CN111652382B - 基于区块链的数据处理方法、装置、设备及存储介质 - Google Patents

基于区块链的数据处理方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111652382B
CN111652382B CN202010501920.7A CN202010501920A CN111652382B CN 111652382 B CN111652382 B CN 111652382B CN 202010501920 A CN202010501920 A CN 202010501920A CN 111652382 B CN111652382 B CN 111652382B
Authority
CN
China
Prior art keywords
participant
target
contribution degree
processed
federal
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
Application number
CN202010501920.7A
Other languages
English (en)
Other versions
CN111652382A (zh
Inventor
范力欣
吴锦和
张天豫
蔡杭
李月
杨强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
WeBank Co Ltd
Original Assignee
WeBank Co Ltd
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 WeBank Co Ltd filed Critical WeBank Co Ltd
Priority to CN202010501920.7A priority Critical patent/CN111652382B/zh
Publication of CN111652382A publication Critical patent/CN111652382A/zh
Application granted granted Critical
Publication of CN111652382B publication Critical patent/CN111652382B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了一种基于区块链的数据处理方法、装置、设备和存储介质,该方法包括:将第一目标待处理模型数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型数据分别与第一参与方进行预设联邦建模;接收所述各第二参与方进行所述预设联邦建模过程中分别发送给所述第一参与方的各联邦参数,并基于每个联邦参数确定对应第二参与方的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方;将所述贡献度符合所述期望贡献度条件的第二参与方设为具有区块链新区块写入权的目标参与方。本申请解决现有技术中各个数据拥方参与联邦训练的积极性不高,致使联邦模型难以满足精确度要求的技术问题。

Description

基于区块链的数据处理方法、装置、设备及存储介质
技术领域
本申请涉及金融科技(Fintech)的人工智能技术领域,尤其涉及一种基于区块链的数据处理方法、装置、设备及存储介质。
背景技术
随着金融科技,尤其是互联网科技金融的不断发展,越来越多的技术应用在金融领域,但金融业也对技术提出了更高的要求,如金融业对基于区块链的数据处理也有更高的要求。
联邦学习在保护用户隐私的情况下可以帮助多个数据源共同处理一个事项如共同训练一个联邦模型,然而,目前,各个数据参与方的训练过程中存在资源分配浪费(如基于解决证明谜题的方式竞争区块链区块写入权),致使训练难以快速满足事项精确度等要求的技术问题。
发明内容
本申请的主要目的在于提供一种基于区块链的数据处理方法、装置、设备和存储介质,旨在解决现有技术中各个数据参与方的联邦训练过程中存在资源分配浪费,致使训练难以快速满足事项的精确度等要求的技术问题。
为实现上述目的,本申请提供一种基于区块链的数据处理方法,所述基于区块链的数据处理方法应用于第一参与方,所述第一参与方与各第二参与方通过区块链进行通信连接,所述基于区块链的数据处理方法包括:
将第一目标待处理模型数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型数据分别与第一参与方进行预设联合事项处理,确定各个第二参与方在所述预设联合事项处理中的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方;
将所述贡献度符合所述期望贡献度条件的第二参与方设为具有区块链新区块写入权的目标参与方。
可选地,所述第一参与方与各第二参与方通过区块链进行联邦通信连接,所述将第一目标待处理模型数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型数据分别与第一参与方进行预设联合事项处理,确定各个第二参与方在所述预设联合事项处理中的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方的步骤,包括:
将第一目标待处理模型数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型数据分别与第一参与方进行预设联邦建模;
接收所述各第二参与方进行所述预设联邦建模过程中分别发送给所述第一参与方的各联邦参数,基于每个联邦参数确定对应第二参与方的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方。
可选地,元数据为包括确定特征的数据;
所述将第一目标待处理模型数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型数据分别与第一参与方进行预设联邦建模的步骤,包括:
将第一目标待处理模型数据中的第一目标待处理模型以及第一元数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型以及所述第一元数据与所述第一参与方进行联邦建模;
其中,所述第一目标待处理模型数据由上一轮基于区块链进行联邦建模后获取的第二目标待处理模型的模型参数以及第二元数据确定。
可选地,所述基于每个联邦参数确定对应第二参与方的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方的步骤,包括:
基于每个联邦参数确定对应第二参与方的贡献度,直至选取到贡献度大于等于所述第一目标待处理模型数据中的期望贡献度的各第二参与方;
从贡献度大于等于所述期望贡献度的第二参与方中选取贡献度最大的第二参与方,将贡献度最大的第二参与方设为符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方。
其中,所述基于每个联邦参数确定对应第二参与方的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方的步骤,包括:
基于每个联邦参数确定各第二参与方的贡献度,直至选取贡献度最快达到期望贡献度的第二参与方作为符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方。
可选地,所述将所述贡献度符合所述期望贡献度条件的第二参与方设为具有区块链新区块写入权的目标参与方的步骤,包括:
获取所述第一目标待处理模型数据中的共识协议;
获取符合所述期望贡献度条件的第二参与方外的其他第二参与方基于所述共识协议,以及所述符合所述期望贡献度条件的第二参与方基于区块链广播的,符合所述期望贡献度条件的第二参与方的目标贡献度得到的共识结果;
若所述共识结果为达成共识时,将所述贡献度符合所述期望贡献度条件的第二参与方设为具有区块链新区块写入权的目标参与方。
可选地,所述基于每个联邦参数确定对应第二参与方的贡献度的步骤,包括:
确定所述第一参与方基于每个联邦参数对应确定的各联邦模型;
获取所述第一参与方的预设源数据;
基于所述各联邦模型分别对所述第一预设源数据进行预测,得到各预测结果;
基于所述各预测结果对应确定各第二参与方的贡献度。
可选地,所述将所述贡献度符合所述期望贡献度条件的第二参与方设为具有区块链新区块写入权的目标参与方的步骤之后,所述方法包括:
获取所述目标参与方基于所述符合所述期望贡献度条件的目标贡献度确定的第三目标待处理模型数据,其中,所述第三目标待处理模型数据包括第三元数据以及第三目标待处理模型;
基于所述第三元数据以及第三目标待处理模型,与所述目标参与方进行联邦建模,以竞争区块链其他新区块的写入权。
本申请还提供一种基于区块链的数据处理装置,所述基于区块链的数据处理装置应用于第一参与方,所述第一参与方与各第二参与方通过区块链进行通信连接,所述基于区块链的数据处理装置包括:
选取模块,用于将第一目标待处理模型数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型数据分别与第一参与方进行预设联合事项处理,确定各个第二参与方在所述预设联合事项处理中的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方;
设置模块,用于将所述贡献度符合所述期望贡献度条件的第二参与方设为具有区块链新区块写入权的目标参与方。
可选地,所述选取模块包括:
发送单元,用于将第一目标待处理模型数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型数据分别与第一参与方进行预设联邦建模;
接收单元,用于接收所述各第二参与方进行所述预设联邦建模过程中分别发送给所述第一参与方的各联邦参数,用于基于每个联邦参数确定对应第二参与方的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方。
可选地,元数据为包括确定特征的数据;
所述发送单元包括:
发送子单元,用于将第一目标待处理模型数据中的第一目标待处理模型以及第一元数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型以及所述第一元数据与所述第一参与方进行联邦建模;
其中,所述第一目标待处理模型数据由上一轮基于区块链进行联邦建模后获取的第二目标待处理模型的模型参数以及第二元数据确定。
可选地,所述接收单元包括:
第一确定子单元,用于基于每个联邦参数确定对应第二参与方的贡献度,直至选取到贡献度大于等于所述第一目标待处理模型数据中的期望贡献度的各第二参与方;
第一选取子单元,用于从贡献度大于等于所述期望贡献度的第二参与方中选取贡献度最大的第二参与方,将贡献度最大的第二参与方设为符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方。
其中,所述接收单元还包括:
第二选取子单元,用于基于每个联邦参数确定各第二参与方的贡献度,直至选取贡献度最快达到期望贡献度的第二参与方作为符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方。
可选地,所述设置模块包括:
第一获取单元,用于获取所述第一目标待处理模型数据中的共识协议;
第二获取单元,用于获取符合所述期望贡献度条件的第二参与方外的其他第二参与方基于所述共识协议,以及所述符合所述期望贡献度条件的第二参与方基于区块链广播的,符合所述期望贡献度条件的第二参与方的目标贡献度得到的共识结果;
设置单元,用于若所述共识结果为达成共识时,将所述贡献度符合所述期望贡献度条件的第二参与方设为具有区块链新区块写入权的目标参与方。
可选地,所述接收单元包括:
第二确定子单元,用于确定所述第一参与方基于每个联邦参数对应确定的各联邦模型;
获取子单元,用于获取所述第一参与方的预设源数据;
预测子单元,用于基于所述各联邦模型分别对所述第一预设源数据进行预测,得到各预测结果;
第三确定子单元,用于基于所述各预测结果对应确定各第二参与方的贡献度。
可选地,所述基于区块链的数据处理装置还包括:
获取模块,用于获取所述目标参与方基于所述符合所述期望贡献度条件的目标贡献度确定的第三目标待处理模型数据,其中,所述第三目标待处理模型数据包括第三元数据以及第三目标待处理模型;
竞争模块,用于基于所述第三元数据以及第三目标待处理模型,与所述目标参与方进行联邦建模,以竞争区块链其他新区块的写入权。
本申请还提供一种基于区块链的数据处理设备,所述基于区块链的数据处理设备为实体设备,所述基于区块链的数据处理设备包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述基于区块链的数据处理方法的程序,所述基于区块链的数据处理方法的程序被处理器执行时可实现如上述的基于区块链的数据处理方法的步骤。
本申请还提供一种存储介质,所述存储介质上存储有实现上述基于区块链的数据处理方法的程序,所述基于区块链的数据处理方法的程序被处理器执行时实现如上述的基于区块链的数据处理方法的步骤。
本申请通过将第一目标待处理模型数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型数据分别与第一参与方进行预设联合事项处理,确定各个第二参与方在所述预设联合事项处理中的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方;将所述贡献度符合所述期望贡献度条件的第二参与方设为具有区块链新区块写入权的目标参与方。在本申请中,是利用第二参与方的贡献度,来竞争区块链新区块的写入权的,不是现有技术中的基于解决证明谜题的方式竞争区块链区块写入权(证明谜题是与处理事项无关的纯粹消耗计算量的数学题,因而解决证明谜题竞争区块链区块写入权对处理事项无任何处理效率促进作用),而新区块的写入权是具有各项权益的,因而,提升各第二参与方基于第一目标待处理模型数据进行事项处理的处理效率,提升贡献度符合期望贡献度条件的效率,以快速满足事项的精确度等要求。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请基于区块链的数据处理方法第一实施例的流程示意图;
图2为本申请基于区块链的数据处理方法中将第一目标待处理模型数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型数据分别与第一参与方进行预设联合事项处理,确定各个第二参与方在所述预设联合事项处理中的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方的细化步骤流程示意图;
图3为本申请实施例方案涉及的硬件运行环境的设备结构示意图。
本申请目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供一种基于区块链的数据处理方法,在本申请基于区块链的数据处理方法的第一实施例中,参照图1,所述基于区块链的数据处理方法应用于第一参与方,所述第一参与方与各第二参与方通过区块链进行通信连接,所述基于区块链的数据处理方法包括:
步骤S10,将第一目标待处理模型数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型数据分别与第一参与方进行预设联合事项处理,确定各个第二参与方在所述预设联合事项处理中的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方;
步骤S20,将所述贡献度符合所述期望贡献度条件的第二参与方设为具有区块链新区块写入权的目标参与方。
具体步骤如下:
步骤S10,将第一目标待处理模型数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型数据分别与第一参与方进行预设联合事项处理,确定各个第二参与方在所述预设联合事项处理中的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方;
在本实施例中,需要说明的是,基于区块链的数据处理方法应用于基于区块链的数据处理系统,该基于区块链的数据处理系统从属于基于区块链的数据处理设备,对于基于区块链的数据处理系统而言,是存在第一参与方以及第二参与方的,该第一参与方可以是协调方也可以是任一的普通参与方,特别地,在本实施例中,可以是基于协调方创建区块链的首个区块的,也即,协调者(coordinator)发起首个学习任务(如联邦学习任务)并创建首个区块链区块,在该首个区块链区块中,协调者将首个学习任务的初始模型、初始模型的目标信息,初始元数据(meta-data)及性能检测协议等区块链内容写入,各个参与方基于区块链获取首个区块链区块的区块链内容(通过下载等方式),然后各个参与方基于下载的首个区块链区块的区块链内容,分别与协调者进行两两联合事项处理如两两联邦,在与协调者每次事项处理后,该协调者都会计算本次对应参与方联合事项处理后事项处理内容(对应参与方联邦后模型)的提升程度。进而确定各个第二参与方在所述预设联合事项处理中的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方,需要说明的是,在本实施例中,事项处理包括联邦模型更新事项或者是循环模型更新事项等。
具体地,所述第一参与方与各第二参与方通过区块链进行联邦通信连接;
参照图2,所述将第一目标待处理模型数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型数据分别与第一参与方进行预设联合事项处理,确定各个第二参与方在所述预设联合事项处理中的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方的步骤,包括:
步骤S11,将第一目标待处理模型数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型数据分别与第一参与方进行预设联邦建模;
整体地,对于每个参与方而言,在得到首个区块链区块的区块链内容后,基于本地数据迭代训练初始模型,并将进行第一预设迭代次数后或者初始模型收敛后对应的第一模型参数发送给协调方,协调方基于第一模型参数与自身训练得到的第二模型参数进行融合(也即,在参与方训练时,协调方基于自身数据也同步进行模型训练的),得到第一融合参数,并确定本次对应参与方的模型提升度,若提升度未达到预设要求,则将各个第一融合参数发送给对应的参与方,直至得到模型提升度满足条件的参与方,该满足条件的参与方即是目标参与方,满足条件的参与方即目标参与方具有下个区块链区块的创建权,并在创建的区块链区块中写入对应的元数据(元数据为包括确定特征的数据,特别地,可以指的是在目标参与方本次的模型提升上有大贡献度(与其他参与方比较)的确定特征的数据),协议以及模型任务等区块链内容,需要说明的是,由于写入对应区块链内容的参与方是具有收益的,因而,各个参与方为了实现获取该收益,会提升实现联邦模型的精确度要求速度。
具体地,需要说明的是,第一参与方还可以是任一普通的在上一轮竞争中得到写入权的参与方,该第一参与方发布第一目标待处理模型数据至区块链区块中,以供其他的第二参与方获取,第二参与方在获取第一目标待处理模型数据后,然后各个第二参与方基于下载的第一目标待处理模型数据,分别与第一参与方进行两两联邦,在与第一参与方每次联邦后,该第一参与方都会计算本次对应与第二参与方联邦后模型的提升程度,具体地,对于第二参与方而言,基于本地数据迭代训练第一目标待处理模型数据中的第一目标待处理模型,并将进行第二预设迭代次数后或者第一目标待处理模型训练的收敛后对应的第三模型参数发送给第一参与方,第一参与方基于第三模型参数与自身训练得到的第四模型参数进行融合(也即,在各个第二参与方训练时,第一参与方也是基于自身数据同步进行模型训练的),得到第二融合参数,并确定本次对应与第二参与方联邦后的模型提升度,若提升度未达到预设要求,则将第二融合参数发送给对应的第二参与方,直至得到模型提升度满足条件的目标参与方。
所述元数据为包括确定特征的数据;
所述将第一目标待处理模型数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型数据分别与第一参与方进行预设联邦建模的步骤,包括:
步骤S111,将第一目标待处理模型数据中的第一目标待处理模型以及第一元数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型以及所述第一元数据与所述第一参与方进行联邦建模;
其中,所述第一目标待处理模型数据由上一轮基于区块链进行联邦建模后获取的第二目标待处理模型的模型参数以及第二元数据确定。
在本实施例中,该第一目标待处理模型数据中包括第一元数据,其中,元数据指的是包括确定特征的数据,特别地,可以指的是在目标参与方本次的模型提升上有大贡献度(与其他参与方比较)的确定特征的数据,例如,基于区块链的联邦学习是训练识别猫的模型,那么第一元数据可以是具有猫确定特征如猫耳朵的数据,或者是具有猫确定特征如猫发色的数据,将第一目标待处理模型数据中的第一目标待处理模型以及第一元数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型以及所述第一元数据与所述第一参与方进行联邦建模,具体地,各个第二参与方基于第一元数据进行本地训练数据的调整,例如,第一元数据是猫耳朵的数据,则各个第二参与方从本地数据中选出所有猫耳朵的数据,构建调整数据,第二参与方基于调整数据以及第一目标待处理模型数据中的第一目标待处理模型,确定与第二参与方进行联邦训练,即是联邦建模,需要说明的是,所述第一目标待处理模型数据由上一轮基于区块链进行联邦建模后获取的第二目标待处理模型的模型参数以及第二元数据确定,即是待处理模型数据由上一轮基于区块链进行联邦建模后获取的第二目标待处理模型的模型参数以及第二元数据计算得到的。
步骤S12,接收所述各第二参与方进行所述预设联邦建模过程中分别发送给所述第一参与方的各联邦参数,基于每个联邦参数确定对应第二参与方的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方。
在本实施例中,接收所述各第二参与方进行所述预设联邦建模过程中分别发送给所述第一参与方的各联邦参数,并基于每个联邦参数确定对应第二参与方的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方,其中,对于第二参与方而言,在自身找到满足期望贡献度条件的联邦参数或者是接收到其他第二参与方满足期望贡献度条件,即停止联邦训练。
所述基于每个联邦参数确定对应第二参与方的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方的步骤,包括:
步骤S121,基于每个联邦参数确定对应第二参与方的贡献度,直至选取到贡献度大于等于所述第一目标待处理模型数据中的期望贡献度的各第二参与方;
在本实施例中,接收所述各第二参与方进行所述预设联邦建模过程中分别发送给所述第一参与方的各联邦参数,第一参与方每接收一次联邦参数后,即基于联邦参数确定各第二参与方的贡献度,其中,需要说明的是,第二参与方每次迭代训练完成后,即是发送一次联邦参数,而发送一次联邦参数可能并不能满足期望贡献度,此时,第二参与方会基于与第一参与方联邦后得到的联邦参数或者是融合参数继续进行联邦训练,直到自身找到满足期望贡献度条件的联邦参数或者是接收到其他第二参与方满足期望贡献度条件,即停止本轮联邦训练。
在本实施例中,首先确定存在贡献度大于等于所述第一目标待处理模型数据中的期望贡献度的各第二参与方(可能存在多个,即相应第二参与方可能同时发送对应联邦参数给第一参与方,第一参与方计算后又都满足大于等于期望贡献度)。
步骤S122,从贡献度大于等于所述期望贡献度的第二参与方中选取贡献度最大的第二参与方,将贡献度最大的第二参与方设为符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方。
当贡献度大于等于所述第一目标待处理模型数据中的期望贡献度的各第二参与方只有一个时,将该仅有的第二方设为符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方,若大于等于所述第一目标待处理模型数据中的期望贡献度的第二参与方为多个时,将贡献度最大的第二参与方设为符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方。
步骤S20,将所述贡献度符合所述期望贡献度条件的第二参与方设为具有区块链新区块写入权的目标参与方。
将所述贡献度符合所述期望贡献度条件的第二参与方设为具有区块链新区块写入权的目标参与方,具体地,需要说明的是,新区块的的信息中包含上一个区块的模型目标,本区块体的模型目标,以及时间戳等等。
所述将所述贡献度符合所述期望贡献度条件的第二参与方设为具有区块链新区块写入权的目标参与方的步骤,包括:
步骤S21,获取所述第一目标待处理模型数据中的共识协议;
在本实施例中,所述第一目标待处理模型数据中还包括共识协议的信息。因而,从所述第一目标待处理模型数据中提取共识协议。
步骤S22,获取符合所述期望贡献度条件的第二参与方外的其他第二参与方基于所述共识协议,以及所述符合所述期望贡献度条件的第二参与方基于区块链广播的,符合所述期望贡献度条件的第二参与方的目标贡献度得到的共识结果;
在本实施例中,符合所述期望贡献度条件的第二参与方会基于区块链广播对应的元数据,目标贡献度等,因而符合所述期望贡献度条件的第二参与方外的其他第二参与方基于所述共识协议,以及区块链广播的,符合所述期望贡献度条件的第二参与方的目标贡献度等进行共识,得到共识结果。
步骤S23,若所述共识结果为达成共识时,将所述贡献度符合所述期望贡献度条件的第二参与方设为具有区块链新区块写入权的目标参与方。
也即,在本实施例中,需要先达成共识后,才将所述贡献度符合所述期望贡献度条件的第二参与方设为具有区块链新区块写入权的目标参与方,以确保符合所述期望贡献度条件的第二参与方的目标贡献度的真实有效性。
本申请通过将第一目标待处理模型数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型数据分别与第一参与方进行预设联合事项处理,确定各个第二参与方在所述预设联合事项处理中的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方;将所述贡献度符合所述期望贡献度条件的第二参与方设为具有区块链新区块写入权的目标参与方。在本申请中,是利用第二参与方的贡献度,来竞争区块链新区块的写入权的,不是现有技术中的基于解决证明谜题的方式竞争区块链区块写入权(证明谜题是与处理事项无关的纯粹消耗计算量的数学题,因而解决证明谜题竞争区块链区块写入权对处理事项无任何处理效率促进作用),而新区块的写入权是具有各项权益的,因而,提升各第二参与方基于第一目标待处理模型数据进行事项处理的处理效率,提升贡献度符合期望贡献度条件的效率,以快速满足事项的精确度等要求。
进一步地,基于本申请中第一实施例,所述基于每个联邦参数确定对应第二参与方的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方的步骤,包括:
步骤A1,基于每个联邦参数确定对应第二参与方的贡献度,直至选取贡献度最快达到期望贡献度的第二参与方作为符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方。
在本实施例中,期望贡献度条件为最快达到期望贡献度的参与方,也即,在本实施例中,基于每个联邦参数确定对应第二参与方的贡献度,直至选取贡献度最快达到期望贡献度的参与方作为符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方,因而,各个第二参与方会积极训练,以快速达到期望贡献度,即是提升了第二参与方的模型训练积极性。
在本实施例中,通过基于每个联邦参数确定对应第二参与方的贡献度,直至选取贡献度最快达到期望贡献度的第二参与方作为符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方,提升了第二参与方的模型训练积极性,进而,提升模型训练的精度。
进一步地,基于本申请中第一实施例和第二实施例,所述基于每个联邦参数确定对应第二参与方的贡献度的步骤,包括:
步骤B1,确定所述第一参与方基于每个联邦参数对应确定的各联邦模型;
步骤B2,获取所述第一参与方的预设源数据;
步骤B3,基于所述各联邦模型分别对所述第一预设源数据进行预测,得到各预测结果;
步骤B4,基于所述各预测结果对应确定各第二参与方的贡献度。
在本实施例中,提供一种确定第二参与方的贡献度的方法,在该方法中,首先确定所述第一参与方基于每个联邦参数(可以包括梯度,元数据等)对应确定的各联邦模型,获取所述第一参与方的预设源数据,将所述预设源数据输入至各联邦模型中,基于所述各联邦模型分别对所述第一预设源数据进行预测,得到各预测结果,根据各预测结果的准确性的高低,以及各个预测结果的准确性与贡献度的关联关系,确定各第二参与方的贡献度。
在本实施例中,由于准确确定贡献度,因而,为准确确定目标参与方奠定基础。
所述将所述贡献度符合所述期望贡献度条件的第二参与方设为具有区块链新区块写入权的目标参与方的步骤之后,所述方法包括:
步骤C1,获取所述目标参与方基于所述符合所述期望贡献度条件的目标贡献度确定的第三目标待处理模型数据,其中,所述第三目标待处理模型数据包括第三元数据以及第三目标待处理模型;
步骤C2,基于所述第三元数据以及第三目标待处理模型,与所述目标参与方进行联邦建模,以竞争区块链其他新区块的写入权。
在本实施例中,其他第二参与方竞争得到区块链的写入权后,进入下一轮的基于区块链的联邦学习处理,此时,第一参与方也参与竞争,具体地,第一参与方获取目标参与方的基于所述符合所述期望贡献度条件的目标贡献度确定的第三目标待处理模型数据,其中,所述第三目标待处理模型数据包括第三元数据以及第三目标待处理模型,与所述目标参与方进行联邦建模,以竞争区块链其他新区块的写入权。
本实施例通过获取所述目标参与方基于所述符合所述期望贡献度条件的目标贡献度确定的第三目标待处理模型数据,其中,所述第三目标待处理模型数据包括第三元数据以及第三目标待处理模型;基于所述第三元数据以及第三目标待处理模型,与所述目标参与方进行联邦建模,以竞争区块链其他新区块的写入权。
具体地,例如,第一参与方为b,目标参与方为a,目标参与方a在竞争得到区块链新的区块的写入权后,目标参与方a会将包括第三元数据以及第三目标待处理模型的第三目标待处理模型数据通过区块链广播,第一参与方基于区块链下载第三目标待处理模型,并基于第一参与方本地的数据,以及第三目标待处理模型数据进行竞争下轮的区块链区块数据的写入权,以获取收益。
通过获取所述目标参与方基于所述符合所述期望贡献度条件的目标贡献度确定的第三目标待处理模型数据,其中,所述第三目标待处理模型数据包括第三元数据以及第三目标待处理模型;基于所述第三元数据以及第三目标待处理模型,与所述目标参与方进行联邦建模,以竞争区块链其他新区块的写入权。在本实施例中,实现基于区块链积极进行持续的联邦学习,以尽快达到需要的联邦学习的联邦精度。
参照图3,图3是本申请实施例方案涉及的硬件运行环境的设备结构示意图。
如图3所示,该基于区块链的数据处理设备可以包括:处理器1001,例如CPU,存储器1005,通信总线1002。其中,通信总线1002用于实现处理器1001和存储器1005之间的连接通信。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储设备。
可选地,该基于区块链的数据处理设备还可以包括矩形用户接口、网络接口、摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块等等。矩形用户接口可以包括显示屏(Display)、输入子模块比如键盘(Keyboard),可选矩形用户接口还可以包括标准的有线接口、无线接口。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
本领域技术人员可以理解,图3中示出的基于区块链的数据处理设备结构并不构成对基于区块链的数据处理设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图3所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块以及基于区块链的数据处理程序。操作系统是管理和控制基于区块链的数据处理设备硬件和软件资源的程序,支持基于区块链的数据处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储器1005内部各组件之间的通信,以及与基于区块链的数据处理系统中其它硬件和软件之间通信。
在图3所示的基于区块链的数据处理设备中,处理器1001用于执行存储器1005中存储的基于区块链的数据处理程序,实现上述任一项所述的基于区块链的数据处理方法的步骤。
本申请基于区块链的数据处理设备具体实施方式与上述基于区块链的数据处理方法各实施例基本相同,在此不再赘述。
本申请还提供一种基于区块链的数据处理装置,所述基于区块链的数据处理装置包括:
所述基于区块链的数据处理装置应用于第一参与方,所述第一参与方与各第二参与方通过区块链进行联邦通信连接,所述基于区块链的数据处理装置包括:
发送模块,用于将第一目标待处理模型数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型数据分别与第一参与方进行预设联邦建模;
接收模块,用于接收所述各第二参与方进行所述预设联邦建模过程中分别发送给所述第一参与方的各联邦参数,并基于每个联邦参数确定对应第二参与方的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方;
设置模块,用于将所述贡献度符合所述期望贡献度条件的第二参与方设为具有区块链新区块写入权的目标参与方。
可选地,元数据为包括确定特征的数据;
所述发送模块包括:
发送单元,用于将第一目标待处理模型数据中的第一目标待处理模型以及第一元数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型以及所述第一元数据与所述第一参与方进行联邦建模;
其中,所述第一目标待处理模型数据由上一轮基于区块链进行联邦建模后获取的第二目标待处理模型的模型参数以及第二元数据确定。
可选地,所述接收模块包括:
第一确定单元,用于基于每个联邦参数确定对应第二参与方的贡献度,直至选取到贡献度大于等于所述第一目标待处理模型数据中的期望贡献度的各第二参与方;
第一接收单元,用于从贡献度大于等于所述期望贡献度的第二参与方中选取贡献度最大的第二参与方,将贡献度最大的第二参与方设为符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方。
其中,所述接收模块还包括:
第二接收单元,用于基于每个联邦参数确定各第二参与方的贡献度,直至选取贡献度最快达到期望贡献度的第二参与方作为符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方。
可选地,所述设置模块包括:
第一获取单元,用于获取所述第一目标待处理模型数据中的共识协议;
第二获取单元,用于获取符合所述期望贡献度条件的第二参与方外的其他第二参与方基于所述共识协议,以及所述符合所述期望贡献度条件的第二参与方基于区块链广播的,符合所述期望贡献度条件的第二参与方的目标贡献度得到的共识结果;
设置单元,用于若所述共识结果为达成共识时,将所述贡献度符合所述期望贡献度条件的第二参与方设为具有区块链新区块写入权的目标参与方。
可选地,所述接收模块包括:
第二确定单元,用于确定所述第一参与方基于每个联邦参数对应确定的各联邦模型;
第三获取单元,用于获取所述第一参与方的预设源数据;
预测单元,用于基于所述各联邦模型分别对所述第一预设源数据进行预测,得到各预测结果;
第三确定单元,用于基于所述各预测结果对应确定各第二参与方的贡献度。
可选地,所述基于区块链的数据处理装置还包括:
获取模块,用于获取所述目标参与方基于所述符合所述期望贡献度条件的目标贡献度确定的第三目标待处理模型数据,其中,所述第三目标待处理模型数据包括第三元数据以及第三目标待处理模型;
竞争模块,用于基于所述第三元数据以及第三目标待处理模型,与所述目标参与方进行联邦建模,以竞争区块链其他新区块的写入权。
本申请基于区块链的数据处理装置的具体实施方式与上述基于区块链的数据处理方法各实施例基本相同,在此不再赘述。
本申请实施例提供了一种存储介质,且所述存储介质存储有一个或者一个以上程序,所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述任一项所述的基于区块链的数据处理方法的步骤。
本申请存储介质具体实施方式与上述基于区块链的数据处理方法各实施例基本相同,在此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。

Claims (11)

1.一种基于区块链的数据处理方法,其特征在于,所述基于区块链的数据处理方法应用于第一参与方,所述第一参与方与各第二参与方通过区块链进行通信连接,所述基于区块链的数据处理方法包括:
将第一目标待处理模型数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型数据分别与第一参与方进行预设联合事项处理得到联邦参数,基于各所述联邦参数分别对所述第一参与方的预设源数据进行预测,根据预测结果确定各个第二参与方在所述预设联合事项处理中的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方;所述预设联合事项处理包括预设联邦建模;
将所述贡献度符合所述期望贡献度条件的第二参与方设为具有区块链新区块写入权的目标参与方。
2.如权利要求1所述的基于区块链的数据处理方法,其特征在于,所述第一参与方与各第二参与方通过区块链进行联邦通信连接;
所述将第一目标待处理模型数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型数据分别与第一参与方进行预设联合事项处理得到联邦参数,基于各所述联邦参数分别对所述第一参与方的预设源数据进行预测,根据预测结果确定各个第二参与方在所述预设联合事项处理中的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方的步骤,包括:
将第一目标待处理模型数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型数据分别与第一参与方进行预设联邦建模;
接收所述各第二参与方进行所述预设联邦建模过程中分别发送给所述第一参与方的各联邦参数,基于每个联邦参数分别对所述第一参与方的预设源数据进行预测,根据预测结果确定对应第二参与方的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方。
3.如权利要求2所述的基于区块链的数据处理方法,其特征在于,元数据为包括确定特征的数据;
所述将第一目标待处理模型数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型数据分别与第一参与方进行预设联邦建模的步骤,包括:
将第一目标待处理模型数据中的第一目标待处理模型以及第一元数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型以及所述第一元数据与所述第一参与方进行联邦建模;
其中,所述第一目标待处理模型数据由上一轮基于区块链进行联邦建模后获取的第二目标待处理模型的模型参数以及第二元数据确定。
4.如权利要求2所述的基于区块链的数据处理方法,其特征在于,所述基于每个联邦参数分别对所述第一参与方的预设源数据进行预测,根据预测结果确定对应第二参与方的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方的步骤,包括:
基于每个联邦参数分别对所述第一参与方的预设源数据进行预测,根据预测结果确定对应第二参与方的贡献度,直至选取到贡献度大于等于所述第一目标待处理模型数据中的期望贡献度的各第二参与方;
从贡献度大于等于所述期望贡献度的第二参与方中选取贡献度最大的第二参与方,将贡献度最大的第二参与方设为符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方。
5.如权利要求2所述的基于区块链的数据处理方法,其特征在于,所述基于每个联邦参数分别对所述第一参与方的预设源数据进行预测,根据预测结果确定对应第二参与方的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方的步骤,包括:
基于每个联邦参数分别对所述第一参与方的预设源数据进行预测,根据预测结果确定各第二参与方的贡献度,直至选取贡献度最快达到期望贡献度的第二参与方作为符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方。
6.如权利要求1所述的基于区块链的数据处理方法,其特征在于,所述将所述贡献度符合所述期望贡献度条件的第二参与方设为具有区块链新区块写入权的目标参与方的步骤,包括:
获取所述第一目标待处理模型数据中的共识协议;
获取符合所述期望贡献度条件的第二参与方外的其他第二参与方基于所述共识协议,以及所述符合所述期望贡献度条件的第二参与方基于区块链广播的符合所述期望贡献度条件的第二参与方的目标贡献度得到的共识结果;
若所述共识结果为达成共识时,将所述贡献度符合所述期望贡献度条件的第二参与方设为具有区块链新区块写入权的目标参与方。
7.如权利要求2所述的基于区块链的数据处理方法,其特征在于,所述基于每个联邦参数分别对所述第一参与方的预设源数据进行预测,根据预测结果确定对应第二参与方的贡献度的步骤,包括:
确定所述第一参与方基于每个联邦参数对应确定的各联邦模型;
获取所述第一参与方的预设源数据;
基于所述各联邦模型分别对所述预设源数据进行预测,得到各预测结果;
基于所述各预测结果对应确定各第二参与方的贡献度。
8.如权利要求1-7任一项所述的基于区块链的数据处理方法,其特征在于,所述将所述贡献度符合所述期望贡献度条件的第二参与方设为具有区块链新区块写入权的目标参与方的步骤之后,所述方法还包括:
获取所述目标参与方基于所述符合所述期望贡献度条件的目标贡献度确定的第三目标待处理模型数据,其中,所述第三目标待处理模型数据包括第三元数据以及第三目标待处理模型;
基于所述第三元数据以及第三目标待处理模型,与所述目标参与方进行联邦建模,以竞争区块链其他新区块的写入权。
9.一种基于区块链的数据处理装置,其特征在于,所述基于区块链的数据处理装置应用于第一参与方,所述第一参与方与各第二参与方通过区块链进行通信连接,所述基于区块链的数据处理装置包括:
选取模块,用于将第一目标待处理模型数据发送至区块链区块中,以供各第二参与方基于所述第一目标待处理模型数据分别与第一参与方进行预设联合事项处理得到联邦参数,基于各所述联邦参数分别对所述第一参与方的预设源数据进行预测,根据预测结果确定各个第二参与方在所述预设联合事项处理中的贡献度,直至选取到贡献度符合所述第一目标待处理模型数据中的期望贡献度条件的第二参与方;所述预设联合事项处理包括预设联邦建模;
设置模块,用于将所述贡献度符合所述期望贡献度条件的第二参与方设为具有区块链新区块写入权的目标参与方。
10.一种基于区块链的数据处理设备,其特征在于,所述基于区块链的数据处理设备包括:存储器、处理器以及存储在存储器上的用于实现所述基于区块链的数据处理方法的程序,
所述存储器用于存储实现基于区块链的数据处理方法的程序;
所述处理器用于执行实现所述基于区块链的数据处理方法的程序,以实现如权利要求1至8中任一项所述基于区块链的数据处理方法的步骤。
11.一种存储介质,其特征在于,所述存储介质上存储有实现基于区块链的数据处理方法的程序,所述实现基于区块链的数据处理方法的程序被处理器执行以实现如权利要求1至8中任一项所述基于区块链的数据处理方法的步骤。
CN202010501920.7A 2020-06-04 2020-06-04 基于区块链的数据处理方法、装置、设备及存储介质 Active CN111652382B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010501920.7A CN111652382B (zh) 2020-06-04 2020-06-04 基于区块链的数据处理方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010501920.7A CN111652382B (zh) 2020-06-04 2020-06-04 基于区块链的数据处理方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111652382A CN111652382A (zh) 2020-09-11
CN111652382B true CN111652382B (zh) 2021-08-06

Family

ID=72343552

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010501920.7A Active CN111652382B (zh) 2020-06-04 2020-06-04 基于区块链的数据处理方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111652382B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113051606A (zh) * 2021-03-11 2021-06-29 佳讯飞鸿(北京)智能科技研究院有限公司 一种智能体的区块链互信方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190103090A (ko) * 2019-08-15 2019-09-04 엘지전자 주식회사 연합학습(Federated learning)을 통한 단말의 POI 데이터를 생성하는 모델의 학습방법 및 이를 위한 장치
CN110827147A (zh) * 2019-10-31 2020-02-21 山东浪潮人工智能研究院有限公司 一种基于联盟链的联邦学习激励方法及系统
CN111125779A (zh) * 2019-12-17 2020-05-08 山东浪潮人工智能研究院有限公司 一种基于区块链的联邦学习方法及装置
CN111212110A (zh) * 2019-12-13 2020-05-29 清华大学深圳国际研究生院 一种基于区块链的联邦学习系统及方法
US10674411B2 (en) * 2017-04-07 2020-06-02 Vapor IO Inc. Distributed handoff-related processing for wireless networks

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10841316B2 (en) * 2014-09-30 2020-11-17 Citrix Systems, Inc. Dynamic access control to network resources using federated full domain logon

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10674411B2 (en) * 2017-04-07 2020-06-02 Vapor IO Inc. Distributed handoff-related processing for wireless networks
KR20190103090A (ko) * 2019-08-15 2019-09-04 엘지전자 주식회사 연합학습(Federated learning)을 통한 단말의 POI 데이터를 생성하는 모델의 학습방법 및 이를 위한 장치
CN110827147A (zh) * 2019-10-31 2020-02-21 山东浪潮人工智能研究院有限公司 一种基于联盟链的联邦学习激励方法及系统
CN111212110A (zh) * 2019-12-13 2020-05-29 清华大学深圳国际研究生院 一种基于区块链的联邦学习系统及方法
CN111125779A (zh) * 2019-12-17 2020-05-08 山东浪潮人工智能研究院有限公司 一种基于区块链的联邦学习方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
[Extended version] Rethinking Deep Neural Network Ownership Verification: Embedding Passports to Defeat Ambiguity Attacks;Lixin Fan 等;《arxiv》;20191102;第1-14页 *
Blockchained On-Device Federated Learning;Hyesung Kim 等;《arXiv》;20190701;第1-5页 *
Transfer Learning with Dynamic Distribution Adaptation;JINDONG WANG 等;《ACM Transactions on Intelligent Systems and Technology》;20200228;第11卷(第1期);第1-25页 *

Also Published As

Publication number Publication date
CN111652382A (zh) 2020-09-11

Similar Documents

Publication Publication Date Title
WO2021083276A1 (zh) 横向联邦和纵向联邦联合方法、装置、设备及介质
CN110378488B (zh) 客户端变化的联邦训练方法、装置、训练终端及存储介质
CN111652382B (zh) 基于区块链的数据处理方法、装置、设备及存储介质
WO2022016964A1 (zh) 纵向联邦建模优化方法、设备及可读存储介质
CN111950739A (zh) 基于区块链的数据处理方法、装置、设备及介质
US10263858B2 (en) Environment simulator for user percentile
CN110751294A (zh) 联合多方特征数据的模型预测方法、装置、设备及介质
CN109635422B (zh) 联合建模方法、装置、设备以及计算机可读存储介质
US20210312295A1 (en) Information processing method, information processing device, and information processing program
CN111582504A (zh) 联邦建模方法、装置、设备及计算机可读存储介质
CN111160624B (zh) 一种用户意向预测方法、用户意向预测装置及终端设备
US11190604B2 (en) Managing data transmissions based on a user's digital footprint
CN112418259A (zh) 一种基于直播过程中用户行为的实时规则的配置方法、计算机设备及可读存储介质
CN102077526B (zh) 用于分布式信息管理的方法和装置
Habaebi et al. Extending CloudSim to simulate sensor networks
CN111291868A (zh) 网络模型训练方法、装置、设备及计算机可读存储介质
CN112541556A (zh) 模型构建优化方法、设备、介质及计算机程序产品
CN107193829B (zh) 应用程序推荐方法和装置
CN112907309A (zh) 模型更新方法、资源推荐方法、装置、设备及系统
CN113435502B (zh) 站点流量确定方法、装置、设备及存储介质
CN113015179B (zh) 基于深度q网络的网络资源选择方法、装置以及存储介质
CN109362027B (zh) 定位方法、装置、设备及存储介质
CN114692888A (zh) 系统参数处理方法、装置、设备及存储介质
CN113822429A (zh) 针对推荐系统的解释方法、装置、设备及可读存储介质
Fan Load balance-aware dynamic cloud-edge-end collaborative offloading strategy

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