(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111207606.9 (22)申请日 2021.10.18 (71)申请人 华北电力大 学 地址 102206 北京市昌平区回龙观北农路2 号 (72)发明人 关志涛　王霄东　杨文梯　 (74)专利代理 机构 南京中律知识产权代理事务 所(普通合伙) 32341 代理人 李建芳 (51)Int.Cl. G06N 20/00(2019.01) G06N 5/04(2006.01) G06F 9/50(2006.01) G06F 21/64(2013.01) (54)发明名称 一种基于区块链的隐私保护机器学习训练 与推理方法及系统 (57)摘要 本发明公开了一种基于区块链的隐私保护 机器学习训练与推理方法及系统， 上述系统包 括： 机器学习模型训练模块、 机器学习模型推理 服务模块、 以及与机器学习模型训练模块和推机 器学习模型推理服务模块连接并相互通信的区 块链服务模块； 上述应用于区块链网络， 区块链 网络包括机器学习模型所有者节 点、 计算承包者 节点、 可信仲裁节点和推理服务客户端节点； 其 中， 机器学习模型所有者节点、 计算承包者节点 和可信仲裁节 点形成模型通道， 机器学习模型所 有者节点、 推理服务客户端节 点和可信仲裁节点 形成推理通道； 上述使 得模型训练与推理之间分 开， 各推理服务之间分开， 且各通道之间信息的 隔离形成了良好的隐私保护； 保证了模型训练与 推理过程的安全与可信。 权利要求书2页 说明书8页 附图2页 CN 114118438 A 2022.03.01 CN 114118438 A 1.一种基于区块链的隐私保护 机器学习训练方法， 其特征在于： 应用于区块链网络， 区 块链网络包括机器学习模型所有者节点、 计算承包者节点、 可信仲裁节点和推理服务客户 端节点； 其中， 机器学习模型所有者节点、 计算承包者节点和可信仲裁节点形成模型通道， 机器学习模型 所有者节点、 推理服 务客户端节点和可信仲裁节点形成推理通道； 基于区块链的隐私保护机器学习训练方法， 包括如下步骤： 1)机器学习模型 所有者节点与计算承 包者节点经 过身份认证与准入后加入 模型通道； 2)机器学习模型 所有者节点 通过交易的形式向模型通道区块链网络发出提案； 3)执行计算外包任务的其他机器学习模型所有者节点和计算承包者节点完成计算任 务； 4)区块链网络将计算外包 任务的相关信息打包 入区块并上链。 2.如权利要求1所述的基于区块链的隐私保护机器学习训练方法， 其特征在于： 还包 括： 5)模型所有者节点完成模型训练或模型得到更新， 将模型相关信息的摘要上传至区块 链网络以打包 入区块并上链。 3.如权利要求2所述的基于区块链的隐私保护机器学习训练方法， 其特征在于： 步骤5) 中， 独立完成模型训练或更新的机器学习模型所有者节点， 在提供推理服务前将模型版本 及模型相关信息进行哈希后记录在区块链上； 机器学习模型所有者节点在一段时候后由于 收集到新的训练数据， 对模 型进行再训练， 再训练为重复上述步骤， 得到的模型更新同样地 将模型版本及 模型相关信息进 行哈希后记录在区块链上； 机器学习模型所有者节点每进 行 一次服务更新， 都通过区块链交易的形式进行， 所有服 务更新都记录在区块链上。 4.如权利要求1 ‑3任意一项所述的基于区块链的隐私保护机器学习训练方法， 其特征 在于： 步骤3)中， 执行计算外包任务的其他模 型所有者或者计算承包者完成任务后， 同时将 计算结果发送到区块链网络和发起计算外包提案的模型所有者节点； 步骤4)中， 在区块链 网络中设有可信仲裁节点， 发起计算外包提案的机器学习模型所有者节点收到计算结果后 对计算结果进行正确 性验证， 若计算结果正确， 将本次计算外包任务的相关信息提交给区 块链网络以使其被打包入区块并记录上链； 若计算结果有误， 可向可信仲裁节点提出仲裁 申请， 可信仲裁节点根据仲裁申请执行外包计算过程， 并将得到的结果与收到的计算结果 对比， 据此对仲裁结果做出判决； 区块链网络将计算外包任务的相关信息过哈希计算之后 打包入区块并上链。 5.一种基于区块链的隐私保护 机器学习推理方法， 其特征在于： 应用于区块链网络， 区 块链网络包括机器学习模型所有者节点、 计算承包者节点、 可信仲裁节点和推理服务客户 端节点； 其中， 机器学习模型所有者节点、 计算承包者节点和可信仲裁节点形成模型通道， 机器学习模型 所有者节点、 推理服 务客户端节点和可信仲裁节点形成推理通道； 基于区块链的隐私保护机器学习推理方法， 包括如下步骤： 1)机器学习模型所有者节点与推理服务客户端节点经过身份认证与准入后加入推理 通道； 2)推理服 务客户端节点 通过交易的形式向推理通道区块链网络发出提案； 3)机器学习模型 所有者节点完成模型推理， 将推理结果发送给推理服 务客户端节点； 4)区块链网络将模型推理的相关信息打包 入区块并上链。 6.如权利要求5所述的基于区块链的隐私保护机器学习推理方法， 其特征在于： 步骤2)权　利　要　求　书 1/2 页 2 CN 114118438 A 2中， 提案包括推理服务类型和用于推理的数据； 步骤3)中， 机器学习模 型所有者节点根据推 理服务客户端节点提供 的数据进行推理， 完成后将结果返回给推理服务客户端节点， 同时 机器学习模型 所有者节点作为该记账者， 所有推理服 务的相关信息都记录在区块链上。 7.如权利要求5或6所述的基于区块链的隐私保护机器学习推理方法， 其特征在于： 步 骤4)中， 机器学习模型所有者节点训练采用支持密文计算的机器学习模型， 支持密文计算 的机器学习模型使推理服务客户端节点 发送用于推理的数据的密 文， 即可得到对应明文的 推理结果； 区块链网络将模型推理的相关信息过哈希计算之后打包 入区块并上链。 8.如权利要求5或6所述的基于区块链的隐私保护机器学习推理方法， 其特征在于： 在 机器学习模型所有者节点对模型进行更新前后， 对于同一个推理服务若发生输入同一个用 于推理的数据 但推理服务结果输出不同， 推理服务客户端节点怀疑该服务提供者先前是否 诚实提供了推理服务， 此时推理服务客户端节点向可信仲裁节点提出仲裁申请， 可信仲裁 节点通过模型通道查询模型 所有者模型 更新记录， 实现对之前的输出 结果的验证。 9.一种基于区块链的隐私保护机器学习训练与推理系统， 其特征在于： 应用于区块链 网络， 区块链网络包括机器学习模型所有者节点、 计算承包者节点、 可信仲裁节点和推理服 务客户端节点； 其中， 机器学习模型所有者节点、 计算承包者节点和可信仲裁节点形成模型 通道， 机器学习模型 所有者节点、 推理服 务客户端节点和可信仲裁节点形成推理通道； 基于区块链 的隐私保护机器学习训练与推理系统包括： 机器学习模型训练模块、 机器 学习模型推理服务模块、 以及与机器学习模型训练模块和推机器学习模型推理服务模块连 接并相互通信的区块链服 务模块； 机器学习 模型训练模块， 用于机器学习模型所有者节点独立或外包地完成用于推理任 务的模型训练， 以及根据新数据对 模型进行 更新； 机器学习 模型推理服务模块， 用于机器学习 模型所有者节点根据推理服务客户端节点 发起的推理服 务申请以及其 提供的待推理的数据， 进行相应模型推理并输出推理结果； 区块链服务模块， 用于模块接受区块链网络的消息并将相关模型训练或模型推理的待 处理数据传递给模型训练模块或模型推理服务模块， 并且将模型训练模块或模型推理服务 模块传递 来的相关数据以交易 提案等形式发送到区块链网络 。 10.根据权利要求9所述的基于区块链的隐私保护 机器学习训练与推理系统， 其特征在 于： 区块链服务模块， 还用于当模型通道和推理通道中的节 点提出仲裁申请时， 调用相应通 道区块链网络中部署的智能合约查找相关交易记录， 以确定违规 者并予以处 理。权　利　要　求　书 2/2 页 3 CN 114118438 A 3