一种基于区块链技术的深度学习数据共享方法及装置
文献发布时间:2023-06-19 13:29:16
技术领域
本申请涉及深度学习技术领域,特别是涉及一种基于区块链技术的深度学习数据共享方法及装置。
背景技术
深度学习模型是一种通过建立和模拟人脑进行分析学习的智能模型,已在目标检测与分割、行为检测与识别、语音识别等方面得到了很好的应用。深度学习模型是利用海量的样本数据训练得到的,因此,要求运行深度学习模型的设备上预先存储有海量的样本数据,才可以保证深度学习模型的精度。
随着计算机网络的发展,在同一个局域网中会布局多台设备,按照传统的深度学习模型训练的要求,每一台设备上都需要预先存储海量的样本数据,导致浪费了大量的存储资源。
为了应对上述问题,相应的方法中采用区块链技术来实现深度学习数据在各台设备之间的共享,区块链技术是一种分布式数据库技术,通过维护数据块的链式结构,可以维持持续增长、不可篡改的数据记录。如图1所示,每台设备将本地使用的样本数据、训练得到的深度学习模型等深度学习数据上传到区块链网络中,任一台设备在需要使用其他设备的深度学习数据时,通过向区块链网络发送获取请求,则可以获得区块链网络反馈的所请求的深度学习数据,从而实现了深度学习数据的共享。
然而,当前的基于区块链技术的深度学习数据共享方法中,任何设备有需求时,都可以通过发送获取请求获得深度学习数据,导致数据安全性较差。
发明内容
本申请实施例的目的在于提供一种基于区块链技术的深度学习数据共享方法及装置,以提高深度学习数据共享时的数据安全性。具体技术方案如下:
第一方面,本申请实施例提供了一种基于区块链技术的深度学习数据共享方法,应用于区块链网络,该方法包括:
接收需求端设备发送的获取请求,其中,获取请求包括所请求的深度学习数据的标识信息及目标代币数;
基于该标识信息及预先设置的智能合约,确定该标识信息对应的基准代币数,其中,智能合约为发布端设备在发布深度学习数据至区块链网络时设置的,智能合约中设置了深度学习数据的标识信息与基准代币数的对应关系;
若目标代币数大于或等于基准代币数,则将预先存储的具有该标识信息的深度学习数据发送至需求端设备,以使需求端设备利用深度学习数据进行模型训练。
可选的,智能合约中还设置了深度学习数据的标识信息与数据密钥的对应关系;
该方法还包括:
基于该标识信息及智能合约,确定该标识信息对应的数据密钥;
若目标代币数大于或等于基准代币数,则将数据密钥发送至需求端设备,以使需求端设备利用数据密钥对深度学习数据进行解密,并基于解密后的深度学习数据进行模型训练。
可选的,深度学习数据包括样本数据和/或深度学习模型;
将预先存储的具有该标识信息的深度学习数据发送至需求端设备的步骤,包括:
将预先存储的具有该标识信息的样本数据发送至需求端设备,以使需求端设备利用样本数据对本地的深度学习模型进行训练;
和/或,
将预先存储的具有该标识信息的深度学习模型发送至需求端设备,以使需求端设备利用本地的样本数据对深度学习模型进行训练。
可选的,在将预先存储的具有该标识信息的深度学习数据发送至需求端设备的步骤之后,该方法还包括:
获取需求端设备发送的训练后的深度学习数据、训练后的深度学习数据的标识信息及基准代币数,其中,训练后的深度学习数据包括已完成训练的深度学习模型,和/或,训练深度学习模型采用的样本数据;
部署智能合约,并基于该标识信息及基准代币数,在智能合约中设置该标识信息与基准代币数的对应关系。
可选的,该方法还包括:
获取训练后的深度学习数据的数据密钥;
在智能合约中设置该标识信息与数据密钥的对应关系。
可选的,该方法还包括:
若目标代币数大于或等于基准代币数,则将目标代币数的代币发送至发布端设备。
第二方面,本申请实施例提供了一种基于区块链技术的深度学习数据共享装置,应用于区块链网络,该装置包括:
接收模块,用于接收需求端设备发送的获取请求,其中,获取请求包括所请求的深度学习数据的标识信息及目标代币数;
查找模块,用于基于该标识信息及预先设置的智能合约,确定该标识信息对应的基准代币数,其中,智能合约为发布端设备在发布深度学习数据至区块链网络时设置的,智能合约中设置了深度学习数据的标识信息与基准代币数的对应关系;
发送模块,用于若目标代币数大于或等于基准代币数,则将预先存储的具有该标识信息的深度学习数据发送至需求端设备,以使需求端设备利用深度学习数据进行模型训练。
可选的,智能合约中还设置了深度学习数据的标识信息与数据密钥的对应关系;
查找模块,还用于基于该标识信息及智能合约,确定该标识信息对应的数据密钥;
发送模块,还用于若目标代币数大于或等于基准代币数,则将数据密钥发送至需求端设备,以使需求端设备利用数据密钥对深度学习数据进行解密,并基于解密后的深度学习数据进行模型训练。
可选的,该装置还包括:
获取模块,用于获取需求端设备发送的训练后的深度学习数据、训练后的深度学习数据的标识信息及基准代币数,其中,训练后的深度学习数据包括已完成训练的深度学习模型,和/或,训练深度学习模型采用的样本数据;
部署模块,用于部署智能合约,并基于该标识信息及基准代币数,在智能合约中设置该标识信息与基准代币数的对应关系。
可选的,获取模块,还用于获取训练后的深度学习数据的数据密钥;
部署模块,还用于在智能合约中设置该标识信息与数据密钥的对应关系。
本申请实施例有益效果:
本申请实施例提供的一种基于区块链技术的深度学习数据共享方法及装置,应用于区块链网络,其中,方法包括:接收需求端设备发送的包括所请求的深度学习数据的标识信息及目标代币数的获取请求,基于标识信息及预先设置的智能合约,确定标识信息对应的基准代币数,若目标代币数大于或等于基准代币数,则将预先存储的具有该标识信息的深度学习数据发送至需求端设备,以使需求端设备利用接收到的深度学习数据进行模型训练。发布端设备发布深度学习数据时,会在区块链网络上设置智能合约,并在智能合约中设置深度学习数据的标识信息与基准代币数的对应关系,则在接收到获取请求后,根据智能合约,确定所请求的深度学习数据的标识信息对应的基准代币数,对需求端设备发送的目标代币数和基准代币数进行比较,如果目标代币数大于或等于基准代币数,则说明需求端设备请求深度学习数据时所提供的代币数满足发布端设备发布该深度学习数据时设定的代币数要求,则区块链网络会将该深度学习数据发送给需求端设备。也就是说,区块链网络不会一收到获取请求,就将需求端设备请求的深度学习数据发送给需求端设备,而是在确定目标代币数大于或等于基准代币数后,才将需求端设备请求的深度学习数据发送给需求端设备,即需求端设备请求深度学习数据时所提供的代币数满足发布端设备发布该深度学习数据时设定的代币数要求时,才会向需求端设备发送其请求的深度学习数据,从而提高了深度学习数据共享时的数据安全性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为现有技术的基于区块链技术的深度学习数据共享方法的流程示意图;
图2为本申请一实施例的基于区块链技术的深度学习数据共享方法的流程示意图;
图3为本申请另一实施例的基于区块链技术的深度学习数据共享方法的流程示意图;
图4为本申请又一实施例的基于区块链技术的深度学习数据共享方法的流程示意图;
图5为本申请再一实施例的基于区块链技术的深度学习数据共享方法的流程示意图;
图6为本申请实施例的基于区块链技术的深度学习数据共享装置的结构示意图;
图7为本申请实施例的区块链网络的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了提高深度学习数据共享时的数据安全性,本申请实施例提供了一种基于区块链技术的深度学习数据共享方法、装置、区块链网络及机器可读存储介质。
下面,首先对本申请实施例所提供的基于区块链技术的深度学习数据共享方法进行介绍。
本申请实施例所提供的一种基于区块链技术的深度学习数据共享方法的执行主体为区块链网络,该区块链网络为一个开放平台,开放平台是指软件系统通过公开其应用程序编程接口(Application Programming Interface,API)或函数来使外部的程序可以增加该软件系统的功能或使用该软件系统资源,因此,区块链网络可以为虚拟的服务平台,也可以为实体的服务器或设备。实现本申请实施例所提供的一种基于区块链技术的深度学习数据共享方法的方式可以为设置于执行主体中的软件、硬件电路和逻辑电路中的至少一种方式。
如图2所示,本申请实施例所提供的一种基于区块链技术的深度学习数据共享方法,可以包括如下步骤。
S201,接收需求端设备发送的获取请求,其中,获取请求包括所请求的深度学习数据的标识信息及目标代币数。
S202,基于所接收的标识信息及预先设置的智能合约,确定该标识信息对应的基准代币数,其中,智能合约为发布端设备在发布深度学习数据至区块链网络时设置的,智能合约中设置了深度学习数据的标识信息与基准代币数的对应关系。
S203,若目标代币数大于或等于基准代币数,则将预先存储的具有该标识信息的深度学习数据发送至需求端设备,以使需求端设备利用深度学习数据进行模型训练。
应用本申请实施例,发布端设备发布深度学习数据时,会在区块链网络上设置智能合约,并在智能合约中设置深度学习数据的标识信息与基准代币数的对应关系,则在接收到获取请求后,根据智能合约,确定所请求的深度学习数据的标识信息对应的基准代币数,对需求端设备发送的目标代币数和基准代币数进行比较,如果目标代币数大于或等于基准代币数,则说明需求端设备请求深度学习数据时所提供的代币数满足发布端设备发布该深度学习数据时设定的代币数要求,则区块链网络会将该深度学习数据发送给需求端设备。也就是说,区块链网络不会一收到获取请求,就将需求端设备请求的深度学习数据发送给需求端设备,而是在确定目标代币数大于或等于基准代币数后,才将需求端设备请求的深度学习数据发送给需求端设备,即需求端设备请求深度学习数据时所提供的代币数满足发布端设备发布该深度学习数据时设定的代币数要求时,才会向需求端设备发送其请求的深度学习数据,从而提高了深度学习数据共享时的数据安全性。并且,不管是公有数据还是私有数据,通过一定的激励措施(约定基准代币数),实现了资源的最大化共享。由于区块链的不可修改性,保证了存储在区块链上的深度学习数据的正确性。由于深度学习数据的共享,使得各设备可以按需获取深度学习数据,从而满足本地的模型训练要求,适用性更强,且节省了设备的存储资源。
多个设备按照区块链技术连接在一起,每个设备可自行获取到一定的样本数据、深度学习模型等深度学习数据,可将本地的深度学习数据上传到区块链网络上,每个设备都可以获知区块链网络上存储有哪些深度学习数据,当某一个设备有模型训练需求时,可以基于实际需求,向区块链网络发送获取请求,该获取请求中包括所请求的深度学习数据的标识信息及目标代币数。标识信息可以为深度学习数据在区块链网络中的存储位置、名称、编号等唯一表示一个深度学习数据的标识,代币是指代表数据价值的数字货币,代币数越高,则表示相应的深度学习数据的价值越高,目标代币数是指需求端设备针对所请求的深度学习数据提供的代币的数目。
发布端设备在发布深度学习数据至区块链网络时,会设置相应的智能合约,智能合约是基于所处区块链系统所提供的计算机协议,是一套以数字形式定义的承诺,包括合约参与方可以用在上面执行这些承诺的协议,实现与代币管理有关的协议。智能合约具有不可更改、自动化和智能化等特点。智能合约中设置了深度学习数据的标识信息与基准代币数的对应关系,因此,基于所接收到的标识信息及预先设置的智能合约,可以确定出该标识信息对应的基准代币数。一般情况下,一个深度学习数据对应一个基准代币数,当然,也可以是多个深度学习数据对应一个基准代币数。
在确定出需求端设备所请求的深度学习数据的基准代币数之后,可以将接收到的目标代币数和基准代币数进行比较,如果目标代币数大于或等于基准代币数,则说明需求端设备请求深度学习数据时所提供的代币数满足发布端设备发布该深度学习数据时设定的代币数要求,则区块链网络此时会将该深度学习数据发送给需求端设备,需求端设备在接收到深度学习数据后,则可利用深度学习数据进行模型训练,完成模型训练的需求。相应的,如果目标代币数小于基准代币数,则说明需求端设备请求深度学习数据时所提供的代币数不满足发布端设备发布该深度学习数据时设定的代币数要求,则区块链网络不会将该深度学习数据发送给需求端设备。
可选的,深度学习数据包括样本数据和/或深度学习模型。
相应的,S203中将预先存储的具有该标识信息的深度学习数据发送至需求端设备的步骤,具体可以为:
将预先存储的具有该标识信息的样本数据发送至需求端设备,以使需求端设备利用接收到的样本数据对本地的深度学习模型进行训练;
和/或,
将预先存储的具有该标识信息的深度学习模型发送至需求端设备,以使需求端设备利用本地的样本数据对接收到的深度学习模型进行训练。
本申请实施例中的深度学习数据主要是指样本数据和/或深度学习模型,具体根据需求端设备的实际需求确定,如果需求端设备有深度学习模型,但是没有样本数据或者只有少量的样本数据,此时,需求端设备可以向区块链网络请求获取样本数据,以训练得到更为准确的深度学习模型;如果需求端设备只有少量的样本数据,此时,需求端设备可以向区块链网络请求获取其他设备的深度学习模型,利用本地的样本数据对接收到的深度学习模型进行训练,我们一般称这种训练方式为增量学习,指在原有模型的基础上,使用少量的样本数据或者特定的样本数据进行训练,获取最优模型的一种训练方式。
可选的,该方法还可以包括:若目标代币数大于或等于基准代币数,则将目标代币数的代币发送至发布端设备。
由于代币是代表了数据价值的数字货币,区块链网络在获取到目标代币数的代币后,如果确定目标代币数大于或等于基准代币数,除了给需求端设备发送深度学习数据以外,还需要给发布端设备发送目标代币数的代币,以使发布端设备能够获取到与该深度学习数据价值相匹配的数字货币,达到数据交易的目的。
基于图2所示实施例,本申请实施例还提供了一种基于区块链技术的深度学习数据共享方法,如图3所示,可以包括如下步骤。
S301,接收需求端设备发送的获取请求,其中,获取请求包括所请求的深度学习数据的标识信息及目标代币数。
S302,基于所接收的标识信息及预先设置的智能合约,确定该标识信息对应的基准代币数及数据密钥,其中,智能合约为发布端设备在发布深度学习数据至区块链网络时设置的,智能合约中设置了深度学习数据的标识信息与基准代币数、数据密钥的对应关系。
S303,若目标代币数大于或等于基准代币数,则将预先存储的具有该标识信息的深度学习数据及该标识信息对应的数据密钥发送至需求端设备,以使需求端设备利用该数据密钥对深度学习数据进行解密,并基于解密后的深度学习数据进行模型训练。
智能合约中还可以设置深度学习数据的标识信息与数据密钥的对应关系,因此,基于标识信息及智能合约,还可以确定出接收到的标识信息对应的数据密钥。一般来讲,每个设备的深度学习数据为该设备的私有数据,为了保证私有数据的隐私性,上传深度学习数据时,会对深度学习数据进行加密,加密过程可以是发布端设备在发布深度学习数据前进行的,也可以是把深度学习数据发送给区块链网络,由区块链网络进行的,每个深度学习数据会对应一个数据密钥。在智能合约中设置深度学习数据的标识信息和数据密钥的对应关系。
如果目标代币数大于或等于基准代币数,则会把所请求的深度学习数据和对应的数据密钥发送给需求端设备,需求端设备接收到深度学习数据和数据密钥后,则可以利用该数据密钥对深度学习数据进行解密,可利用解密后的深度学习数据进行模型训练,完成模型训练的需求。如果需求端设备没有接收到数据密钥,则无法对深度学习数据进行解密,也就无法进行后续的模型训练过程,进一步保证了数据的隐私性和安全性,避免非法设备获取到私有的深度学习数据,造成数据泄露。
基于图2所示实施例,本申请实施例还提供了一种基于区块链技术的深度学习数据共享方法,如图4所示,可以包括如下步骤。
S401,接收需求端设备发送的获取请求,其中,获取请求包括所请求的深度学习数据的标识信息及目标代币数。
S402,基于所接收的标识信息及预先设置的智能合约,确定该标识信息对应的基准代币数,其中,智能合约为发布端设备在发布深度学习数据至区块链网络时设置的,智能合约中设置了深度学习数据的标识信息与基准代币数的对应关系。
S403,若目标代币数大于或等于基准代币数,则将预先存储的具有该标识信息的深度学习数据发送至需求端设备,以使需求端设备利用深度学习数据进行模型训练。
S404,获取需求端设备发送的训练后的深度学习数据、训练后的深度学习数据的标识信息及基准代币数,其中,训练后的深度学习数据包括已完成训练的深度学习模型,和/或,训练所述深度学习模型采用的样本数据。
S405,部署智能合约,并基于获取到的标识信息及基准代币数,在智能合约中设置该标识信息与基准代币数的对应关系。
需求端设备在接收到深度学习数据后,利用深度学习数据进行模型训练,完成模型训练的需求,在完成模型训练后,可以把训练后的深度学习数据上传到区块链网络中,这里所提及的训练后的深度学习数据是指已完成训练的深度学习模型和/或训练深度学习模型采用的样本数据。
需求端设备在上传训练后的深度学习数据至区块链网络的同时,还可以部署一个智能合约,该智能合约中需设置训练后的深度学习数据的标识信息和基准代币数的对应关系。其中,训练后的深度学习数据的基准代币数可以是需求端设备自行设定的,也可以是区块链网络根据深度学习数据的数学特征进行设定的。
当然,区块链网络还可以获取到训练后的深度学习数据的数据密钥,相应的,在智能合约中设置标识信息与数据密钥的对应关系。
为了保证私有数据的隐私性和安全性,需求端设备上传的训练后的深度学习数据可以是加密后的数据,因此,需求端设备上传训练后的深度学习数据的同时,还会上传数据密钥,这样,可以在智能合约中设置标识信息与数据密钥的对应关系。
基于图2-图4所示实施例,本申请实施例所提供的深度学习数据共享方法的整体流程如图5所示,发布端设备提供深度学习模型和样本数据到区块链网络上,同时部署一套智能合约,需求端设备发布获取请求和目标代币数到区块链网络,利用智能合约进行代币管理,在满足目标代币数大于或等于基准代币数的条件时,将深度学习模型和样本数据发送给需求端设备,并给发布端设备发送目标代币数的代币。当需求端设备训练完模型后,可以把训练后的深度学习模型和样本数据上传到区块链网络中,同时部署一套智能合约,此时,需求端设备就变成了发布端设备。
相应于上述方法实施例,本申请实施例提供了一种基于区块链技术的深度学习数据共享装置,应用于区块链网络,如图6所示,该装置可以包括:
接收模块610,用于接收需求端设备发送的获取请求,其中,获取请求包括所请求的深度学习数据的标识信息及目标代币数;
查找模块620,用于基于该标识信息及预先设置的智能合约,确定该标识信息对应的基准代币数,其中,智能合约为发布端设备在发布深度学习数据至区块链网络时设置的,智能合约中设置了深度学习数据的标识信息与基准代币数的对应关系;
发送模块630,用于若目标代币数大于或等于基准代币数,则将预先存储的具有该标识信息的深度学习数据发送至需求端设备,以使需求端设备利用深度学习数据进行模型训练。
可选的,智能合约中还设置了深度学习数据的标识信息与数据密钥的对应关系;
查找模块620,还可以用于基于该标识信息及智能合约,确定该标识信息对应的数据密钥;
发送模块630,还可以用于若目标代币数大于或等于基准代币数,则将数据密钥发送至需求端设备,以使需求端设备利用数据密钥对深度学习数据进行解密,并基于解密后的深度学习数据进行模型训练。
可选的,深度学习数据包括样本数据和/或深度学习模型;
发送模块630,具体可以用于:将预先存储的具有所述标识信息的样本数据发送至所述需求端设备,以使所述需求端设备利用所述样本数据对本地的深度学习模型进行训练;和/或,将预先存储的具有所述标识信息的深度学习模型发送至所述需求端设备,以使所述需求端设备利用本地的样本数据对所述深度学习模型进行训练。
可选的,该装置还可以包括:
获取模块,用于获取需求端设备发送的训练后的深度学习数据、训练后的深度学习数据的标识信息及基准代币数,其中,训练后的深度学习数据包括已完成训练的深度学习模型,和/或,训练深度学习模型采用的样本数据;
部署模块,用于部署智能合约,并基于该标识信息及基准代币数,在智能合约中设置该标识信息与基准代币数的对应关系。
可选的,获取模块,还可以用于获取训练后的深度学习数据的数据密钥;
部署模块,还可以用于在智能合约中设置该标识信息与数据密钥的对应关系。
可选的,发送模块630,还可以用于若所述目标代币数大于或等于所述基准代币数,则将所述目标代币数的代币发送至所述发布端设备。
应用本申请实施例,发布端设备发布深度学习数据时,会在区块链网络上设置智能合约,并在智能合约中设置深度学习数据的标识信息与基准代币数的对应关系,则在接收到获取请求后,根据智能合约,确定所请求的深度学习数据的标识信息对应的基准代币数,对需求端设备发送的目标代币数和基准代币数进行比较,如果目标代币数大于或等于基准代币数,则说明需求端设备请求深度学习数据时所提供的代币数满足发布端设备发布该深度学习数据时设定的代币数要求,则区块链网络会将该深度学习数据发送给需求端设备。也就是说,区块链网络不会一收到获取请求,就将需求端设备请求的深度学习数据发送给需求端设备,而是在确定目标代币数大于或等于基准代币数后,才将需求端设备请求的深度学习数据发送给需求端设备,即需求端设备请求深度学习数据时所提供的代币数满足发布端设备发布该深度学习数据时设定的代币数要求时,才会向需求端设备发送其请求的深度学习数据,从而提高了深度学习数据共享时的数据安全性。
本申请实施例还提供了一种区块链网络,如图7所示,包括处理器701和机器可读存储介质702,其中,
机器可读存储介质702,用于存储能够被处理器701执行的机器可执行指令;
处理器701,用于被机器可读存储介质702上所存放的机器可执行指令促使执行本申请实施例提供的基于区块链技术的深度学习数据共享方法的所有步骤。
机器可读存储介质702与处理器701之间可以通过有线连接或者无线连接的方式进行数据传输,并且电子设备可以通过有线通信接口或者无线通信接口与其他的设备进行通信。
上述机器可读存储介质可以包括RAM(Random Access Memory,随机存取存储器),也可以包括NVM(Non-volatile Memory,非易失性存储器),例如至少一个磁盘存储器。可选的,机器可读存储介质还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器,包括CPU(Central Processing Unit,中央处理器)、NP(Network Processor,网络处理器)等;还可以是DSP(Digital Signal Processor,数字信号处理器)、ASIC(Application Specific Integrated Circuit,专用集成电路)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本实施例中,该电子设备的处理器通过读取机器可读存储介质中存储的机器可执行指令,并通过运行该机器可执行指令,能够实现:发布端设备发布深度学习数据时,会在区块链网络上设置智能合约,并在智能合约中设置深度学习数据的标识信息与基准代币数的对应关系,则在接收到获取请求后,根据智能合约,确定所请求的深度学习数据的标识信息对应的基准代币数,对需求端设备发送的目标代币数和基准代币数进行比较,如果目标代币数大于或等于基准代币数,则说明需求端设备请求深度学习数据时所提供的代币数满足发布端设备发布该深度学习数据时设定的代币数要求,则区块链网络会将该深度学习数据发送给需求端设备。也就是说,区块链网络不会一收到获取请求,就将需求端设备请求的深度学习数据发送给需求端设备,而是在确定目标代币数大于或等于基准代币数后,才将需求端设备请求的深度学习数据发送给需求端设备,即需求端设备请求深度学习数据时所提供的代币数满足发布端设备发布该深度学习数据时设定的代币数要求时,才会向需求端设备发送其请求的深度学习数据,从而提高了深度学习数据共享时的数据安全性。
另外,相应于上述实施例所提供的基于区块链技术的深度学习数据共享方法,本申请实施例提供了一种机器可读存储介质,用于机器可执行指令,所述机器可执行指令促使处理器执行本申请实施例提供的基于区块链技术的深度学习数据共享的所有步骤。
本实施例中,机器可读存储介质存储有在运行时执行本申请实施例所提供的基于区块链技术的深度学习数据共享的机器可执行指令,因此能够实现:发布端设备发布深度学习数据时,会在区块链网络上设置智能合约,并在智能合约中设置深度学习数据的标识信息与基准代币数的对应关系,则在接收到获取请求后,根据智能合约,确定所请求的深度学习数据的标识信息对应的基准代币数,对需求端设备发送的目标代币数和基准代币数进行比较,如果目标代币数大于或等于基准代币数,则说明需求端设备请求深度学习数据时所提供的代币数满足发布端设备发布该深度学习数据时设定的代币数要求,则区块链网络会将该深度学习数据发送给需求端设备。也就是说,区块链网络不会一收到获取请求,就将需求端设备请求的深度学习数据发送给需求端设备,而是在确定目标代币数大于或等于基准代币数后,才将需求端设备请求的深度学习数据发送给需求端设备,即需求端设备请求深度学习数据时所提供的代币数满足发布端设备发布该深度学习数据时设定的代币数要求时,才会向需求端设备发送其请求的深度学习数据,从而提高了深度学习数据共享时的数据安全性。
对于区块链网络以及机器可读存储介质实施例而言,由于其所涉及的方法内容基本相似于前述的方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、区块链网络以及机器可读存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的较佳实施例,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本申请的保护范围内。
- 一种基于区块链技术的深度学习数据共享方法及装置
- 一种基于区块链技术的医疗数据共享方法、装置、电子设备及存储介质