[发明专利]区块链模型训练方法、装置、存储介质及电子设备

权利要求书

1.一种区块链模型训练方法，其特征在于，应用于区块链网络中的目标节点，所述目标节点为区块链节点集合中的任一区块链节点，所述区块链节点集合中的各个区块链节点部署有模型训练智能合约，所述方法包括：

从所述区块链网络的区块链中获取当前的全局模型；

通过本地的训练样本训练所述全局模型，得到更新模型；

向所述区块链节点集合中的，所述模型训练智能合约的背书节点发送模型更新请求，所述模型更新请求包括所述更新模型的模型信息，所述模型更新请求用于请求所述背书节点根据自身的样本数据对所述更新模型进行测试；

接收所述背书节点的第一测试结果；

根据所述更新模型以及所述第一测试结果更新当前的全局模型。

2.根据权利要求1所述的方法，其特征在于，所述区块链中保存有公开测试集，所述向所述区块链节点集合中的，所述模型训练智能合约的背书节点发送模型更新请求之前，包括：

获取所述公开测试集；

根据所述公开测试集对所述更新模型进行测试，得到第二测试结果；

确定所述第二测试结果满足所述模型训练智能合约中的预设条件。

3.根据权利要求1或2所述的方法，其特征在于，各所述区块链节点具有预设的节点权重，所述根据所述更新模型以及所述第一测试结果更新当前的全局模型，包括：

根据所述第一测试结果，确定各背书节点根据自身的样本数据对所述更新模型测试得到的测试误差率；

通过各个背书节点的节点权重以及该背书节点的测试误差率，计算所述更新模型的模型误差率；

基于所述模型误差率计算所述更新模型的模型权重；

根据所述更新模型以及所述更新模型的模型权重，更新当前的全局模型。

4.根据权利要求3所述的方法，其特征在于，包括：

获取所述目标节点的训练样本的数量以及所述区块链节点集合的训练样本总数量；

获取训练得到所述更新模型时的训练次数以及预设的总训练次数；

根据所述目标节点的训练样本的数量、所述训练样本总数量、训练得到所述更新模型时的训练次数以及总训练次数，计算所述更新模型的模型权重的调整系数；

所述根据所述更新模型以及所述更新模型的模型权重，更新当前的全局模型，包括：

根据所述更新模型、所述更新模型的模型权重以及所述更新模型的模型权重的调整系数，更新当前的全局模型。

5.根据权利要求3所述的方法，其特征在于，所述通过本地的训练样本训练所述全局模型，得到更新模型，包括：

从区块链中获取当前的节点权重参数；

通过本地的训练样本以及所述节点权重参数训练所述全局模型，得到更新模型；

所述方法还包括：

根据所述模型误差率更新当前的节点权重参数；

将更新后的节点权重参数保存至所述区块链中。

6.根据权利要求1或2所述的方法，其特征在于，所述根据所述更新模型以及所述第一测试结果更新当前的全局模型，包括：

根据所述第一测试结果，确定所述背书节点根据自身的样本数据对所述更新模型测试得到的测试误差率；

在所述测试误差率小于所述模型训练智能合约中的预设误差率的情况下，根据所述更新模型的神经元权重对所述全局模型的神经元权重进行更新。

7.根据权利要求6所述的方法，其特征在于，包括：

获取所述目标节点的训练样本的数量以及所述区块链节点集合的训练样本总数量；

获取训练得到所述更新模型时的训练次数以及预设的总训练次数；

根据所述目标节点的训练样本的数量、所述训练样本总数量、训练得到所述更新模型时的训练次数以及总训练次数，计算所述更新模型的神经元权重的调整系数；

所述根据所述更新模型的神经元权重对所述全局模型的神经元权重进行更新，包括：

根据所述更新模型的神经元权重以及所述更新模型的神经元权重的调整系数，对所述全局模型的神经元权重进行更新。