[发明专利]模型训练方法、装置及存储介质

说明书

本申请公开了模型训练方法、装置及存储介质，有助于提高模型训练的安全性。该方法包括：确定所述区块链中包括至少一个节点为所述委托节点提供模型的训练服务；从至少一个节点中确定服务节点，并在区块链中广播服务节点的标识信息；获取初始模型的镜像信息；向服务节点发送镜像信息；所述镜像信息用于所述服务节点获取所述镜像并部署；向服务节点发送训练数据；训练数据用于服务节点通过数据接口将训练数据输入初始模型进行模型训练得到新镜像，获取新镜像，新镜像中包括训练完成的模型。

技术领域

本申请涉及人工智能技术领域，尤其涉及模型训练方法、装置及存储介质。

背景技术

以深度学习为代表的人工智能，其模型规模大、参数多、结构复杂，这使得训练模型需要的计算量越来越大，用户需要使用云服务提供商提供的服务来完成模型的训练。

当前，使用云服务提供商提供的服务来进行模型训练时，用户需要将自身身份信息、初始模型以及训练数据等发送给云服务提供商。这样，用户的身份信息、初始模型以及训练数据均暴露给了云服务提供商，导致给用户带来安全风险。

发明内容

本申请提供模型训练方法、装置及存储介质，有助于提高模型训练的安全性。

第一方面，提供一种模型训练方法，应用于区块链中的委托节点，区块链还包括除委托节点之外的其他节点；该方法包括：确定所述区块链中包括至少一个节点为所述委托节点提供模型的训练服务；从至少一个节点中确定服务节点，并在区块链中广播服务节点的标识信息；获取初始模型的镜像信息；初始模型的镜像信息包括初始模型的镜像所存储的位置以及镜像的标识；镜像包括数据接口；向服务节点发送镜像信息；镜像信息用于服务节点获取镜像并部署；向服务节点发送训练数据；训练数据用于服务节点通过数据接口将训练数据输入初始模型进行模型训练得到新镜像；获取新镜像；新镜像中包括训练完成的模型。

这样，服务节点对所训练的模型不感知，从而降低了委托节点使用服务节点训练模型的安全风险。

在一种可能的实现方式中，上述从至少一个节点中确定服务节点，包括：根据预存的区块链中每个节点的节点标识与信用等级的对应关系，从至少一个节点中获取信用等级大于一个阈值的节点标识；从信用等级大于一个阈值的节点标识中选取一个节点标识所对应的节点作为服务节点。

这样，委托节点根据信用等级确定服务节点，进一步降低了使用确定的服务节点训练模型的安全风险。

在另一种可能的实现方式中，上述从信用等级大于一个阈值的节点标识中选取一个节点标识所对应的节点作为服务节点，包括：根据预存的每个节点的行为历史，从信用等级大于一个阈值的节点标识中选取一个节点标识所对应的节点作为服务节点，并在区块链中广播服务节点的标识。

这样，根据每个节点的行为历史确定服务节点，进一步降低了使用确定的服务节点训练模型的安全风险。服务节点的标识用于区块链中的节点记录服务节点与委托节点之间的行为历史。

在另一种可能的实现方式中，该方法还包括：接收服务节点发送的模型训练状态消息，并根据训练状态消息确定模型训练完成。

在另一种可能的实现方式中，该方法还包括：向其他节点中的每个节点广播服务节点的服务结果；服务结果用于表征服务节点的行为历史。

这样，区块链中的节点可以根据接收到的服务节点的的服务结果记录服务节点的行为历史。

在另一种可能的实现方式中，上述确定区块链中包括至少一个节点为委托节点提供模型的训练服务，包括：获取模型训练所需计算资源的大小以及存储资源的大小；向其他节点发送模型训练服务请求消息；请求消息包括计算资源的大小以及存储资源的大小；接收其他节点中的至少一个节点发送的服务应答消息；服务应答消息用于表征至少一个节点能够为委托节点提供模型训练服务。