作者：涂奔; 张李义; 陈晶信息保护在线机器学习区块链模型链
摘要：[目的／意义]预测建模是数据挖掘的基础任务之一，当前基于信息保护的预测模型大多建立在一个中心化的架构之下，因而不可避免地存在一些安全性和鲁棒性漏洞。因此尝试一种新的、去中心化的预测建模方法，能够兼具敏感信息保护和数据处理能力，无论对跨机构互操作还是对国家层面的信息安全与共享服务，均有重要的意义。[方法／过程]文章提出了一个新的预测模型架构——模型链，将基于信息保护的在线机器学习与私有区块链网络技术相互整合，应用交易元数据传递局部模型，并提出一种新的信息证明算法以确定在线学习进程的执行顺序。[结果／结论]在模型链中，每个参与的站点都将有助于模型参数估计，但无需透露己方的任何信息（即只有模型参数而没有用户数据在机构间进行交换）。基于区块链技术的预测建模能够有效提高机构问互操作性，同时规避了敏感信息泄露、数据处理需要中央服务器引导而产生的种种系统性、政策性风险。该方法将有助于支持全国范围内的信息共享服务的路线图设计。[局限]模型链的技术实施还有待结合具体的网络环境进行评估，这也是开展后续研究的目标。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
