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！

龙图腾网获悉天津瑟威兰斯科技有限公司申请的专利基于区块链的分布式人工智能模型训练与安全共享系统及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：CN119004525B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202410977107.5，技术领域涉及：G06F21/62；该发明授权基于区块链的分布式人工智能模型训练与安全共享系统及方法是由王光夫设计研发完成，并于2024-07-19向国家知识产权局提交的专利申请。

本基于区块链的分布式人工智能模型训练与安全共享系统及方法在说明书摘要公布了：本发明公开了基于区块链的分布式人工智能模型训练与安全共享方法，包括以下步骤：获取原始数据，对原始数据进行预处理，使用卷积神经网络和递归神经网络分别提取图像特征和文本特征，通过多模态融合技术将所提取的图像特征和文本特征融合成综合特征向量；将综合特征向量分割并成数据分片发至系统中的各节点，通过前向传播、损失计算、反向传播和优化算法迭代训练分布式人工智能模型得到节点模型参数，再利用聚合算法得到全局模型参数，将全局模型参数加密后上传至区块链，确保只有授权用户能够解密和访问。本发明能够提高训练的精度和系统的整体性能，增强系统的安全防护能力。本发明还公开了基于区块链的分布式人工智能模型训练与安全共享系统。

本发明授权基于区块链的分布式人工智能模型训练与安全共享系统及方法在权利要求书中公布了：1.基于区块链的分布式人工智能模型训练与安全共享方法，其特征在于，包括以下步骤： S1：获取原始数据，对原始数据进行预处理，使用卷积神经网络和递归神经网络从预处理后的数据中分别提取图像特征和文本特征，并通过多模态融合技术将所提取的图像特征和文本特征融合成综合特征向量； S2：将综合特征向量分割成数据分片发至系统中的各节点，通过前向传播、损失计算、反向传播和优化算法迭代训练分布式人工智能模型得到节点模型参数，在前向传播、损失计算、反向传播和优化算法的实现过程中，基于权重矩阵和偏置向量，对输入数据经过神经网络层层计算，输出预测结果，具体实现为： zl＝Wlul-1+bl ul＝fzl 其中，ul表示第l层的激活值，ul-1表示第l-1层的激活值，Wl和bl分别表示第l层的权重矩阵和偏置向量，f是激活函数； 利用损失函数来衡量预测结果与真实标签之间的差距；利用反向传播来计算损失函数相对于每个参数的梯度，公式为： δl＝δl+1Wl+1⊙f′zl 其中，δL是输出层的误差项，δl是第l层的误差项，δl+1是第l+1层的误差项，Wl+1是第l+1层的权重矩阵，f′是激活函数f的导函数，S是损失函数，表示损失函数S对隐藏层输出uL的梯度，其中，L为最后一层，最后一层的激活值uL即为隐藏层的输出，表示转置；是损失函数S对权重矩阵Wl的梯度，是损失函数S对偏置向量bl的梯度； 引入Adam优化算法通过计算梯度的一阶矩估计和二阶矩估计来更新参数，公式为： 其中，mt和vt分别是梯度的一阶矩估计和二阶矩估计，β1是一阶矩估计的衰减率，β2是二阶矩估计的衰减率，是当前时刻t的损失函数L对参数θ的梯度，参数θ是权重矩阵Wl或者偏置向量bl，偏差矫正的公式为： 其中，β1t是β1的t次方，β2t是β2的t次方，和分别是偏差校正后的一阶矩估计和二阶矩估计，参数更新的公式为： 其中，θnew和θold分别是参数更新后和更新前的值，∈是防止除以零的常数，η是学习率； 重复执行前向传播、损失计算、反向传播、参数更新四个操作，不断更新分布式人工智能模型的参数，直到分布式人工智能模型的性能达到规定阈值或完成规定执行次数； 再利用聚合算法得到全局模型参数，将全局模型参数加密后上传至区块链，确保只有授权用户能够解密和访问。

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天津瑟威兰斯科技有限公司，其通讯地址为：300450 天津市滨海新区高新区华苑产业区(环外)海泰华科五路2号1号楼B座101-1室；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”。