CN112685792A - 一种模型验证方法、装置及电子设备 - Google Patents
一种模型验证方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112685792A CN112685792A CN202011416165.9A CN202011416165A CN112685792A CN 112685792 A CN112685792 A CN 112685792A CN 202011416165 A CN202011416165 A CN 202011416165A CN 112685792 A CN112685792 A CN 112685792A
- Authority
- CN
- China
- Prior art keywords
- verification
- model
- verified
- nodes
- verification result
- 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.)
- Pending
Links
- 238000012795 verification Methods 0.000 title claims abstract description 260
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012549 training Methods 0.000 claims abstract description 57
- 230000008520 organization Effects 0.000 claims description 24
- 238000004891 communication Methods 0.000 claims description 5
- 238000010200 validation analysis Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000003999 initiator Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种模型验证方法、装置及电子设备。其中,该模型验证方法,在接收到训练节点提交的第一背书提案后,即将背书提案对应的待验证模型发送至多个验证节点,并接收验证节点的验证反馈,进一步根据验证反馈得到待验证模型的验证结果,从而在所述区块链上建立所述验证结果对应的区块。由此,实现对待验证模型的分布式验证保护各参与方的数据隐私的同时,实现了对于每一待验证模型的多参与方验证,确保对于每一待验证模型的验证结果不可篡改,充分保证参与方验证结果的可信度。
Description
技术领域
本申请涉及区块链技术领域,尤其涉及一种模型验证方法、装置及电子设备。
背景技术
人工智能模型训练需要算法、算力和数据三元素进行支撑,通常情况下,模型训练利用的数据量越大,得到的模型精度将越高。但事实上,能够用于模型训练的数据往往是分散的、分布式存储的,并且数据是归属于不同企业或个人的。为了在保护数据隐私同时能够利用更多的数据进行模型训练,分布式人工智能模型训练技术应运而生并快速发展。
而区块链作为一种数据可追溯、防篡改的分布式账本技术,被用来与分布式人工智能模型训练技术结合,永久记录模型训练过程,为模型训练全过程透明化及多参与方模型训练效果激励提供可信数据基础。但该方案中各参与方对模型的验证过程在各参与方的链下进行,存在无法保证参与方验证结果的可信度的问题。
发明内容
本申请公开一种模型验证方法、装置及电子设备。
根据本申请第一方面,提供了一种模型验证方法,所述方法包括:接收区块链中的训练节点提交的第一背书提案;将所述第一背书提案对应的待验证模型发送至所述区块链中的多个验证节点;其中,所述待验证模型为所述训练节点训练得到的,多个所述验证节点为所述区块链中的至少部分节点;接收每一所述验证节点发送的针对所述待验证模型的验证反馈;根据接收到的所述验证反馈得到验证结果,所述验证结果用于表征所述待验证模型的质量;在所述区块链上建立所述验证结果对应的区块。
根据本申请的另一实施例,所述根据接收到的所述验证反馈得到验证结果,包括:确定所述验证反馈中满足第一条件的验证反馈的数量;根据所述数量以及所述验证反馈的总数量得到所述验证结果。
根据本申请的另一实施例,所述验证反馈包括:所述验证节点运行验证智能合约对所述待验证模型进行验证所得到的第一读写集。
根据本申请的另一实施例,所述验证反馈为所述验证方根据本地数据对所述待验证模型进行验证得到的。
根据本申请的另一实施例,所述在所述区块链上建立所述验证结果对应的区块,包括:根据所述验证结果生成第二背书提案;将所述第二背书提案发送至所述区块链中的多个验证节点;接收每一所述验证节点发送的针对所述第二背书提案运行记录智能合约得到的第二读写集;根据所述第二读写集,在所述区块链上构建所述验证结果对应的区块。
根据本申请的另一实施例,所述根据所述第二读写集,在所述区块链上构建所述验证结果对应的区块,包括:根据所述第二读写集,生成对应于所述验证结果的背书请求;将所述背书请求发送至所述区块链的多个组织节点,以通过每一所述组织节点更新所述组织节点对应的区块链数据;其中,所述组织节点至少包括所述训练节点和多个所述验证节点。
根据本申请的另一实施例,所述方法包括:根据所述验证结果,确定所述待验证模型是否达到第二条件;在判定所述待验证模型达到第二条件的情况下,判定模型训练任务结束。
根据本申请的另一实施例,所述根据所述验证结果,判断确定所述待验证模型是否达到第二条件,包括:确定所述验证结果中用于表征所述待验证模型的质量的参数是否达到设定阈值。
根据本申请的第二方面,公开了一种模型验证装置,所述装置包括:第一接收模块,用于接收区块链中的训练节点提交的第一背书提案;背书模块,用于将所述第一背书提案对应的待验证模型发送至所述区块链中的多个验证节点;其中,所述待验证模型为所述训练节点训练得到的,多个所述验证节点为所述区块链中的至少部分节点;第二接收模块,用于接收每一所述验证节点发送的针对所述待验证模型的验证反馈;验证结果确定模块,用于根据接收到的所述验证反馈得到验证结果,所述验证结果用于表征所述待验证模型的质量;区块构建模块,用于在所述区块链上建立所述验证结果对应的区块。
根据本申请的第三方面,又公开了一种电子设备,所述电子设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线;其中,所述处理器、所述存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行上述模型验证方法。
以上模型验证方法,在接收到训练节点提交的第一背书提案后,即将背书提案对应的待验证模型发送至多个验证节点,并接收验证节点的验证反馈,进一步根据验证反馈得到待验证模型的验证结果,从而在所述区块链上建立所述验证结果对应的区块。由此,实现对待验证模型的分布式验证保护各参与方的数据隐私的同时,实现了对于每一待验证模型的多参与方验证,确保对于每一待验证模型的验证结果不可篡改,充分保证参与方验证结果的可信度。
需要理解的是,本申请的教导并不需要实现上面所述的全部有益效果,而是特定的技术方案可以实现特定的技术效果,并且本申请的其他实施方式还能够实现上面未提到的有益效果。
附图说明
通过参考附图阅读下文的详细描述,本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本申请的若干实施方式,其中:
在附图中,相同或对应的标号表示相同或对应的部分。
图1示出了本申请实施例模型验证方法的实现流程示意图;
图2示出了本申请实施例模型验证装置的组成结构示意图;
图3示出了本申请实施例电子设备的组成结构示意图。
具体实施方式
下面将参考若干示例性实施方式来描述本申请的原理和精神。应当理解,给出这些实施方式仅仅是为使本领域技术人员能够更好地理解进而实现本申请,而并非以任何方式限制本申请的范围。相反,提供这些实施方式是为使本申请更加透彻和完整,并能够将本申请的范围完整地传达给本领域的技术人员。
下面结合附图和具体实施例对本申请的技术方案进一步详细阐述。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
图1示出了本申请公开的信息处理方法的实现流程。参考图1,该方法至少包括如下操作流程:操作101,接收区块链中的训练节点提交的第一背书提案;操作102,将第一背书提案对应的待验证模型发送至区块链中的多个验证节点;其中,待验证模型为训练节点训练得到的,多个验证节点为区块链中的至少部分节点;操作103,接收每一验证节点发送的针对待验证模型的验证反馈;操作104,根据接收到的验证反馈得到验证结果,验证结果用于表征待验证模型的质量;操作105,在区块链上建立验证结果对应的区块。
在操作101中,接收区块链中的训练节点提交的第一背书提案。
在本申请的这一实施例中,首先,基于人工智能模型训练需求,构建具有多个参与方的Hyper ledger Fabric(开源区块链分布式账本)区块链网络。区块链中的每一参与方均可以作为训练方进行人工智能模型的训练,每一参与方也可以作为验证方对其他参与方所训练的人工智能模型进行验证。在区块链各参与方的组织节点上部署用于对待验证模型进行验证的验证智能合约以及用于记录模型验证结果的记录智能合约。任一参与方作为训练方时,其组织节点可以称为训练节点,训练节点可以通过区块链客户端提交交易背书提案。任一节点作为验证方时,其组织节点可以称为验证节点。
举例说明,区块链的一参与方利用本地数据进行模型训练,得到待验证模型,通过区块链客户端,调用send Transaction Proposal()方法,提交待验证模型的背书提案。区块链客户端能够接收到训练节点提交的对应于待验证模型的背书提案。
在操作102中,将第一背书提案对应的待验证模型发送至区块链中的多个验证节点;其中,待验证模型为训练节点训练得到的,多个验证节点为区块链中的至少部分节点。
在本申请这一实施例中,可以将所有参与方均作为验证方,并将第一背书提案发送至区块链的所有参与方的组织节点。也可以仅将训练方之外的其他参与方作为验证方,并将第一背书提案发送至验证方的验证节点。当然还可以根据实际需求随机从所有参与方中选取设定数量的参与方作为验证方,并将第一背书提案发送至所选取的验证方的验证节点。此外,还可以根据实际需要设定其他选取验证方的方式,并将第一背书提案发送至所选取的验证方的验证节点。本发明对此不作具体限定。
在操作103中,接收每一验证节点发送的针对待验证模型的验证反馈。
在本申请这一实施例中,每一验证节点接收到第一背书提案时,均可以自动触发相应的验证智能合约,模拟执行验证智能合约对第一交易背书提案相应地待验证模型进行分布式模型验证。每一验证节点将对待验证模型的验证反馈发送至区块链客户端。
其中,验证反馈是验证节点利用本地数据对待验证进行模型验证得到的结果。例如:验证节点A运行智能合约,利用本地数据对待验证模型M1进行验证,得到待验证模型M1的识别精确度为80%,而区块链上当前最优模型对验证节点A的本地数据的识别精确度为75%,由此,利用待验证模型M1对验证节点A的本地数据的识别精确度高于利用区块链上当前最优模型对验证节点A的本地数据的识别精确度。因此,验证节点A对待识别模型M1的验证反馈可以是识别精确度为80%,也可以是识别精确度高于区块链上当前最优模型的识别精确度,可以根据需要进行设定。
在操作104中,根据接收到的验证反馈得到验证结果,验证结果用于表征待验证模型的质量。
在本申请这一实施例中,根据接收到的验证反馈得到验证结果,包括:确定验证反馈中满足第一条件的验证反馈的数量;根据数量以及验证反馈的总数量得到验证结果。
举例说明,区块链客户端接收到多个验证节点所发送的验证反馈后,首先确定所接收到的验证反馈中满足第一条件的验证反馈的数量。若验证反馈为模型结果为模型精度值,则第一条件可以是模型精度值大于设定精度阈值。设定精度阈值可以是一个确定的值,例如:80%、85%或90%等,设定精度阈值还可以是区块链上当前最优模型的模型精度值。
在满足第一条件的验证反馈的数量大于设定数量时,判定待验证模型的质量为好。设定数量可以是一个确定的值,例如:20、30或者50等。设定数量还可以是根据验证反馈的总数的确定的一个数值,例如:验证反馈的总数为100,验证反馈中存在80%的验证反馈满足第一条件时,判定待验证模型的质为好,则设定数量为80。
当然,还可以采用其他方式来实现根据接收到的验证反馈得到验证结果,例如:首先确定验证反馈的总数与参与方的总数的第一比值,将该比值划分为若干个区间,例如:[0,0.5][0.5,0.7][0.7,0.8][0.8-1];确定验证反馈中满足第一条件的验证反馈的数量与所接收到的验证反馈的总数的第二比值;在第一比值位于区间[0,0.5],并且第二比值大于98%时,判定待验证模型的质量为好;在第一比值位于区间[0.5,0.7],并且第二比值大于90%时,判定待验证模型的质量为好;在第一比值位于区间[0.7,0.8],并且第二比值大于80%时,判定待验证模型的质量为好;在第一比值位于区间[0.8-1],并且第二比值大于75%时,判定待验证模型的质量为好。实际应用过程中,还可以采用其他合适的方式确定对待验证模型的验证结果,例如:从各个验证方接收到的验证反馈均为一个模型精度值,验证结果为各个验证反馈的值的加权平均值。本申请对此不做具体限定。
在操作105中,在区块链上建立验证结果对应的区块。
在本发明这一实施例中,根据验证结果生成新的背书提案,并将背书提案发送至区块链中的参与方的组织节点,包括训练节点和多个验证节点,以在各参与方的组织节点记录验证结果。
根据本申请的另一实施例,验证反馈包括验证节点运行验证智能合约对待验证模型进行验证所得到的第一读写集。验证反馈为验证方根据本地数据对待验证模型进行验证得到的。
在本申请的这一实施例中,验证节点接收到第一背书提案时,模拟执行验证智能合约,以对待验证模型进行分布式验证,并将模拟执行智能合约产生的第一读写集发送至区块链客户端。
举例说明,验证节点B接收到第一背书提案时,对第一背书提案对应的待验证模型M2进行验证,产生的读写集可以包括读取利用验证节点B接收到的待验证模型M2以及待验证模型M2的训练节点,并根据验证节点B的本地数据模拟运行待验证模型M2产生验证记录,将所读取的数据和所产生的相应的验证记录合称为第一读写集。
根据本申请的另一实施例,在区块链上建立验证结果对应的区块,包括:根据验证结果生成第二背书提案;将第二背书提案发送至区块链中的多个验证节点;接收每一验证节点发送的针对第二背书提案运行记录智能合约得到的第二读写集;根据第二读写集,在区块链上构建验证结果对应的区块。
在本申请的这一实施例中,区块链客户端根据验证结果生成新的背书提案,调用send Transaction Proposal()方法,将新的交易背书提案发送至各参与方的组织节点,包括训练节点和多个组织节点。各参与方接收到新的背书提案后,运行记录智能合约,对包含验证结果的背书提案进行确认,产生第二读写集,并将读写集反馈至区块链客户端。其中,第二读写集可以包括读取验证结果所验证的待验证模型、待验证模型的训练节点、参与验证的验证节点、每一验证节点对待验证模型的验证反馈和待验证模型的验证结果等记录,并确认包含验证结果的新的背书提案是否存在异常产生确认记录,将确认记录反馈至区块链客户端。将验证节点B所读取的数据和所产生的相应的确认记录合称为第二读写集。根据第二读写集,在区块链上构建验证结果对应的区块。
根据本申请的另一实施例,根据第二读写集,在区块链上构建验证结果对应的区块,包括:根据第二读写集,生成对应于验证结果的背书请求;将背书请求发送至区块链的多个组织节点,以通过每一组织节点更新组织节点对应的区块链数据;其中,组织节点至少包括训练节点和多个验证节点。
在本申请的这一实施例中,区块链客户端调用send Transaction()方法将所接收到的第二读写集打包成区块链交易提交至区块链的排序节点,排序节点将该区块链交易打包成区块,并将区块发送至各参与方的组织节点,以在Hyperledger Fabric中记录该区块。
根据本申请的另一实施例,本申请还根据验证结果,确定待验证模型是否达到第二条件;在判定待验证模型达到第二条件的情况下,判定模型训练任务结束。
在本申请的这一实施例中,为了不断地优化基于区块链所训练的人工智能模型,可以循环执行上传操作101~105,直至所训练的人工智能模型的精度达到预期的精度值,结束模型训练任务。这里,预期的精度值可以在基于区块链进行模型训练的任务发起方发起任务时确定,也可以在模型训练的过程中,根据各参与方所训练的模型的情况临时设定。
在本申请的这一实施例中,第二条件可以是待验证模型的模型精度达到收敛阈值。其中,收敛阈值可以是一个确定的值,例如:85%、90%或95%等。收敛阈值还可以是根据区块链上的当前最优模型的精确确定的值,举例说明,区块链上的当前最优模型的模型精度为F1,收敛阈值可以为1.5*F1。例如:区块链接收到训练节点C提交的第一背书提案对应的待验证模型M3的验证结果为模型精度90%,区块链上当前最优模型的模型精度为55%,1.5*55%=82.5%,由于90%>82.5%,区块链接收到训练节点C提交的第一背书提案对应的待验证模型M3的验证结果满足第二条件,判定模型训练任务结束,最终得到的人工智能模型为训练节点C提交的第一背书提案对应的模型。
根据本申请的另一实施例,根据验证结果,判断确定待验证模型是否达到第二条件,包括:确定验证结果中用于表征待验证模型的质量的参数是否达到设定阈值。
举例说明,待验证模型为语音识别模型,验证结果中用于表征待验证模型的质量的参数识别率为75%,设定阈值为80%,则表明确定验证结果中用于表征待验证模型的质量的参数未达到设定阈值。
若识别准确率达到80%,甚至更高,则认为待验证模型满足第二条件,此时,可以结束模型训练。
以上模型验证方法,在接收到训练节点提交的第一背书提案后,即将背书提案对应的待验证模型发送至多个验证节点,并接收验证节点的验证反馈,进一步根据验证反馈得到待验证模型的验证结果,从而在所述区块链上建立所述验证结果对应的区块。由此,实现对待验证模型的分布式验证保护各参与方的数据隐私的同时,实现了对于每一待验证模型的多参与方验证,确保对于每一待验证模型的验证结果不可篡改,充分保证参与方验证结果的可信度。
进一步地,本申请的这一实施例还提供一种模型验证装置,如图2所示,该装置20包括:第一接收模块201,用于接收区块链中的训练节点提交的第一背书提案;背书模块202,用于将第一背书提案对应的待验证模型发送至区块链中的多个验证节点;其中,待验证模型为训练节点训练得到的,多个验证节点为区块链中的至少部分节点;第二接收模块203,用于接收每一验证节点发送的针对待验证模型的验证反馈;验证结果确定模块204,用于根据接收到的验证反馈得到验证结果,验证结果用于表征待验证模型的质量;区块构建模块205,用于在区块链上建立验证结果对应的区块。
根据本申请的另一实施例,验证结果确定模块204包括:确定验证反馈中满足第一条件的验证反馈的数量;根据数量以及验证反馈的总数量得到验证结果。
根据本申请的另一实施例,验证反馈包括:验证节点运行验证智能合约对待验证模型进行验证所得到的第一读写集。
根据本申请的另一实施例,验证反馈为验证方根据本地数据对待验证模型进行验证得到的。
根据本申请的另一实施例,区块构建模块205包括:提案生成子模块,用于根据验证结果生成第二背书提案;发送子模块,用于将第二背书提案发送至区块链中的多个验证节点;验证接收子模块,用于接收每一验证节点发送的针对第二背书提案运行记录智能合约得到的第二读写集;构建子模块,用于根据第二读写集,在区块链上构建验证结果对应的区块。
根据本申请的另一实施例,构建子模块根据第二读写集,在区块链上构建验证结果对应的区块,包括:根据第二读写集,生成对应于验证结果的背书请求;将背书请求发送至区块链的多个组织节点,以通过每一组织节点更新组织节点对应的区块链数据;其中,组织节点至少包括训练节点和多个验证节点。
根据本申请的另一实施例,方法包括:结果确定模块,用于根据验证结果,确定待验证模型是否达到第二条件;任务确定模块,用于在判定待验证模型达到第二条件的情况下,判定模型训练任务结束。
根据本申请的另一实施例,结果确定模块根据验证结果,判断确定待验证模型是否达到第二条件,包括:确定验证结果中用于表征待验证模型的质量的参数是否达到设定阈值。
进一步的,本申请的这一实施例还公开了一种电子设备3,如图3所示,该电子设备30包括至少一个处理器301、以及与处理器301连接的至少一个存储器302、总线303;其中,处理器301、存储器302通过总线303完成相互间的通信;处理器301用于调用存储器302中的程序指令,以执行上述模型验证方法。
这里需要指出的是:以上对针对模型验证装置实施例的描述,与前述图1所示的方法实施例的描述是类似的,具有同前述图1所示的方法实施例相似的有益效果,因此不做赘述。对于本申请模型验证装置实施例中未披露的技术细节,请参照本申请前述图1所示的方法实施例的描述而理解,为节约篇幅,因此不再赘述。
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。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本申请各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例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中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种模型验证方法,所述方法包括:
接收区块链中的训练节点提交的第一背书提案;
将所述第一背书提案对应的待验证模型发送至所述区块链中的多个验证节点;其中,所述待验证模型为所述训练节点训练得到的,多个所述验证节点为所述区块链中的至少部分节点;
接收每一所述验证节点发送的针对所述待验证模型的验证反馈;
根据接收到的所述验证反馈得到验证结果,所述验证结果用于表征所述待验证模型的质量;
在所述区块链上建立所述验证结果对应的区块。
2.根据权利要求1所述的方法,所述根据接收到的所述验证反馈得到验证结果,包括:
确定所述验证反馈中满足第一条件的验证反馈的数量;
根据所述数量以及所述验证反馈的总数量得到所述验证结果。
3.根据权利要求1所述的方法,所述验证反馈包括:所述验证节点运行验证智能合约对所述待验证模型进行验证所得到的第一读写集。
4.根据权利要求1所述的方法,所述验证反馈为所述验证方根据本地数据对所述待验证模型进行验证得到的。
5.根据权利要求1所述的方法,所述在所述区块链上建立所述验证结果对应的区块,包括:
根据所述验证结果生成第二背书提案;
将所述第二背书提案发送至所述区块链中的多个验证节点;
接收每一所述验证节点发送的针对所述第二背书提案运行记录智能合约得到的第二读写集;
根据所述第二读写集,在所述区块链上构建所述验证结果对应的区块。
6.根据权利要求5所述的方法,所述根据所述第二读写集,在所述区块链上构建所述验证结果对应的区块,包括:
根据所述第二读写集,生成对应于所述验证结果的背书请求;
将所述背书请求发送至所述区块链的多个组织节点,以通过每一所述组织节点更新所述组织节点对应的区块链数据;其中,所述组织节点至少包括所述训练节点和多个所述验证节点。
7.根据权利要求1所述的方法,所述方法包括:
根据所述验证结果,确定所述待验证模型是否达到第二条件;
在判定所述待验证模型达到第二条件的情况下,判定模型训练任务结束。
8.根据权利要求6所述的方法,所述根据所述验证结果,判断确定所述待验证模型是否达到第二条件,包括:确定所述验证结果中用于表征所述待验证模型的质量的参数是否达到设定阈值。
9.一种模型验证装置,所述装置包括:
第一接收模块,用于接收区块链中的训练节点提交的第一背书提案;
背书模块,用于将所述第一背书提案对应的待验证模型发送至所述区块链中的多个验证节点;其中,所述待验证模型为所述训练节点训练得到的,多个所述验证节点为所述区块链中的至少部分节点;
第二接收模块,用于接收每一所述验证节点发送的针对所述待验证模型的验证反馈;
验证结果确定模块,用于根据接收到的所述验证反馈得到验证结果,所述验证结果用于表征所述待验证模型的质量;
区块构建模块,用于在所述区块链上建立所述验证结果对应的区块。
10.一种电子设备,所述电子设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线;其中,所述处理器、所述存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行权利要求1-8中任一项所述的模型验证方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011416165.9A CN112685792A (zh) | 2020-12-04 | 2020-12-04 | 一种模型验证方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011416165.9A CN112685792A (zh) | 2020-12-04 | 2020-12-04 | 一种模型验证方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112685792A true CN112685792A (zh) | 2021-04-20 |
Family
ID=75447468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011416165.9A Pending CN112685792A (zh) | 2020-12-04 | 2020-12-04 | 一种模型验证方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112685792A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115412336A (zh) * | 2022-08-26 | 2022-11-29 | 国网数字科技控股有限公司 | 联盟链账本篡改攻击检测方法、装置及电子设备 |
EP4109256A1 (en) * | 2021-06-25 | 2022-12-28 | INTEL Corporation | Model propagation in edge architectures |
EP4203381A1 (en) * | 2021-12-22 | 2023-06-28 | INTEL Corporation | Methods and apparatus for attestation for a constellation of edge devices |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108846673A (zh) * | 2018-07-02 | 2018-11-20 | 苏州我的打工人力资源有限公司 | 一种区块数据的处理方法、装置、设备和存储介质 |
CN108990002A (zh) * | 2018-06-27 | 2018-12-11 | 柳州市蓝海数链科技有限公司 | 一种区块链数据处理方法、装置、终端及存储介质 |
CN109493203A (zh) * | 2018-09-30 | 2019-03-19 | 咪咕文化科技有限公司 | 一种数据核算方法、装置及存储介质 |
CN110619317A (zh) * | 2019-09-26 | 2019-12-27 | 联想(北京)有限公司 | 模型训练方法、模型训练装置和电子设备 |
CN111127005A (zh) * | 2019-11-18 | 2020-05-08 | 远光软件股份有限公司 | 区块链的交易背书方法、电子设备和存储介质 |
-
2020
- 2020-12-04 CN CN202011416165.9A patent/CN112685792A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108990002A (zh) * | 2018-06-27 | 2018-12-11 | 柳州市蓝海数链科技有限公司 | 一种区块链数据处理方法、装置、终端及存储介质 |
CN108846673A (zh) * | 2018-07-02 | 2018-11-20 | 苏州我的打工人力资源有限公司 | 一种区块数据的处理方法、装置、设备和存储介质 |
CN109493203A (zh) * | 2018-09-30 | 2019-03-19 | 咪咕文化科技有限公司 | 一种数据核算方法、装置及存储介质 |
CN110619317A (zh) * | 2019-09-26 | 2019-12-27 | 联想(北京)有限公司 | 模型训练方法、模型训练装置和电子设备 |
CN111127005A (zh) * | 2019-11-18 | 2020-05-08 | 远光软件股份有限公司 | 区块链的交易背书方法、电子设备和存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4109256A1 (en) * | 2021-06-25 | 2022-12-28 | INTEL Corporation | Model propagation in edge architectures |
EP4203381A1 (en) * | 2021-12-22 | 2023-06-28 | INTEL Corporation | Methods and apparatus for attestation for a constellation of edge devices |
CN115412336A (zh) * | 2022-08-26 | 2022-11-29 | 国网数字科技控股有限公司 | 联盟链账本篡改攻击检测方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112685792A (zh) | 一种模型验证方法、装置及电子设备 | |
CN112132292B (zh) | 基于区块链的纵向联邦学习数据处理方法、装置及系统 | |
CN109493204B (zh) | 基于区块链的业务记账方法及终端设备 | |
CN112508566B (zh) | 基于联盟链的跨链隐私交易方法及设备 | |
CN108932348A (zh) | 区块链的合并处理方法、装置、区块链节点及存储介质 | |
CN109683869A (zh) | Dapp的开发方法和装置 | |
CN107360001A (zh) | 一种数字证书管理方法、装置和系统 | |
CN110826903A (zh) | 一种基于区块链的企业信誉度评估方法 | |
CN112000744B (zh) | 一种签名方法及相关设备 | |
CN110298421A (zh) | 一种二维码的在线生成、离线生成和验证方法及装置 | |
CN107392618A (zh) | 植入智能合约的方法和设备 | |
CN108876113B (zh) | 一种考核管理方法、装置、终端设备及系统 | |
CN108234127A (zh) | 一种基于区块链的物联方法及装置 | |
CN109359972A (zh) | 核身产品推送及核身方法和系统 | |
CN110135850A (zh) | 一种信息处理方法和相关装置 | |
CN109255056A (zh) | 区块链的数据引用处理方法、装置、设备及存储介质 | |
CN108718337A (zh) | 网站账号登录、验证、验证信息处理方法、装置及系统 | |
CN109828958A (zh) | 基于区块链的事件记录方法及记录系统 | |
CN110337076A (zh) | 短信平台接口测试方法、装置、计算机设备及存储介质 | |
CN108600234A (zh) | 一种身份验证方法、装置和移动终端 | |
CN111445209A (zh) | 一种基于区块链的电子合同签署方法、装置和存储介质 | |
CN113744053A (zh) | 碳排数据处理方法、系统、电子设备和可读存储介质 | |
CN112488725A (zh) | 隐私授权转账方法、设备和存储介质 | |
CN113326500B (zh) | 结合边缘计算和云边融合的信息验证方法及中心云平台 | |
CN109450639A (zh) | 身份验证的方法、装置、电子设备及计算机可读存储介质 |
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 |