本发明涉及人工智能科技技术领域，尤其涉及一种基于区块链的机器学习与犯错预警装置及方法。
背景技术：
目前，世界人工智能领域技术飞速发展，未来的人工智能机器必将具备优质算法，学习处理信息的速度将非常快，深度学习能力将超强，这不仅需要相关机器界的法律算法完善也需要一种限制技术。机器联盟链旨在将各个具有机器学习共性的各家机器运营商的机器学习算法与机器用来智能学习的场景信息通过移动互联网进行链接，用来实现机器线上学习（自行处理信息进行学习）与线下学习（输入已经检验有效的算法），并将机器学习过程实时共享实现实时监控与管理，用于犯错预警，实现了机器的学习与犯错预警。
本技术是建立在联盟链上实现的，机器联盟链采用多中心的结构，包括两类节点，即线上学习兼记录节点和线下学习记录节点，其中，每一台机器就是一个线上学习兼记录节点，可以实现机器的自行学习和学习过程记录，每一个线下学习记录节点是一个中心，通过各线下学习记录节点达成共识的方式实现所有机器同时线下学习和维护全局机器学习能力。在现有的技术当中，需要分别在机器联盟链中各企业内部设立共同服务器，每个服务器对应一个线下学习记录中心节点，通过这些线下学习记录节点共同维护联盟链运营。
区块链技术作为当前国内外的焦点技术之一，会对未来的人工智能产生重要影响。
技术实现要素：
本发明的目的：提供一种基于区块链的机器学习与犯错预警装置及方法，能用来实现未来机器的学习与犯错预警。
为了实现上述目的，本发明的技术方案是：
一种基于区块链的机器学习与犯错预警装置，包括多个线上学习兼记录节点与线下学习记录节点，所述多个线上学习兼记录节点分别通过无线网络与所述线下学习记录节点连接；所述线上学习兼记录节点包括目标线上学习兼记录节点及其余线上学习兼记录节点；所述线上学习兼记录节点包括数据存储装置、通讯装置、数据采集接收装置及读取装置；所述线下学习记录节点包括管理授权装置、通讯装置、数据采集接收装置及数据存储装置。
上述的基于区块链的机器学习与犯错预警装置，其中，所述多个记录节点中至少有两个记录节点对应的企业的地理位置不同，且至少有两个线上学习记录节点与两个线下学习记录节点，所述多个节点处于同一局域网内。
上述的基于区块链的机器学习与犯错预警装置，其中，所述节点是由底层、中间层和顶层组成的，所述底层用于存储数据信息；所述中间层用于提供区块链服务；所述顶层为应用层。
上述的基于区块链的机器学习与犯错预警装置，其中，所述底层采用同态加密算法。
上述的基于区块链的机器学习与犯错预警装置，其中，所述目标记录节点还用于向所述记录节点发送心跳信号，所述心跳信号数据包括由两个巴克码和节点标识组成共32位的数据。
一种基于区块链的机器学习方法，包括如下步骤：
步骤1：机器利用传感器收集的有效周围信息向信息区块发送。
步骤2：信息收集区块将有效信息发送给机器进行智能学习。
步骤3：机器通过对大量有效信息的处理与分析进行深度学习，产生适合现在自己所处环境的有效算法。
步骤4：目标机器将有效算法向其余节点发起共识。
步骤5：若节点验证失败则结束。节点验证成功，将获取的机器自行处理进行学习的信息存储到行为记录区块中；所有机器承认此学习结果，并继承此算法。
上述的基于区块链的机器学习及方法，在所述基于区块链的机器学习方法中，还包括线下机器学习方法，包括如下步骤：
s1：目标线下中心节点将经检验有效的学习算法对其余节点发起共识。
s2：共识通过，存储到区块中；不通过，否决应用算法。
s3：存储到区块中分应用算法与不应用算法。
一种基于区块链的机器犯错预警方法，包括如下步骤：
步骤1：机器产生有效算法，包括适合大部分机器的共行算法和仅适合自己或极少部分机器的特殊算法。
步骤2：机器本身每次产生的算法绝大多数都没有得到其他机器的共识，其产生的大多数算法只适用于自己特定环境，联盟链授权者进行学习记录查询。
步骤3：检验合格，将特殊算法机器特殊情景进行备案记录；检验不合格，将机器召回。
本发明的联盟链系统包括多个节点，多个节点包括目标节点和其余节点，其余节点为多个节点中除目标节点以外的节点；目标节点，用于获取机器自行处理进行学习的信息与企业提供经检验有效的算法的进行学习的信息，将机器自行处理进行学习的信息与企业提供经检验有效的算法的进行学习的信息对其余记节点发起共识，若共识成功，将获取的机器自行处理进行学习的信息与企业提供经检验有效的算法的进行学习的信息存储到对应的区块中；其中，多个节点中至少有两个节点对应的企业的地理位置不同，且至少有两个线上学习记录节点与两个线下学习记录节点，多个节点处于同一局域网内。由于机器的学习记录都被记录并且可以实时查看，实现了机器的学习与犯错预警。
附图说明
图1是本发明基于区块链的机器学习与犯错预警装置的线上学习兼记录节点的模块原理图。
图2是本发明基于区块链的机器学习与犯错预警装置的线下学习节点的模块原理图。
图3是本发明基于区块链的机器学习与犯错预警装置的网络架构示意图。
图4是本发明基于区块链的机器学习方法的流程图。
图5是本发明基于区块链的机器学习方法的线下学习流程图。
图6是本发明基于区块链的机器犯错预警方法的流程图。
具体实施方式
以下结合附图进一步说明本发明的实施例。
请参见附图1至附图3所示，一种基于区块链的机器学习与犯错预警装置，包括多个线上学习兼记录节点1与线下学习记录节点101，所述多个线上学习兼记录节点1分别通过无线网络与所述线下学习记录节点101连接；所述线上学习兼记录节点1包括目标线上学习兼记录节点及其余线上学习兼记录节点，所述其余线上学习兼记录节点是线上学习兼记录节点1中除目标线上学习兼记录节点以外的其他节点；所述线下学习记录节点101包括线下学习记录节点和其他线下学习记录节点，所述其他线下学习记录节点是线下学习记录节点101中除线下学习记录节点以外的其他节点。
所述线上学习兼记录节点1包括数据存储装置11、通讯装置12、数据采集接收装置13及读取装置14。数据采集接收装置13将周边场景信息分时间段外加时间戳的的形式上传至区块。数据存储装置11将机器的自处理学习信息行为记录在区块上，记录自身形成的适合自己的有效算法；通讯装置12预设时间段将形成的链上传至机器线上学习兼记录链节点，进行处理分析，进行合理性验证。接收来自线下学习中心节点的已经验证的有效的算法。传输达成共识的算法到线下区块链中心节点将适合自己的算法对其余节点发起共识。
所述线下学习记录节点101包括管理授权装置1011、通讯装置1012、数据采集接收装置1013及数据存储装置1014。管理授权装置1011将已经验证的合理性算法上传至目标线上学习记录中心节点，对其余节点发起共识，共识之后下发给各个机器终端。否则不予对算法授权；数据存储装置1014存储已经授权的经检验有效的算法；数据采集接收装置1013接受来自企业的经检验有效的算法输入；通讯装置1012接受来自线上学习兼记录节点的信息与传输信息给线上学习兼记录节点信息。接受其余线下学习中心节点的发起的共识。
所述目标线上学习兼记录节点，用于获取机器本身自行处理周边信息进行及学习的记录信息，所述目标线下学习记录节点，用于企业为机器提供的已经检验有效的算法的学习记录信息。将所述线上学习与线下学习信息对所述其余线上学习兼记录节点与线下学习记录节点发起共识，若所述共识成功，将获取的线上学习与线下学习信息存储记录到对应的区块中；其中，所述多个记录节点中至少有两个记录节点对应的企业的地理位置不同，且至少有两个线上学习记录节点与两个线下学习记录节点，所述多个节点处于同一局域网内。
所述多个节点中的具体结构是由底层、中间层和顶层组成的三层结构，其中，所述底层用于存储数据信息；所述中间层用于提供区块链服务，包括机器利用区块链式数据结构来验证与存储机器学习数据、利用分布式节点共识算法来生成和更新机器学习数据、利用密码学的非对称加密方式保证数据传输和访问的安全、利用由自动化脚本代码组成的智能合约来编程和操作数据；所述顶层为应用层，包括区块链数据鉴权模块、区块链综合管理模块包括区块链网络查询，历史数据记录查询和区块链应用管理模块。
所述底层采用同态加密算法。
所述收集数据与区块通过无线方式进行传输。
所述目标记录节点还用于向所述记录节点发送心跳信号，所述心跳信号数据包括由两个巴克码和节点标识组成共32位的数据。
第二方面将所述机器自行处理进行学习的信息与企业提供经检验有效的算法的进行学习的信息对其余节点发起共识，其中，所述其余节点为多个节点中除所述目标节点以外的节点，所述多个节点中至少有两个节点对应的企业的地理位置不同，且至少有两个线上学习记录节点与两个线下学习记录节点，所述多个节点处于同一局域网内。
若所述共识成功，将获取的学习信息记录到对应的区块中。
向所述其余节点发送心跳信号，所述心跳信号数据包括由两个巴克码和节点标识组成共32位的数据。所述向所述其余节点发送心跳信号，具体为：每隔预设时间段向所述其余节点发送心跳信号。
区块链应用管理模块包括数据访问管理以及数据安全管理；所述数据访问管理是将数据访问的请求解析后，解析后的数据包括区块链网络节点的存储标识和区块链数据标识，并发送至区块链数据鉴权模块；所述数据安全管理包括数字签名、数据保护和存储安全。
请参见附图4所示，一种基于区块链的机器学习方法，包括如下步骤：
步骤1：机器利用传感器收集的有效周围信息向信息区块发送。
步骤2：信息收集区块将有效信息发送给机器进行智能学习。
步骤3：机器通过对大量有效信息的处理与分析进行深度学习，产生适合现在自己所处环境的有效算法。
步骤4：目标机器将有效算法向其余节点发起共识。
步骤5：若节点验证失败则结束。节点验证成功，将获取的机器自行处理进行学习的信息存储到行为记录区块中。所有机器承认此学习结果，并继承此算法。
请参见附图5所示，在所述基于区块链的机器学习方法中，还包括线下机器学习方法，包括如下步骤：
s1：目标线下中心节点将经检验有效的学习算法对其余节点发起共识。
s2：共识通过，存储到区块中；不通过，否决应用算法。
s3：存储到区块中分应用算法与不应用算法。
请参见附图6所示，一种基于区块链的机器犯错预警方法，包括如下步骤：
步骤1：机器产生有效算法。分适合大部分机器的共行算法和仅适合自己或极少部分机器的特殊算法。
步骤2：机器本身每次产生的算法绝大多数都没有得到其他机器的共识，其产生的大多数算法只适用于自己特定环境。联盟链授权者进行学习记录查询。
步骤3：检验合格，将特殊算法机器特殊情景进行备案记录；检验不合格，将机器召回。
机器联盟链旨在将各个具有机器学习共性的各家机器运营商的机器学习算法与机器用来智能学习的场景通过移动互联网进行链接，用来实现机器线上学习（自行处理信息进行学习）与线下学习（输入已经检验有效的算法），并将机器学习过程实时共享实现实时监控与管理，用于犯错预警。实现了机器的学习与犯错预警。
需要说明的是，当所述多个节点中有两个节点对应的企业不同时，由于这两个节点被部署在同一局域网内，这时节点底层所存储数据信息均可被两家企业轻易获取，为了保护每个企业自己的数据信息不被其他企业盗取，可以对底层采用同态加密算法来保证数据的安全。在本实施例中，所述底层采用同态加密算法。
同态加密是基于数学难题的计算复杂性理论的密码学技术，对经过同态加密的数据进行处理得到一个输出，将这一输出进行解密，其结果与用同一方法处理未加密的原始数据得到的输出结果是一样的。
综上所述，本发明的联盟链系统包括多个节点，多个节点包括目标节点和其余节点，其余节点为多个节点中除目标节点以外的节点；目标节点，用于获取机器自行处理进行学习的信息与企业提供经检验有效的算法的进行学习的信息，将机器自行处理进行学习的信息与企业提供经检验有效的算法的进行学习的信息对其余记节点发起共识，若共识成功，将获取的机器自行处理进行学习的信息与企业提供经检验有效的算法的进行学习的信息存储到对应的区块中；其中，多个节点中至少有两个节点对应的企业的地理位置不同，且至少有两个线上学习记录节点与两个线下学习记录节点，多个节点处于同一局域网内。由于机器的学习记录都被记录并且可以实时查看，实现了机器的学习与犯错预警。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的等效结构变换，或直接或间接运用附属在其他相关产品的技术领域，均同理包括在本发明的专利保护范围内。