买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华东师范大学

摘要：本发明公开了一种基于隐私保护机器学习的区块链算力回收共识方法，其特点是将区块链原本用于哈希运算的算力回收到深度学习过程中，并保护模型和数据的隐私性，具体包括：初始化阶段、任务发布阶段、训练阶段，模型验证阶段和模型验证阶段。本发明与现有技术相比具有将用于哈希运算的算力转为用于机器学习，提出基于密文的矩阵线性组合方案，用于神经网络输入层的加密运算，得到加密的评估结果并进行解密，后续的运算基于明文进行，最终得到预测标签。实现共识节点的算力回收的同时，对数据集以及模型实现保密，保证输入数据和输入层参数的隐私性的同时，剩余层基于明文进行计算，大大降低了共识节点的计算，具有良好的运用前景和商业开发价值。

主权项：1.一种基于隐私保护机器学习的区块链算力回收共识方法，包括由模型请求者、共识节点、加密服务提供商、云服务器、区块链网络及全节点组成的系统，其特征在于，采用将区块链用于哈希运算的算力回收到深度学习过程中，实现一种非交互的区块链算力回收共识，具体包括以下几个步骤：步骤a：初始化阶段模型请求者和共识节点分别生成加密和解密密钥对，模型请求者用加密密钥对数据集进行加密并生成随机数，然后对密文进行盲化处理；步骤b：任务发布阶段模型请求者发布任务信息，并将加密和解密密钥对发给加密服务提供商，随机数发给云服务器，所述任务信息包括：任务描述、加密且盲化的训练数据集和初始模型架构；步骤c：第一轮共识节点的训练阶段epochkk=0共识节点从区块链中获取任务信息，根据初始模型架构生成初始模型参数，其中输入层的偏置值由模型请求者提供并且加密，共识节点生成随机数，对数据集和参数进行加密的线性组合运算，并用随机数对运算结果进行盲化，然后将盲化密文发给云服务器；步骤d：第一轮云服务器的训练阶段epochkk=0云服务器将盲化密文中模型请求者相关的随机数进行去除，并发给加密服务提供商；步骤e：第一轮加密服务提供商的训练阶段epochkk=0加密服务提供商对盲化密文用模型请求者的解密密钥进行解密，并发给共识节点；步骤f：第一轮共识节点的再次训练阶段epochkk=0共识节点获得盲化的明文，利用自己生成的随机数对明文去盲，最终获得线性组合的运算结果，将其作为激活函数的输入，基于明文进行后续的运算，直到获得预测的标签结果；步骤g：第二轮及以后共识节点的训练阶段epochkk=0经后向传播过程，共识节点获得网络各层的权重和偏置的梯度值，输入层中权重以明文形式更新，其余层的参数以明文形式直接更新，所述输入层的偏置值为模型请求者的加密密钥和随机数形成的盲化密文和共识节点生成随机数，并用随机数分别将输入层偏置值的更新梯度乘以学习率、更新后的输入层的权重乘以数据的密文以及盲化的输入层偏置值进行盲化，并将第一项发送给加密服务提供商，后两项发送给云服务器；步骤h：第二轮及以后加密服务提供商的训练阶段epochkk=0加密服务提供商对盲化的输入层偏置值的更新梯度乘以学习率用模型请求者的加密密钥加密为密文，并发送给云服务器；步骤i：第二轮及以后云服务器的训练阶段epochkk=0云服务器将盲化输入层偏置值的模型请求者随机数去除，将三个密文进行加密的线性组合运算，并将密文运算结果发给加密服务提供商；步骤j：第二轮及以后加密服务提供商的再次训练阶段epochkk=0加密服务提供商将密文运算结果进行解密，得到由共识节点的随机数盲化的明文结果；步骤k：第二轮及以后共识节点的再次训练阶段epochkk=0共识节点将密文运算结果进行解密，得到由共识节点的随机数盲化的明文结果，作为输入层激活函数的输入，以明文形式进行直到获得预测标签结果；步骤l：模型请求者的模型验证阶段模型请求者对测试数据集用模型请求者的加密密钥和随机数进行盲化和加密操作，得到盲化的测试数据集密文，并将随机数发给云服务器；步骤m：共识节点的模型验证阶段将输入层的参数包括权重和偏置值用自己的加密密钥进行加密，并选择随机数将密文进行盲化，共识节点将盲化密文发送到区块链中，加解密密钥对发给加密服务提供商，并随机数发给云服务器；步骤n：全节点的模型验证阶段将收集到的区块按照声明的准确率进行排序，从高到低依次验证区块头包含模型的准确率，拿到加密且盲化的模型参数后，选择一个随机数，对密文进行再盲化后发送给云服务器；步骤o：云服务器的模型验证阶段对接收到的所有盲化密文，统一进行去盲处理，将密文中模型请求者的随机数去除，并将密文发送给加密服务提供商；步骤p：加密服务提供商的模型验证阶段对盲化密文进行解密，并用盲化的测试数据和盲化的输入层参数进行线性组合，获得用全节点的随机数盲化的结果，并将结果交给全节点；步骤q：全节点的模型验证阶段用自己的随机数对盲化的明文去盲，得到激活函数的明文输入，基于明文进行后续的运算，直至得到预测的标签结果，然后通过比较预测标签和实际标签相同的个数，计算出模型的准确率；若模型准确率和区块声明的准确率相同，则验证通过，确定该区块为获胜区块。

全文数据：

权利要求：

百度查询： 华东师范大学 一种基于隐私保护机器学习的区块链算力回收共识方法