 一种数据安全共享方法、系统及装置 |
CN111935157B (zh) * | 2020-08-12 | 2022-05-06 | 科技谷(厦门)信息技术有限公司 | 一种基于安全防御的联盟学习系统 |
CN111966753B (zh) * | 2020-08-18 | 2024-02-27 | 中国银行股份有限公司 | 基于区块链和同态加密的决策树模型训练方法及装置 |
US11514366B2 (en) | 2020-09-02 | 2022-11-29 | Microsoft Technology Licensing, Llc | System for content encryption for predictive models trained on private data |
CN112257102B (zh) * | 2020-09-28 | 2022-03-11 | 铭数科技(青岛)有限公司 | 基于区块链的能源交易隐私保护方法 |
CN112328610A (zh) * | 2020-09-30 | 2021-02-05 | 联想(北京)有限公司 | 一种基于区块链的信息处理方法及装置 |
CN112163896B (zh) * | 2020-10-19 | 2022-05-06 | 科技谷(厦门)信息技术有限公司 | 一种联邦学习系统 |
CN112183765B (zh) * | 2020-10-30 | 2022-06-14 | 浙江大学 | 一种用于共享学习的多源多模态数据预处理方法及系统 |
CN112434280B (zh) * | 2020-12-17 | 2024-02-13 | 浙江工业大学 | 一种基于区块链的联邦学习防御方法 |
CN112714050B (zh) * | 2020-12-22 | 2022-05-31 | 齐鲁工业大学 | 一种基于区块链和联邦学习的数据共享与隐私保护方法 |
CN112487103B (zh) * | 2020-12-25 | 2023-06-06 | 昆明理工大学 | 一种基于区块链智能合约的深度学习数据集可信共享系统 |
CN112668501A (zh) * | 2020-12-30 | 2021-04-16 | 杭州趣链科技有限公司 | 基于区块链激励的自动编码器特征提取方法与装置 |
CN112668049B (zh) * | 2020-12-30 | 2024-08-06 | 杭州趣链科技有限公司 | 一种多方联合计算的联盟链处理方法 |
CN112784994B (zh) * | 2020-12-31 | 2023-03-03 | 浙江大学 | 基于区块链的联邦学习数据参与方贡献值计算和激励方法 |
CN112685783B (zh) * | 2021-01-05 | 2024-02-27 | 西安电子科技大学 | 金融许可区块链中支持隐私保护的数据共享方法 |
CN113268753B (zh) * | 2021-05-24 | 2022-05-27 | 北京邮电大学 | 基于区块链的数据受控流转方法 |
CN113434269B (zh) * | 2021-06-10 | 2024-07-12 | 湖南天河国云科技有限公司 | 基于区块链的分布式隐私计算方法及装置 |
CN113553614B (zh) * | 2021-06-29 | 2023-07-14 | 福建师范大学 | 一种基于强化学习的隐私保护移动群智感知方法 |
CN113610660B (zh) * | 2021-07-01 | 2024-06-11 | 国网浙江宁海县供电有限公司 | 基于区块链的电力系统结算方法及相关装置 |
CN113591060B (zh) * | 2021-08-24 | 2024-01-23 | 杭州电力设备制造有限公司 | 一种电网数据的应用方法、装置及系统 |
CN113792872B (zh) * | 2021-08-24 | 2024-05-28 | 浙江数秦科技有限公司 | 基于区块链的神经网络训练容器和托管训练方法 |
CN113806800B (zh) * | 2021-09-14 | 2023-07-11 | 东莞理工学院 | 一种提高通信效率和合理分配奖励的隐私保护方法及系统 |
CN113873534B (zh) * | 2021-10-15 | 2024-02-06 | 深圳点链科技有限公司 | 一种雾计算中区块链协助的联邦学习主动内容缓存方法 |
WO2023076117A1 (en) * | 2021-10-27 | 2023-05-04 | Qwiti Holdings II, LLC | Systems and methods for consensus in a blockchain network |
CN114417398A (zh) * | 2021-12-16 | 2022-04-29 | 福建师范大学 | 一种基于区块链和联邦学习的数据共享方法 |
CN114358268B (zh) * | 2022-01-07 | 2024-04-19 | 湖南大学 | 软硬件结合的卷积神经网络模型知识产权保护方法 |
CN114417421B (zh) * | 2022-01-26 | 2024-08-20 | 深圳技术大学 | 一种基于元宇宙的共享信息隐私保护方法及相关装置 |
WO2023163960A1 (en) * | 2022-02-25 | 2023-08-31 | Gray Systems, Inc. | Systems and methods of facilitating controlling access to data |
CN114745092B (zh) * | 2022-04-11 | 2024-05-24 | 浙江工商大学 | 一种基于联邦学习的金融数据共享隐私保护方法 |
CN114785598A (zh) * | 2022-04-22 | 2022-07-22 | 博智安全科技股份有限公司 | 一种选手身份的加解密方法、装置、设备及存储介质 |
CN114692098B (zh) * | 2022-06-01 | 2022-08-26 | 中国海洋大学 | 基于区块链和联邦学习的软件行为智能管控方法 |
CN115118462B (zh) * | 2022-06-09 | 2023-07-18 | 华中师范大学 | 一种基于卷积增强链的数据隐私保护方法 |
CN115296927B (zh) * | 2022-09-28 | 2023-01-06 | 山东省计算中心(国家超级计算济南中心) | 一种基于区块链的联邦学习可信融合激励方法及系统 |
CN115795518B (zh) * | 2023-02-03 | 2023-04-18 | 西华大学 | 一种基于区块链的联邦学习隐私保护方法 |
CN117874774A (zh) * | 2023-03-13 | 2024-04-12 | 李冠中 | 一种区块链链上信息定向披露方法 |
CN115996226B (zh) * | 2023-03-17 | 2023-06-27 | 杭州海康威视数字技术股份有限公司 | 基于区块链的多重智能合约的共享激励方法、装置及设备 |
CN116489637B (zh) * | 2023-04-25 | 2023-11-03 | 北京交通大学 | 一种面向元宇宙的基于隐私保护的移动边缘计算方法 |
CN116451277B (zh) * | 2023-06-16 | 2023-09-29 | 中用科技有限公司 | 一种基于共享情况下工业数据安全的保护系统及方法 |
CN117892339B (zh) * | 2023-12-28 | 2024-08-23 | 暨南大学 | 一种基于区块链的高可信度联合模型训练方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107864198A (zh) * | 2017-11-07 | 2018-03-30 | 济南浪潮高新科技投资发展有限公司 | 一种基于深度学习训练任务的区块链共识方法 |
CN108712260A (zh) * | 2018-05-09 | 2018-10-26 | 曲阜师范大学 | 云环境下保护隐私的多方深度学习计算代理方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529673B (zh) | 2016-11-17 | 2019-05-03 | 北京百度网讯科技有限公司 | 基于人工智能的深度学习网络训练方法及装置 |
WO2018098598A1 (en) * | 2016-12-02 | 2018-06-07 | Stack Fintech Inc. | Digital banking platform and architecture |
US9990687B1 (en) | 2017-01-19 | 2018-06-05 | Deep Learning Analytics, LLC | Systems and methods for fast and repeatable embedding of high-dimensional data objects using deep learning with power efficient GPU and FPGA-based processing platforms |
US20180285996A1 (en) * | 2017-04-03 | 2018-10-04 | FutureLab Consulting Inc. | Methods and system for managing intellectual property using a blockchain |
WO2018209222A1 (en) * | 2017-05-12 | 2018-11-15 | Massachusetts Institute Of Technology | Systems and methods for crowdsourcing, analyzing, and/or matching personal data |
CN108053031A (zh) | 2018-01-02 | 2018-05-18 | 安徽大学 | 一种深度学习系统及深度学习识别方法 |
US20190244287A1 (en) * | 2018-02-05 | 2019-08-08 | Accenture Global Solutions Limited | Utilizing a machine learning model and blockchain technology to manage collateral |
US11157833B2 (en) * | 2018-03-14 | 2021-10-26 | International Business Machines Corporation | Learning service blockchain |
US11063759B2 (en) * | 2018-04-27 | 2021-07-13 | The University Of Akron | Blockchain-empowered crowdsourced computing system |
CN109145612B (zh) * | 2018-07-05 | 2021-11-16 | 东华大学 | 基于区块链实现防数据篡改、用户共谋的云数据共享方法 |
EP3821586A4 (en) * | 2018-07-23 | 2022-04-13 | Cambridge Blockchain, Inc. | SYSTEMS AND PROCEDURES FOR SECURE DEPOSIT SERVICE |
US11816575B2 (en) * | 2018-09-07 | 2023-11-14 | International Business Machines Corporation | Verifiable deep learning training service |
US10970402B2 (en) * | 2018-10-19 | 2021-04-06 | International Business Machines Corporation | Distributed learning preserving model security |
CN111091467A (zh) * | 2018-10-23 | 2020-05-01 | 上海交通大学 | 基于区块链与深度学习的股权交易管理计算机仿真系统 |
-
2018
- 2018-12-04 CN CN201811471842.XA patent/CN109685501B/zh active Active
-
2019
- 2019-12-04 US US16/702,786 patent/US11836616B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107864198A (zh) * | 2017-11-07 | 2018-03-30 | 济南浪潮高新科技投资发展有限公司 | 一种基于深度学习训练任务的区块链共识方法 |
CN108712260A (zh) * | 2018-05-09 | 2018-10-26 | 曲阜师范大学 | 云环境下保护隐私的多方深度学习计算代理方法 |
Also Published As
Publication number | Publication date |
---|---|
US20200193292A1 (en) | 2020-06-18 |
US11836616B2 (en) | 2023-12-05 |
CN109685501A (zh) | 2019-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109685501B (zh) | 基于区块链激励机制下可审计的隐私保护深度学习平台建设方法 | |
CN111343001B (zh) | 一种基于区块链的社交数据共享系统 | |
CN112232527B (zh) | 安全的分布式联邦深度学习方法 | |
TWI770022B (zh) | 電腦實施之控制方法、系統及控制系統 | |
Homoliak et al. | A security reference architecture for blockchains | |
CN110419193A (zh) | 用于安全智能家居环境的基于ksi的认证和通信方法及其系统 | |
CN110392889A (zh) | 用于区块链网络的基于现场可编程门阵列的可信执行环境 | |
CN118041632A (zh) | 区块链物联网设备的操作系统 | |
Gayvoronskaya et al. | Blockchain | |
CN114827135A (zh) | 一种跨链协同治理系统、方法、设备及存储介质 | |
JP2020530956A (ja) | ブロックチェーンネットワーク上のエンティティにより提供されたデータの通信、記憶、及び処理のためのシステム及び方法 | |
Ahmed et al. | Understanding blockchain: platforms, applications and implementation challenges | |
KR102308185B1 (ko) | 블록체인 네트워크 기반의 스마트 계약의 수행 방법 및 이에 적합한 스마트 계약 수행 시스템 | |
CN111859465A (zh) | 基于区块链的轨道交通分布式智能运维系统及其运行方法 | |
CN115859371A (zh) | 基于区块链的隐私计算方法、电子设备和存储介质 | |
Kadam et al. | Blockchain integration with low-power internet of things devices | |
CN113014540B (zh) | 一种数据处理方法、装置、设备及存储介质 | |
KR102258064B1 (ko) | 융복합 블록체인 기반 유인 항공기 및 무인 항공기 관제 시스템 및 서비스 제공 방법 | |
CN114936853A (zh) | 基于可信执行环境的链下交易协议与交易认证方法 | |
Montiel et al. | SurferMonkey: A Decentralized Anonymous Blockchain Intercommunication System via Zero Knowledge Proofs | |
Saranya et al. | Blockchain Endorsement Technology–A Review Of Future Smart Paradigms | |
Bharimalla et al. | ANN based block chain security threat mechanism | |
Jumani et al. | Blockchain Security for Fog Computing and Internet of Things | |
CN116049322B (zh) | 基于隐私计算的数据共享平台和方法 | |
Babu et al. | Assessment of the Effects of Blockchain Based Protection in Network Performance |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |