CN114897178B 一种支持机器学习模型训练的数据贡献激励方法和装置 （鹏城实验室）

一种支持机器学习模型训练的数据贡献激一种支持机器学习模型训练的数据贡献激励方端提供的训练数据对训练机器学习模型所做出的训练数据的质量是怎样的或者说是训练数据2模型需求方向机器学习模型交易市场平台提出模型购买需求，机依据所述模型性能，赋予所述训练数据所在的所述数据持有激励值可用于作为下次训练所述机器学习模型挑选所述数据持有终端的采集训练之前的所述机器学习模型所涵盖的模型参数和训练之后的所述机器学习模依据训练之前的所述机器学习模型所涵盖的模型参数和训练之后的所述机器学习模将训练所述机器学习模型所需的数据信息发送至所述数据获取所述数据持有终端依据所述数据信息所发送的所述训练数据和所述训练数据所将所述训练数据和所述训练数据所对应的标签按照设定将打包之后的所述训练数据和所述训练数据所对应的标签保存在智能合约交易池中，所述智能合约交易池用于为后续的训练所述机器学习模型从所有所述训练数据中删除未与所述标签一致的数据，得到处理之后的所述训练数在训练所述机器学习模型的过程中通过所述接口函数更新所述机器学习模型的参数，获取验证输入数据和与验证输入数据对应的3将所述验证输入数据输入到训练之后的所述机器学习模型，得到将所述验证输出数据与训练之后的所述机器学习模型输出的数将所述相加结果作为设定底数的指数进行幂运算，得到幂运算结对所述幂运算结果进行针对数据持有终端发送的所述训练数据进将训练之后的所述机器学习模型发送给模型统计训练之后的所述机器学习模型面对所述模型需求终9.一种支持机器学习模型训练的数据贡献激励装置，激励模块，用于依据所述模型性能，赋予所述训练数据所在的所执行所述支持机器学习模型训练的数据贡献激励程序时，实现如权利要求1-8任一项所述处理器执行时，实现如权利要求1-8任一项所述的支持机器学习模型训练的数据贡献激励45习模型的一方)和机器学习市场(负责机器学习模型训练的一方)组成。现有的机器学习模6[0014]依据所述模型性能，赋予所述训练数据所在的所述数据所述激励值可用于作为下次训练所述机器学习模型挑选所述数据持有终端[0017]获取所述数据持有终端依据所述数据信息所发送的所述训练数据和所述训练数[0019]将打包之后的所述训练数据和所述训练数据所对应的标签保存在智能合约交易[0029]在训练所述机器学习模型的过程中通过所述接口函数更新所述机器学习模型的[0030]在一种实现方式中，所述计算训练之后的所述机器学习[0035]采集训练之前的所述机器学习模型所涵盖的模型参数和训练之后的所述机器学[0036]依据训练之前的所述机器学习模型所涵盖的模型参数和训练之后的所述机器学7[0043]依据所述幂运算结果，赋予所述训练数据所在的所述数据持有终端相应的激励[0053]第二方面，本发明实施例还提供一种支持机器学习模型训练的数据贡献激励装处理器及存储在所述存储器中并可在所述处理器上运行的支持机器学习模型训练的数据上述所述的支持机器学习模型训练的数据贡献激励方8[0060]有益效果：本发明采用数据持有终端提供的训练数据对对新的机器学习模型进行训练时，还可以优选考虑激励值大的数据持有终端中的训练数(Supervisedlearning)、无监督学习(Unsupervisedlearning)、半监督学习(Semi-习模型的一方)和机器学习市场(负责机器学习模型训练的一方)组成。现有的机器学习模机器学习模型市场三方之间的数据流转机制，会遇到数据持有方的数据权益未能得到保9[0080]本实施例的数据激励方法是应用在如图3所示的由数据持有方(数据持有终端)、[0081]本实施例中的机器学习模型交易市场平台是为了便于缺少数据来训练模型的模[0082]如图3所示，本实施例是模型需求方先向机器学习模型交易市场平台发出模型需学习模型交易市场平台，即机器学习模型交易市场平台获取到数据持有方提供的训练数过部署合约工具部署智能合约，并得到一个合约地址Addr＝Deploy(Contract)，其中(用于对训练之后的机器学习模型进行验证的数据)、激励金额(如果采用数据持有方提供就会给数据持有方一定的奖励金额)和数据要求等信息，机器学习模型交易市场平台接收送相应的训练数据和训练数据所对应的标签给机器学习模型交易市照设定格式对二者进行打包，设定格式是提前保存在智能合约中(所谓的智能合约是包含约交易格式，并通过调用Addr.Receiver_data(user,data)发送到智能合约所在的交易池[0095]图3中的机器学习模型交易市场平台接收到数据持有方发送的训练数据之后，并理之后的训练数据再对机器学习模型进行训练。步骤S200包括如下的步骤S201、S202、数据是否符合要求。本实施例中，机器学习模型交易市场平台的数据维护方首先对数据[0103]步骤S204中的训练数据就是来源于区块链，步骤S204包括如下的步骤S2041、[0104]S2041，依据所述标签，从所述智能合约交易池中得到所述训练数据中的目标数[0107]S2044，在训练所述机器学习模型的过程中通过所述接口函数更新所述机器学习[0108]步骤S2041至步骤S2044的详细过程如下：当数据打包成交易并提交到智能合约[0115]S303，将所述验证输出数据与训练之后的所述机器学习模型输出的数据进行比[0117]本实施例在计算模型性能的同时还计算机器学习模型训练之后相对机器学习模[0122]本实施例是综合考虑模型性能和信息增益，以给数据持有方赋予相应的激励[0130]上述步骤S401至步骤S404是采用数据持有方一次(比如第i次上传的数据)上传的训练数据xi计算出来激励值的。本实施例还可以计算出数据持有方上传的任意训练数据x[0138]智能合约即Addr.Reward(sende[0143]通过步骤S100至步骤S400计算出μ,本实施例还根据μ的大小给训练之后的机器学[0145]本实施例中的激励值是μ,μ越大模型购买方需要支付给数据持有方的金额就越[0147]训练所述机器学习模型的平台即图3中的机器学习模型交易市场平台，成本是模训练之后的机器学习模型的模型性能，模型性能用于表征训练之后的机器学习模型的好[0168]依据所述模型性能，赋予所述训练数据所在的所述数据所述激励值用于作为下次训练所述机器学习模型挑选所述数据持有终端的依包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM型SDRAM(ESDRAM)、同步链路(Synchlink