买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利一种基于区块链的群体学习激励方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116028978B 。

龙图腾网通过国家知识产权局官网在2026-05-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310183663.0，技术领域涉及：G06F21/62；该发明授权一种基于区块链的群体学习激励方法是由尹可挺;李粤海;陈晓丰设计研发完成，并于2023-03-01向国家知识产权局提交的专利申请。

本一种基于区块链的群体学习激励方法在说明书摘要公布了：本发明公开了一种基于区块链的群体学习激励方法，首先将集群中的节点分为网络节点、数据节点、带激励机制的计算节点和其他节点，对主要节点使用基于区块链和声誉机制的激励方法，辅以基于博弈论的奖惩机制计算每个节点可能的奖赏和罚金，让每个节点诚实工作的收益最大。本发明可实现群体学习的良性循环，依托区块链记录声誉和博弈论方法促进数据节点提供真实的信息；在深度学习和机器学习时代可发挥重要作用，如在各金融机构之间，本无法使它们互信地进行有隐私保护的数据融合，但本发明可以评估各机构之间的信用，维持数据需求方和数据提供方的利益平衡，从而使得各方自愿地加入群体学习过程中，充分发挥潜在的数据价值。

本发明授权一种基于区块链的群体学习激励方法在权利要求书中公布了：1.一种基于区块链的群体学习激励方法，其特征在于，包括以下步骤： 1节点预处理，具体包括以下子步骤： 1.1构建联盟链以及身份准入合约contract1和保证金合约contract2； 1.2将节点分为网络节点network_node、数据节点data_node、带激励机制的计算节点worker_node和模型使用节点user_node后，依据contract1合约验证身份和contract2合约缴纳保证金mi加入到步骤1.1构建的联盟链中； 1.3所述联盟链中有若干个相似职能的机构Oi，其在一个机构中包含有一个网络节点、若干个数据节点和带激励机制的计算节点； 2网络节点对数据节点进行预训练与筛选，具体包括以下子步骤： 2.1网络节点将模型任务发布到区块链上以供各个数据节点查询，数据节点自愿地加入预训练阶段让网络节点挑选合适的参与者； 2.2在预训练阶段，网络节点计算评估数据节点的信用值，即tot_reputation；其中tot_reputation=direct_reputation+indirect_reputation，direct_reputation是指网络节点计算的数据节点在预训练阶段的信用值，indirect_reputation是指在链上参考的信用值； 2.3数据节点根据自身能提供的数据类型、数据质量、数据规模与网络节点签署对应的智能合约task_contract，其中合约里应注明数据节点按要求完成训练后应得到的奖励reward；若数据节点在结束训练后满足合约的要求，则获取相关的奖励reward，同时网络节点将上传其实际的reputation；若数据节点故意作恶或者没有达到契约的要求，它的保证金mi会被没收并用来赔偿其他的数据节点和网络节点，同时网络节点会给予该数据节点一个50%reputation的评价并上传；若作恶的数据节点想再次加入训练，其必须先缴纳上次保证金的两倍作为本次保证金； 2.4网络节点在完成数据节点选择后，把后续的计算委托给带激励机制的计算节点，并支付给带激励机制的计算节点委托金，而带激励机制的计算节点会将训练过程产生的多个结果通过同态加密的方式告知网络节点；为了阻止计算节点得知额外的梯度信息，数据节点的梯度信息也通过同态加密的形式传输给带激励机制的计算节点；所述多个结果包括最终模型参数、数据节点的reputation以及每轮的详细信息；所述梯度信息是指每个数据节点在每一轮训练过程中产生的梯度值； 3带激励机制的计算节点进行全局模型和信用值的计算与共识，具体包含以下子步骤： 3.1每个计算节点的诚信值trust的初始为100分，且trust0；假设此时系统拥有n个计算节点，其计算节点的下标可以设为0,1,...n-1；系统同时维护一个trust数组，其中trust[i]即表示下标为i的计算节点的诚信度；系统计算出trust数组的前缀和数组preSum_trust，其中前缀和数组的最后一个元素即为所有计算节点的trust值总和tot_trust；系统利用区块链随机数算法生成一个属于[0,tot_trust]之间的随机数r,然后通过二分搜索算法高效找出r在前缀和数组preSum_trust中的位置，设preSum_trust[j]r=preSum_trust[j+1]，指定第j个计算节点作为leader； Leader节点需要完成全局模型M的全局梯度G的更新，同时需要计算第i个数据节点的reputation；其数学表达式为： ， 其中j表示第j轮训练，其中； 所述leader计算的是同态加密后的数据，同时leader需要附上正确性证明V；若其余计算节点希望验证leader的结果正确性，可加入验证委员会，其中验证委员会里面使用PBFT共识协议； 3.2当leader完成网络节点委托的计算任务后，验证委员会对leader的结果进行验证；若leader的结果不被大于23的其他带激励机制的计算节点认可，则认为leader是在故意作恶，此时leader的保证金将均分给其他计算节点；若作恶的带激励机制的计算节点想再次加入训练，其必须先缴纳上次保证金的两倍作为本次保证金；同时leader的诚信值trusti会减分，且下次被随机数算法抽到的概率变低；后续需要在剩余带激励机制的计算节点中再次执行选举-计算-验证的步骤；若leader的结果被大于23的其他带激励机制的计算节点认可，诚信值trusti会加分，同时它将能获得本轮的出块奖励以及获得模型发布者的委托金；对于其他帮助验证的节点属于多数派的节点诚信值trusti加分，属于少数派的节点诚信值trusti减分； 3.3通过验证后，leader将训练过程的加密结果以交易的形式记录上链，以供网络节点获取并解密训练数据； 4不同机构间的网络节点进行reputation信息可信共享，具体包括以下子步骤： 4.1在同一个区块中，会存在存储不同训练过程结果的交易，其中同一个数据节点加入到不同网络节点发起的训练中，其将获得不同网络节点评价的reputation[j],其中j表示第j个网络节点； 4.2为阻止网络节点恶意谎报数据节点的reputation信息，需要对同一个区块中，同一个数据节点的个reputation值进行离群值分析；具体而言，设reputation满足正态分布，离群值需满足,其中表示所有reputation的标准差；对于报告离群值的网络节点，将其保证金均分给其他参与离群值判断的网络节点，若作恶的网络节点想再次加入训练，其必须先缴纳上次保证金的两倍作为本次保证金；此时需要去除离群的reputation，然后设剩余个正常的reputation，计算其平均值，并将其记录上链；所述； 5模型使用节点使用训练好的模型，具体包含以下子步骤： 5.1模型使用节点可以是联盟链中的任意节点，包括模型发布节点、数据节点、带激励机制的计算节点以及其他节点；模型使用节点在使用模型的时候，需要支付给模型发布节点相应的费用wi，网络节点会把用模型使用节点公钥加密的结果和结果的正确性证明写入交易打包上链，只有模型使用节点可解密结果； 5.2带激励机制的计算节点可以通过检测正确性证明给返回的结果作证，若大于23节点，则认为结果可信，此次交易成功，交易结果记录上链，网络节点可以获取相关的费用，并且协助验证的计算节点也可以均摊交易费为1%wi，同时协助验证的计算节点诚实诚信度trusti会加分；若少于23的计算节点，则支持该结果，此次交易失败，网络节点的保证金均摊给模型使用节点和参与验证的带激励机制的计算节点，即若作恶的网络节点想再次加入训练，其必须先缴纳上次保证金的两倍作为本次保证金。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。