CN116308348A - 基于区块链的机器学习模型安全交易方法、系统及设备 - Google Patents
基于区块链的机器学习模型安全交易方法、系统及设备 Download PDFInfo
- Publication number
- CN116308348A CN116308348A CN202310185122.1A CN202310185122A CN116308348A CN 116308348 A CN116308348 A CN 116308348A CN 202310185122 A CN202310185122 A CN 202310185122A CN 116308348 A CN116308348 A CN 116308348A
- Authority
- CN
- China
- Prior art keywords
- machine learning
- learning model
- transaction
- blockchain
- intelligent contract
- 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.)
- Granted
Links
- 238000010801 machine learning Methods 0.000 title claims abstract description 215
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000011156 evaluation Methods 0.000 claims description 16
- 238000012360 testing method Methods 0.000 claims description 16
- 238000013441 quality evaluation Methods 0.000 claims description 15
- 238000001303 quality assessment method Methods 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
Images
Classifications
-
- 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
- H04L9/0861—Generation of secret information including derivation or calculation of cryptographic keys or passwords
-
- 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
- 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
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Control Of Vending Devices And Auxiliary Devices For Vending Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于区块链的机器学习模型安全交易方法、系统及设备,包括:向区块链平台上传欲交易的机器学习模型的可公开信息和向可公开访问云服务上传机器学习模型密文;待接收到购买端基于欲购的机器学习模型发起的交易智能合约后,接收由售卖端生成对应机器学习模型密文的密钥;向购买端发送用购买者公钥加密的密钥密文,以使购买端基于交易智能合约、密钥密文下载并解密对应的机器学习模型。本发明提供的方法可以有效保障待售机器学习模型的机密性,最后购买端只能通过其发起的交易智能合约和密钥密文对机器学习模型进行下载和解密,保证了购买端唯一性,确保交易的顺利进行,切实保证机器学习模型交易的安全性。
Description
技术领域
本发明涉及线上安全交易技术领域,尤其是涉及一种基于区块链的机器学习模型安全交易方法及系统。
背景技术
基于机器学习算法的应用从根本上改变了人们的生活,例如人脸识别、自动驾驶汽车和疾病诊断等。其中,机器学习服务(MLaaS,Machine Learning as aService)在基于机器学习算法的应用中是不可或缺的部分,云服务器通过提供深度学习、数据可视化、预测分析、识别等工具,同时也在模型训练和评估、预处理等基础设施问题方面减轻用户负担,使得每个没有训练数据或者机器学习模型的用户能够享受到机器学习算法所带来的服务。然而,现有技术缺乏针对敏感用户数据进行训练的模型,当前全球机器学习初创公司已达上万家,许多MLaaS初创公司无法获得训练良好的模型来开展业务,因而很多初创公司便需要通过交易获取必要的机器学习模型。
然而,现阶段缺乏成熟的机器学习模型安全交易机制,无法保障交易的安全性,且现有的交易机制无法客观地衡量交易模型的质量,模型质量存在严重参差不齐的问题,无法保障初创公司的利益。
发明内容
本发明旨在提供一种基于区块链的机器学习模型安全交易方法及系统,以解决上述技术问题,保证机器学习模型交易的安全性。
为了解决上述技术问题,本发明提供了一种基于区块链的机器学习模型安全交易方法,包括以下步骤:
向区块链平台上传欲交易机器学习模型可公开信息和向可公开访问云服务上传加密机器学习模型;
待接收到购买端基于欲购的机器学习模型可公开信息发起的交易智能合约后,售卖端生成的用于加密机器学习模型的密钥密文;
向购买端发送密钥密文,以使购买端基于交易智能合约、密钥密文对加密机器学习模型密文进行下载和解密,得到对应的机器学习模型,完成交易。
上述方案中,通过在区块链平台实现机器学习模型的交易,其需要在购买端发起交易智能合约后,才能完成对应加密机器学习模型密钥的密文的生成,有效保障的待售机器学习模型的机密性,最后购买端只能通过其发起的交易智能合约和密钥密文对机器学习模型进行下载,保证了购买端唯一性,确保交易的顺利进行,切实保证机器学习模型交易的安全性。
进一步地,所述向区块链平台上传欲交易机器学习模型可公开信息和向可公开访问云服务上传机器学习模型密文,包括:
向区块链平台上传欲交易机器学习模型的第一承诺;
将欲交易机器学习模型加载到可信执行环境中并生成关于欲交易机器学习模型的第二承诺;
当第一承诺、第二承诺相同时,售卖端对欲交易机器学习模型进行质量评估;
接收并将质量评估结果发送至区块链平台提供的模型评估智能合约,由区块链平台基于质量评估结果进行验证;
区块链平台为验证通过的欲交易机器学习模型进行定价及性能展示。
上述方案中,通过将上传的第一承诺与可信执行环境生成的第二承诺进行比较,即对链上承诺与链下承诺的比较,只有链上承诺、链下承诺一致的时候,才能实现对机器学习模型的质量评估及上传,确保售卖端模型的真实性,提高交易的可靠性。
进一步地,所述当第一承诺、第二承诺相同时,对欲交易机器学习模型进行质量评估,具体为:
当第一承诺、第二承诺相同时,向区块链平台发出模型评估智能合约请求,由可信执行环境从指定数据源下载基准测试数据集,并对欲交易机器学习模型进行质量评估。
上述方案中,通过可信执行环境生成基准测试数据集,克服了区块链平台上只能有确定数据的局限性,通过生成的基准测试数据集可以对机器学习模型进行重复的测试评估,保证机器学习模型性能的客观性,进一步提高了被交易模型的可靠性。
进一步地,在所述待接收到购买端基于欲购的机器学习模型可公开信息发起的交易智能合约后,售卖端生成的用于解密机器学习模型的密钥密文中,所述交易智能合约包括机器学习模型序号信息和购买端公钥;基于机器学习模型序号信息确定对应机器学习模型的密钥,并由购买端公钥对密钥进行加密,以生成对应加密机器学习模型密钥的密文。
上述方案中,在购买端,机器学习模型序号信息是机器学习模型的唯一信息,其包含了模型的价格、承诺等,可以为购买端提供必要的购买信息,购买端公钥含有购买端的唯一信息,可以保证购买端的唯一性。而在售卖端,机器学习模型序号信息可以获取到对应机器学习模型的密钥,利用购买端公钥对密钥进行加密生成的密钥密文,保证购买端与机器学习模型的准确对应,提高交易的安全性。
进一步地,所述待接收到购买端基于欲购的机器学习模型可公开信息发起的交易智能合约后,售卖端生成的用于加密机器学习模型的密钥密文,具体为:待接收到购买端基于欲购的机器学习模型可公开信息发起的交易智能合约后,接收由可信执行环境基于交易智能合约生成用于加密机器学习模型的密钥密文。
本发明提供一种基于区块链的机器学习模型安全交易方法,包括以下步骤:
基于欲购的机器学习模型向区块链平台发起的交易智能合约,以使售卖端接收基于可信执行环境生成的机器学习模型密钥密文;
获取针对交易智能合约返回的密钥密文;
基于交易智能合约、密钥密文下载对应的机器学习模型,完成交易;
所述机器学习模型由售卖端上传至区块链平台。
上述方案中,对于购买端而言,其仅需选择好欲购的机器学习模型并发出对应的交易智能合约,便可以准确获取到对应的密钥密文对机器学习模型进行下载,交易快捷,安全性高。
进一步地,在所述基于欲购的机器学习模型向区块链平台发起的交易智能合约中,所述交易智能合约包括机器学习模型序号信息和购买端公钥。
本发明提供一种基于区块链的机器学习模型安全交易系统,包括售卖端、购买端、区块链平台和可信执行环境,其中:
所述售卖端用于向区块链平台上传欲交易机器学习模型,基于购买端欲购的机器学习模型发起的交易智能合约,接收由可信执行环境生成加密机器学习模型密钥的密文,并将密钥密文发送至区块链平台;
所述购买端用于基于欲购的机器学习模型向区块链平台发起的交易智能合约,获取针对交易智能合约返回的密钥密文并基于交易智能合约、密钥密文下载对应的机器学习模型。
上述系统搭建简单,实现方便,其基于区块链平台实现机器学习模型的交易,在购买端发起交易智能合约后才能完成对应加密机器学习模型密钥的密文的生成,有效保障待售机器学习模型的机密性,而购买端只能通过其发起的交易智能合约和密钥密文对机器学习模型进行下载并解密,保证了购买端唯一性,确保交易的顺利进行,可以切实保证机器学习模型交易的安全性。
本发明还提供一种基于区块链的机器学习模型安全交易设备,包括第一处理器和第一存储器,所述第一处理器和第一存储器耦合形成售卖端,所述第一存储器存储有程序,所述程序由所述第一处理器执行,使得所述基于区块链的机器学习模型安全交易设备执行上述的基于区块链的机器学习模型安全交易方法。
附图说明
图1为本发明一实施例提供的一种基于区块链的机器学习模型安全交易方法售卖端流程示意图;
图2为本发明一实施例提供的一种基于区块链的机器学习模型安全交易方法购买端流程示意图;
图3为本发明一实施例提供的一种基于区块链的机器学习模型安全交易系统架构图。
具体实施方式
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、完整的描述,显然,所描述的实施例仅仅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作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。
请参见图1,本实施例提供了一种基于区块链的机器学习模型安全交易方法,包括以下步骤:
A1:向区块链平台上传欲交易机器学习模型可公开信息和向可公开访问云服务上传加密机器学习模型;
A2:待接收到购买端基于欲购的机器学习模型可公开信息发起的交易智能合约后,售卖端生成的用于加密机器学习模型的密钥密文;
A3:向购买端发送密钥密文,以使购买端基于交易智能合约、密钥密文对加密机器学习模型密文进行下载和解密,得到对应的机器学习模型,完成交易。
在本实施例中,通过在区块链平台实现机器学习模型的交易,其需要在购买端发起交易智能合约后,才能完成对应加密机器学习模型密钥密文的生成,有效保障的待售机器学习模型的机密性,最后购买端只能通过其发起的交易智能合约和密钥密文对机器学习模型进行下载,保证了购买端唯一性,确保交易的顺利进行,切实保证机器学习模型交易的安全性。
需要说明的是,区块链平台是一种去中心化交易平台,其可以实现点对点的市场交易,即无提供买卖服务的中间商参与下,实现买卖双方的直接交易,可以减少交易的抽成开销。
进一步地,所述向区块链平台上传欲交易机器学习模型可公开信息和向可公开访问云服务上传机器学习模型密文,具体为:
A11:向区块链平台上传欲交易机器学习模型的第一承诺;
A12:将欲交易机器学习模型加载到可信执行环境中并生成关于欲交易机器学习模型的第二承诺;
A13:当第一承诺、第二承诺相同时,售卖端对欲交易机器学习模型进行质量评估;
A14:接收并将质量评估结果发送至区块链平台提供的模型评估智能合约,由区块链平台基于质量评估结果进行验证;
A15:区块链平台为验证通过的欲交易机器学习模型进行定价及性能展示。
在本实施例中,通过将上传的第一承诺与可信执行环境生成的第二承诺进行比较,即对链上承诺与链下承诺的比较,只有链上承诺、链下承诺一致的时候,才能实现对机器学习模型的质量评估及上传,确保售卖端模型的真实性,提高交易的可靠性。
需要说明的是,本实施例提供了一种链上、链上模型质量协同评估的方式,其可以有效避免机器学习模型实际交易过程中出现的由于售卖端不诚实导致购买端最终购买的模型与承诺不一致的问题出现,切实保障购买端的利益。
进一步地,所述当第一承诺、第二承诺相同时,对欲交易机器学习模型进行质量评估,具体为:
当第一承诺、第二承诺相同时,向区块链平台发出模型评估智能合约请求,由可信执行环境从指定数据源下载基准测试数据集,并对欲交易机器学习模型进行质量评估。
在本实施例中,通过可信执行环境生成基准测试数据集,克服了区块链平台上只能有确定数据的局限性,保证基准测试数据集是真是可靠的。而通过生成的基准测试数据集可以对机器学习模型进行重复的测试评估,可以保证机器学习模型性能的客观性,进一步提高了交底的可靠性。
需要说明的是,区块链平台原始的智能合约设计是没有提供对链外数据认证上链的接口,而对于机器学习模型进行质量评估的数据需要安全认证,因此通过区块链平台、可信执行环境构成链上、链下的协同运作,才能实现对机器学习模型质量的评估。
进一步地,在所述待接收到购买端基于欲购的机器学习模型可公开信息发起的交易智能合约后,售卖端生成的用于解密机器学习模型的密钥密文中,所述交易智能合约包括机器学习模型序号信息和购买端公钥;基于机器学习模型序号信息确定对应机器学习模型的密钥,并由购买端公钥对密钥进行加密,以生成对应加密机器学习模型密钥的密文。
在本实施例中,在购买端,机器学习模型序号信息是机器学习模型的唯一信息,其包含了模型的价格、承诺等,可以为购买端提供必要的购买信息,购买端公钥含有购买端的唯一信息,可以保证购买端的唯一性。而在售卖端,机器学习模型序号信息可以获取到对应机器学习模型的密钥,利用购买端公钥对密钥进行加密生成的密钥密文,保证购买端下载机器学习模型密文后可以解密并获得模型,提高交易的安全性。
进一步地,所述待接收到购买端基于欲购的机器学习模型发起的交易智能合约后,接收由售卖端生成对应加密机器学习模型密钥的密文,具体为:待接收到购买端基于欲购的机器学习模型发起的交易智能合约后,接收由可信执行环境生成对应加密机器学习模型密钥的密文。
其参见图2,本实施例提供一种基于区块链的机器学习模型安全交易方法,包括以下步骤:
B1:基于欲购的机器学习模型向区块链平台发起的交易智能合约,以使售卖端接收由可信执行环境生成的机器学习模型密钥密文;
B2:获取针对交易智能合约返回的密钥密文;
B3:基于交易智能合约、密钥密文下载并解密对应的机器学习模型,完成交易;
所述机器学习模型由售卖端上传至区块链平台。
在本实施例中,对于购买端而言,其仅需选择好欲购的机器学习模型并发出对应的交易智能合约,便可以准确获取到对应的密钥密文对机器学习模型进行下载,交易快捷,安全性高。
进一步地,在所述基于欲购的机器学习模型向区块链平台发起的交易智能合约中,所述交易智能合约包括机器学习模型序号信息和购买端公钥。
为了进一步说明本发明提供方法的技术特征,凸显其技术优势,本实施例提供一种基于区块链的机器学习模型安全交易方法的实际应用。具体包括:
模型质量评估阶段:
首先,由售卖端向区块链平台提交针对其机器学习模型参数的第一承诺及模型报告并发出模型评估智能合约请求,该操作将触发区块链上模型评估智能合约执行,使其从区块链平台读取该模型的承诺。在生成承诺时,售卖端需要提供一份关于正确生成承诺的证明,表示提交至区块链平台的承诺是真实对应于链下机密后机器学习模型的承诺。所述第一承诺的生成方式可以为:售卖端预先用额外一个可信执行环境生成关于机器学习模型的密文,与此同时,生成机器学习模型的承诺,可信执行环境输出一个证明,表示密文和承诺是针对同一个机器学习模型生成的。
接着,售卖端将机器学习模型加载到本地主机的可信执行环境内并生成关于机器学习模型的第二承诺。并在可信执行环境内对比第一承诺、第二承诺是否一致,若是,则进行模型质量评估过程,否则,中断执行。
模型质量评估过程具体为:由模型评估智能合约请求链外认证数据源并获得从基准测试数据集随机采样的测试数据子集。基准测试数据集包括测试原数据集、添加了破坏因子的数据集和添加了干扰因子的数据集,之所以添加破坏因子和干扰因子是为了更准确地测试机器学习模型的健壮性。由于区块链平台原始智能合约没有提供对链外数据认证的接口,即便链外数据源是安全认证的,不能保证上链的数据是端到端安全认证的。存在该问题是因为区块链平台上的数据依赖于分布式多个节点达成共识,链上不能有不确定的数据,因此原智能合约不能产生随机数。本实施方案具体的办法是在外部数据源和模型评估智能合约之间引入一个可信执行环境,其负责生成随机数和完成上链测试数据的转发,从而确保随机数和测试数据是真实可靠,保证机器学习模型质量被正确评估。
最后由可信执行环境输出模型评估后的性能结果以及正确执行的证明,由售卖端将这些数据发送给模型评估智能合约。评估结果包括用于衡量模型抗破坏健壮性指标mCE、衡量模型抗扰动健壮性指标mFP、衡量模型准确率指标ce。若证明被验证通过,模型评估智能合约根据给定的模型评估性能结果制定模型的价格,并最终将模型的性能结果和价格记录在区块链平台上。定价过程由智能合约执行完成,提供了交易透明性和公平性。
模型交易阶段:
当购买端在阅读区块链平台上关于某个机器学习模型的报告后决定购买时,其可以发起一个交易智能合约,该押金不得少于欲购买模型的价格。另外,也将从区块链平台获取的模型信息写在合约上,包括模型的序号信息,证明该模型是由售卖端预先生成的密钥加密而成的证明,以及对对称密钥k的承诺COM;
接着,售卖端将用于加密模型的密钥加载进可信执行环境并生成相应承诺。售卖端的加密模型此时存储在可公开访问的云服务器上,后续可供交易成功的购买端下载并解密。售卖端将模型购买端的公钥以及在区块链上关于加密模型的密钥的承诺上传到可信执行环境中,由可信执行环境返回一个用购买端公钥加密后的密钥密文,该密钥密文的密钥是用于加密机器学习模型的密钥。
最后,模型购买端获得该密钥密文,通过自己持有的并且与公钥对应的私钥解密该密文得到加密模型的密钥。获得密钥后,购买端可以下载存于可信执行环境的加密模型,通过最终获取模型。与此同时,购买端的押金被发送给售卖端。
本实施例通过设计了链上链下协同的模型公平交易方式,实现购买模型的服务提供商当且仅当其向售卖模型的模型开发人员支付相应报酬之后才获得真实的模型,从而确保模型持有者售卖给MLaaS初创公司模型时的交易安全性。通过这两个阶段,使得互不信任的MLaaS初创公司和模型持有者之间能够在保证模型机密性的前提下,实现高质量模型的高效共享。
请参见图3,本实施例提供一种基于区块链的机器学习模型安全交易系统,包括售卖端、购买端、区块链平台和可信执行环境,其中:
所述售卖端用于向区块链平台上传欲交易机器学习模型,基于购买端欲购的机器学习模型发起的交易智能合约,接收由可信执行环境生成加密机器学习模型密钥的密文,并将密钥密文发送至区块链平台;
所述购买端基于欲购的机器学习模型向区块链平台发起的交易智能合约,获取针对交易智能合约返回的密钥密文并下载对应的机器学习模型密文,然后使用购买端持有的私钥解密密钥密文获得密钥来解密机器学习模型密文。
本实施例提供的系统搭建简单,实现方便,其基于区块链平台实现机器学习模型的交易,在购买端发起交易智能合约后才能完成对应加密机器学习模型密钥的密文的生成,有效保障的待售机器学习模型的机密性,而购买端只能通过其发起的交易智能合约和密钥密文对机器学习模型进行下载,保证了购买端唯一性,确保交易的顺利进行,可以切实保证机器学习模型交易的安全性。
本实施例还提供一种基于区块链的机器学习模型安全交易设备,包括第一处理器和第一存储器,所述第一处理器和第一存储器耦合形成售卖端,所述第一存储器存储有程序,所述程序由所述第一处理器执行,使得所述基于区块链的机器学习模型安全交易设备执行上述的基于区块链的机器学习模型安全交易方法。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.基于区块链的机器学习模型安全交易方法,其特征在于,包括以下步骤:
向区块链平台上传欲交易机器学习模型可公开信息和向可公开访问云服务上传加密机器学习模型;
待接收到购买端基于欲购的机器学习模型可公开信息发起的交易智能合约后,售卖端生成的用于加密机器学习模型的密钥密文;
向购买端发送密钥密文,以使购买端基于交易智能合约、密钥密文对加密机器学习模型密文进行下载和解密,得到对应的机器学习模型,完成交易。
2.根据权利要求1所述的基于区块链的机器学习模型安全交易方法,其特征在于,所述向区块链平台上传欲交易机器学习模型可公开信息和向可公开访问云服务上传机器学习模型密文,包括:
向区块链平台上传欲交易机器学习模型的第一承诺;
将欲交易机器学习模型加载到可信执行环境中并生成关于欲交易机器学习模型的第二承诺;
当第一承诺、第二承诺相同时,售卖端对欲交易机器学习模型进行质量评估;
接收并将质量评估结果发送至区块链平台提供的模型评估智能合约,由区块链平台基于质量评估结果进行验证;
区块链平台为验证通过的欲交易机器学习模型进行定价及性能展示。
3.根据权利要求2所述的基于区块链的机器学习模型安全交易方法,其特征在于,所述当第一承诺、第二承诺相同时,对欲交易机器学习模型进行质量评估,具体为:
当第一承诺、第二承诺相同时,向区块链平台发出模型评估智能合约请求,由可信执行环境从指定数据源下载基准测试数据集,并对欲交易机器学习模型进行质量评估。
4.根据权利要求1所述的基于区块链的机器学习模型安全交易方法,其特征在于,在所述待接收到购买端基于欲购的机器学习模型可公开信息发起的交易智能合约后,售卖端生成的用于解密机器学习模型的密钥密文中,所述交易智能合约包括机器学习模型序号信息和购买端公钥;基于机器学习模型序号信息确定对应机器学习模型的密钥,并由购买端公钥对密钥进行加密,以生成对应加密机器学习模型密钥的密文。
5.根据权利要求1~4任一项所述的基于区块链的机器学习模型安全交易方法,其特征在于,所述待接收到购买端基于欲购的机器学习模型可公开信息发起的交易智能合约后,售卖端生成的用于加密机器学习模型的密钥密文,具体为:待接收到购买端基于欲购的机器学习模型可公开信息发起的交易智能合约后,接收由可信执行环境基于交易智能合约生成用于加密机器学习模型的密钥密文。
6.基于区块链的机器学习模型安全交易方法,其特征在于,包括以下步骤:
基于欲购的机器学习模型向区块链平台发起的交易智能合约,以使售卖端接收基于可信执行环境生成的机器学习模型密钥密文;
获取针对交易智能合约返回的密钥密文;
基于交易智能合约、密钥密文下载对应的机器学习模型,完成交易;
所述机器学习模型由售卖端上传至区块链平台。
7.根据权利要求6所述的基于区块链的机器学习模型安全交易方法,其特征在于,在所述基于欲购的机器学习模型向区块链平台发起的交易智能合约中,所述交易智能合约包括机器学习模型序号信息和购买端公钥。
8.基于区块链的机器学习模型安全交易系统,其特征在于,包括售卖端、购买端、区块链平台和可信执行环境,其中:
所述售卖端用于向区块链平台上传欲交易机器学习模型,基于购买端欲购的机器学习模型发起的交易智能合约,接收由可信执行环境生成的加密机器学习模型密钥的密文,并将密钥密文发送至区块链平台;
所述购买端用于基于欲购的机器学习模型向区块链平台发起的交易智能合约,获取针对交易智能合约返回的密钥密文并基于交易智能合约、密钥密文下载对应的机器学习模型。
9.基于区块链的机器学习模型安全交易设备,其特征在于,包括第一处理器和第一存储器,所述第一处理器和第一存储器耦合,所述第一存储器存储有程序,所述程序由所述第一处理器执行,使得所述基于区块链的机器学习模型安全交易设备执行如权利要求1~5中任一项所述的基于区块链的机器学习模型安全交易方法。
10.基于区块链的机器学习模型安全交易设备,其特征在于,包括第二处理器和第二存储器,所述第二处理器和第二存储器耦合,所述第二储器存储有程序,所述程序由所述第二处理器执行,使得所述基于区块链的机器学习模型安全交易设备执行如权利要求6或7所述的基于区块链的机器学习模型安全交易方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310185122.1A CN116308348B (zh) | 2023-02-27 | 2023-02-27 | 基于区块链的机器学习模型安全交易方法、系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310185122.1A CN116308348B (zh) | 2023-02-27 | 2023-02-27 | 基于区块链的机器学习模型安全交易方法、系统及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116308348A true CN116308348A (zh) | 2023-06-23 |
CN116308348B CN116308348B (zh) | 2024-01-02 |
Family
ID=86793570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310185122.1A Active CN116308348B (zh) | 2023-02-27 | 2023-02-27 | 基于区块链的机器学习模型安全交易方法、系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116308348B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503560A (zh) * | 2019-09-27 | 2019-11-26 | 深圳市网心科技有限公司 | 基于区块链的数据交易方法、数据交易装置及系统 |
CN110570313A (zh) * | 2019-09-27 | 2019-12-13 | 深圳市网心科技有限公司 | 基于区块链的数据交易方法、数据交易装置及系统 |
CN111178880A (zh) * | 2019-12-07 | 2020-05-19 | 江苏通付盾数字化技术有限公司 | 一种零信任和保护数据隐私的安全数据流通方法 |
CN111681002A (zh) * | 2020-06-10 | 2020-09-18 | 浙江工商大学 | 基于区块链的公平数据交易方法及系统 |
CN111833057A (zh) * | 2018-09-30 | 2020-10-27 | 创新先进技术有限公司 | 基于区块链的交易方法、装置和节点设备 |
CN112487103A (zh) * | 2020-12-25 | 2021-03-12 | 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 |
CN112906073A (zh) * | 2021-03-18 | 2021-06-04 | 上海能链众合科技有限公司 | 一种区块链机密计算通用模型的实现方法 |
KR20210067094A (ko) * | 2019-11-29 | 2021-06-08 | 충북대학교 산학협력단 | 블록체인 기반의 머신러닝 학습 모델 무 신뢰 기반 거래 시스템 및 거래 방법 |
CN113569553A (zh) * | 2021-07-28 | 2021-10-29 | 广州芳禾数据有限公司 | 基于改进Adaboost算法的句子相似性判断方法 |
CN114626851A (zh) * | 2022-03-19 | 2022-06-14 | 中央财经大学 | 一种基于区块链的数字资产背书和定价的方法及系统 |
US20220270146A1 (en) * | 2021-02-24 | 2022-08-25 | International Business Machines Corporation | Machine learning annotation and image marketplace using blockchain ledgers |
CN115225285A (zh) * | 2022-07-19 | 2022-10-21 | 上海交通大学 | 基于可信执行环境的数据安全上链实现方法 |
-
2023
- 2023-02-27 CN CN202310185122.1A patent/CN116308348B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111833057A (zh) * | 2018-09-30 | 2020-10-27 | 创新先进技术有限公司 | 基于区块链的交易方法、装置和节点设备 |
CN110503560A (zh) * | 2019-09-27 | 2019-11-26 | 深圳市网心科技有限公司 | 基于区块链的数据交易方法、数据交易装置及系统 |
CN110570313A (zh) * | 2019-09-27 | 2019-12-13 | 深圳市网心科技有限公司 | 基于区块链的数据交易方法、数据交易装置及系统 |
KR20210067094A (ko) * | 2019-11-29 | 2021-06-08 | 충북대학교 산학협력단 | 블록체인 기반의 머신러닝 학습 모델 무 신뢰 기반 거래 시스템 및 거래 방법 |
CN111178880A (zh) * | 2019-12-07 | 2020-05-19 | 江苏通付盾数字化技术有限公司 | 一种零信任和保护数据隐私的安全数据流通方法 |
CN111681002A (zh) * | 2020-06-10 | 2020-09-18 | 浙江工商大学 | 基于区块链的公平数据交易方法及系统 |
CN112487103A (zh) * | 2020-12-25 | 2021-03-12 | 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 |
US20220270146A1 (en) * | 2021-02-24 | 2022-08-25 | International Business Machines Corporation | Machine learning annotation and image marketplace using blockchain ledgers |
CN112906073A (zh) * | 2021-03-18 | 2021-06-04 | 上海能链众合科技有限公司 | 一种区块链机密计算通用模型的实现方法 |
CN113569553A (zh) * | 2021-07-28 | 2021-10-29 | 广州芳禾数据有限公司 | 基于改进Adaboost算法的句子相似性判断方法 |
CN114626851A (zh) * | 2022-03-19 | 2022-06-14 | 中央财经大学 | 一种基于区块链的数字资产背书和定价的方法及系统 |
CN115225285A (zh) * | 2022-07-19 | 2022-10-21 | 上海交通大学 | 基于可信执行环境的数据安全上链实现方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116308348B (zh) | 2024-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110135819B (zh) | 一种基于区块链的第三方可信数据交易系统及方法 | |
CN110766406B (zh) | 资源转移方法、资源转移装置、存储介质及电子设备 | |
US9530126B2 (en) | Secure mobile payment processing | |
CN111989893A (zh) | 证明链和分解 | |
CN109978688A (zh) | 分布式共识系统之访问控制方法及其契约产生器与服务器 | |
CN112383611B (zh) | 基于区块链的文件存证方法、系统及服务器 | |
WO2021082466A1 (zh) | 离线支付 | |
CN111899107B (zh) | 一种基于区块链智能合约的科技服务交易方法 | |
JP2022058590A (ja) | 情報の安全な比較 | |
US11609757B1 (en) | Continuous integration framework for development of software for EMV-based card present transaction processing | |
JP2018531431A6 (ja) | 情報の安全な比較 | |
CN111967860A (zh) | 交易系统、方法以及交易系统中的节点 | |
CN110535807A (zh) | 一种业务鉴权方法、装置和介质 | |
CN111353893A (zh) | 基于区块链的交易数据处理方法及装置 | |
US20230259919A1 (en) | Review engine verification with non-fungible authentication tokens | |
CN111861480A (zh) | 一种流量检测模型交易方法、装置、电子设备及存储介质 | |
CN116071071B (zh) | 基于区块链的数据要素交易方法、系统、存储介质及设备 | |
CN116308348B (zh) | 基于区块链的机器学习模型安全交易方法、系统及设备 | |
KR102556063B1 (ko) | 블록체인 기술기반 중고 컴퓨터 거래 플랫폼 제공 시스템 및 이를 이용한 중고 컴퓨터 거래 서비스 방법 | |
CN112150158B (zh) | 一种区块链交易交付验证方法及装置 | |
CN111445265A (zh) | 一种基于区块链的购房方法和装置 | |
CN112070567A (zh) | 基于区块链的品质管控系统及其控制方法 | |
CN114742656A (zh) | 一种融资评估系统、方法、装置、设备及介质 | |
CN117252702B (zh) | 一种基于区块链的数据资产交易方法及系统 | |
KR102594355B1 (ko) | 비대면 중고물품 거래 서비스 제공 방법 및 장치 |
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 |