[发明专利]一种基于深度学习模型训练的区块链共识方法和系统

说明书

本发明公开了一种基于深度学习模型训练的区块链共识方法和系统，该系统包括参数和数据获取器、共识算法调度器、深度学习模型训练器和共识验证器；可与现有的区块链系统进行对接，取代POW/POS/POA等共识算法。本发明将区块链过剩的算力引入深度学习模型训练中，通过区块链的激励机制，使得投资人能够将矿机用于进行人工智能模型的训练，能够引导将资金、算力、能源投入到更加有意义的工作上，解决算力不足费用昂贵的问题。将区块链的POW算力用来进行大数据的深度学习模型训练计算，降低了成本，节约了社会资源，将算力用到了有意义的工作上。

技术领域

本发明涉及区块链技术领域，具体涉及一种基于深度学习模型训练的区块链共识方法和系统。

背景技术

区块链技术的发展已经得到国内外企业、研究机构、高校等普遍认同，认为其是下一代价值互联网的核心。主流的区块链平台比特币、以太坊、莱特币等，一般采用POW共识算法，通过矿机重复的进行散列值运算来确定出块的节点，哪个节点投入算力更高，将有更大的概率获得出块奖励。这种机制使得能够通过机器和算法来实现信任的建立和价值共识，投资人投入大量的金钱用来购买矿机和电力，截止2019年9月，比特币全网的算力已经达到70EH/S，这些算力和能源被投资者用来进行散列值运算从而获得奖励，这种模式下的算力和能源的浪费被极大的诟病。

深度学习(DL,Deep Learning)是机器学习(ML,Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI,ArtificialIntelligence)。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。根据一份统计，2012年以来，人工智能训练任务中使用的算力正呈指数级增长，其目前速度为每3.5个月翻一倍(相比之下，摩尔定律是每18个月翻倍)。自2012年以来，人们对于算力的需求增长了超过300,000倍(而如果是以摩尔定律的速度，只会有12倍的增长)。在此期间，硬件算力的提升一直是人工智能快速发展的重要因素。因此，算力对深度学习模型的训练起着至关重要的作用。

主流的区块链普遍采用POW等共识算法，用来确定出块节点，存在能源和算力浪费的问题。

发明内容

有鉴于此，为了解决现有技术中区块链的共识算法存在能源和算力浪费的问题，本发明提出一种基于深度学习模型训练的区块链共识方法和系统。

本发明通过以下技术手段解决上述问题：

一方面，本发明提供一种基于深度学习模型训练的区块链共识方法，包括如下步骤：

主体采集文件信息存储到文件系统后返回统一资源定位符URI_文件，主体构造成数据采集交易，按照格式{主体钱包地址，采集奖励金额，URI_文件}发送给节点，节点将该信息广播到相邻节点；

主体获取到存储的文件信息，对其进行标注，生成标注文件存储到文件系统后返回统一资源定位符URI_标注，主体构造成数据标注交易，按照格式{主体钱包地址，标注奖励金额，URI_文件，URI_标注}发送给节点，节点将该信息广播到相邻节点；其中URI_标注对应的文件是对URI_文件对应的文件进行标注的信息；

采用深度学习模型训练共识算法进行计算和验证，记账节点验证交易的有效性，将其放入缓存池，直到缓冲池中的数据集合A的数量n达到阈值α；