[发明专利]一种基于区块链网络的信息处理方法及设备

权利要求书

1.一种基于区块链网络的信息处理方法，所述方法应用于作为区块链网络中的参与方节点的电子设备，包括：

基于数据训练模型对自身的训练数据集进行第一训练次数的训练，得到训练后的数据训练模型，并确定所述训练后的数据训练模型的第一测试准确率；其中，所述训练数据集包括所述参与方节点的图片数据、语音数据、视频数据中的至少一种；

至少基于所述第一测试准确率确定未达到训练完成条件时，基于所述训练后的数据训练模型对所述训练数据集进行第二训练次数的训练，得到目标数据训练模型和所述目标数据训练模型的第二测试准确率；

至少基于所述第二测试准确率确定达到训练完成条件时，向区块链网络中的其他参与方节点发送投票请求；其中，所述投票请求中至少携带有所述目标数据训练模型的第二参数集合；

基于接收到的区块链网络中的其他参与方节点发送的投票信息，确定所述投票请求对应的投票结果满足投票通过条件时，基于所述第二参数集合生成新的区块；

所述方法还包括：

确定测试准确率阈值，并获取训练次数阈值，其中，所述测试准确率阈值是基于自身获取的n个参数集合确定的，n为大于1的整数；

确定所述第一测试准确率是否小于测试准确率阈值，且第一训练次数是否小于训练次数阈值；

其中，如果所述第一测试准确率小于测试准确率阈值且第一训练次数小于训练次数阈值，确定未达到训练完成条件；如果所述第一测试准确率不小于测试准确率或者第一训练次数达到训练次数阈值，确定达到训练完成条件；

所述确定测试准确率阈值，包括：

接收区块链网络中的n个参与方节点发送的n个投票请求，所述每个投票请求中至少携带有参数集合和参与方节点的签名信息；

当对第i个参与方节点的签名信息验签通过时，使用测试数据集对所述第i个参数集合进行测试，得到第i个测试准确率，i=1，2，…，n；

对n个测试准确率进行排序，并基于排序结果确定测试准确率阈值。

2.根据权利要求1中所述的方法，所述方法还包括：

确定所述训练后的数据训练模型的第一训练损失值以及训练损失阈值，其中，所述训练损失阈值是基于自身获取的n个训练损失值确定的，n为大于1的整数；

基于所述第一测试准确率和/或所述第一训练损失值确定是否达到训练完成条件，其中，如果所述第一测试准确率小于测试准确率阈值且所述第一训练损失值大于训练损失阈值且第一训练次数小于训练次数阈值，确定未达到训练完成条件；

如果所述第一测试准确率不小于测试准确率阈值或者所述第一训练损失值不大于训练损失阈值，或者第一训练次数达到训练次数阈值，确定达到训练完成条件。

3.根据权利要求2中所述的方法，确定训练损失阈值，包括：

接收区块链网络中的n个参与方节点发送的n个投票请求，所述每个投票请求中至少携带有训练损失值和参与方节点的签名信息；

当对每一个参与方节点的签名信息均验签通过时，对n个训练损失值进行排序，并基于排序结果确定训练损失阈值。

4.根据权利要求1中所述的方法，所述方法还包括：

基于接收到的区块链网络中的其他参与方节点发送的投票信息，确定所述投票请求对应的投票结果不满足投票通过条件时，根据所述n个参数集合，确定第三参数集合；

基于所述第二参数集合和所述第三参数集合，确定更新后的参数集合；

将所述更新后的参数集合确定为所述目标数据训练模型的参数集合。

5.根据权利要求4中所述的方法，所述根据所述n个参数集合，确定第三参数集合，包括：

将所述n个参数集合中的第j个参数进行均值处理，得到第j个均值参数；其中，每个参数集合中有m个参数，j=1，2，…，m；

将第1至第m个均值参数确定为第三参数集合。

6.根据权利要求4中所述的方法，所述基于所述第二参数集合和所述第三参数集合，确定更新后的参数集合，包括：

确定第一权值和第二权值；

基于所述第一权值和所述第二权值对所述第二参数集合和所述第三参数集合进行加权处理，得到加权处理后的参数集合；

将所述加权处理后的参数集合确定为更新后的参数集合。