东南大学张嘉政获国家专利权
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!
龙图腾网获悉东南大学申请的专利一种基于区块链的大模型数据监管方法及系统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:CN119493828B 。
龙图腾网通过国家知识产权局官网在2025-12-05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:202411569029.1,技术领域涉及:G06F16/27;该发明授权一种基于区块链的大模型数据监管方法及系统是由张嘉政;李守伟;何海波;陈明辉设计研发完成,并于2024-11-05向国家知识产权局提交的专利申请。
本一种基于区块链的大模型数据监管方法及系统在说明书摘要公布了:本发明公开了一种基于区块链的大模型数据监管方法及系统,涉及数据监管技术领域,包括以下步骤:接收大模型数据,对大模型数据进行数据脱敏以及加密操作,得到加密后的大模型数据;将加密后的大模型数据输入至预先建立的控制变量分组小模型内进行隐私保护的成效检验,得到检验合格的小模型训练数据,其中,通过预设的共识节点参与预先建立的控制变量分组小模型的抽样检验过程;基于得出的检验合格的小模型训练数据输入至大模型内进行训练,得到训练后的数据,基于智能合约以及激励机制算法,对训练后的数据进行奖惩认定,得出数据监管结果。
本发明授权一种基于区块链的大模型数据监管方法及系统在权利要求书中公布了:1.一种基于区块链的大模型数据监管方法,其特征在于,方法包括以下步骤: 接收大模型数据,对大模型数据进行数据脱敏以及加密操作,得到加密后的大模型数据; 将加密后的大模型数据输入至预先建立的控制变量分组小模型内进行隐私保护的成效检验,得到检验合格的小模型训练数据,其中,通过预设的共识节点参与预先建立的控制变量分组小模型的抽样检验过程; 基于得出的检验合格的小模型训练数据输入至大模型内进行训练,得到训练后的数据,基于智能合约以及激励机制算法,对训练后的数据进行奖惩认定,得出数据监管结果; 监督惩罚机制过程如下: 奖励和惩罚记录,将奖励和惩罚记录存储在区块链上,每一笔奖励或者惩罚交易都会被记录在区块链上,被所有参与者查看和验证;通过与智能合约联动管理激励机制,利用区块链智能合约来管理激励机制的执行逻辑,智能合约根据预设的规则和条件,自动执行奖励和惩罚操作,并且全公开的透明机制确保了所有参与者了解奖惩的执行标准; 智能合约中的执行逻辑考虑数据隐私的问题,链上节点或客户在执行链上投票和治理,结合任务评估算法,根据任务难度、完成度和质量指标来动态调整奖励,采用工作量证明的概念,根据任务的实际贡献来确定奖励的分配比例,让市场参与者共同参与激励机制的规则制定和调整,在参与共识阶段后,设计链上投票机制来决定奖励的分配方式或者惩罚的程度; 智能合约参与到激励机制的设计,在和共识机制的配合下,根据数据的合规性和贡献度设计奖励机制,鼓励用户提供合规数据并参与数据处理,奖励合规的数据提供者和处罚不合规、共识异常的处理者;通过对智能合约的数据结构和逻辑构造,包括数据存储、处理和权限控制,在合约中定义数据的属性,利用无需人为干预的特性,发挥智能合约优势,利用智能合约将经由隐私处理后的数据构建出小模型,为基于已预训练数据和部分合规数据进行构建,是训练量、规模受限的大模型,参与小模型训练的数据分为三组,分别是全为预训练数据;已训练的合格数据和预训练数据各一半;全为合格训练数据;而后对小模型进行常规化测试,定义合规数据的标准和规则,若分组试验下小模型的表现指标合格,则将预训练结果作为合规数据直接加入大模型,反之,对不符合合规标准的数据进行识别和处理,不合规数据淘汰,并结合激励机制对相应责任方进行奖惩,在设计数据偏见性检测算法层面,根据数据属性和特征、偏见性检测逻辑,设计算法来评估数据的偏见性,并且通过区块链分布式特性对数据进行偏见性评估并记录结果,根据测试结果不断优化智能合约的逻辑和算法实现,依靠智能合约的特性,自主建立基于智能合约的小模型或并结合激励机制来促进合规数据的贡献和处理,结合区块链得到大模型数据监管体系。
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东南大学,其通讯地址为:211189 江苏省南京市江宁区东南大学路2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。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励