(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210819051.1 (22)申请日 2022.07.12 (71)申请人 南京航空航天大 学 地址 211106 江苏省南京市江宁区将军大 道29号 (72)发明人 赵佳豪　张玉书　蒋佳佳　 (74)专利代理 机构 南京瑞弘专利商标事务所 (普通合伙) 32249 专利代理师 吴旭 (51)Int.Cl. H04L 9/32(2006.01) H04L 9/06(2006.01) H04L 9/40(2022.01) H04L 41/16(2022.01) H04L 67/104(2022.01) (54)发明名称 一种区块链上AI行为 正确性验证方法 (57)摘要 本发明公开了一种区块链上AI行为正确性 验证方法， 客户端节点调用区块链上的数据进行 AI模型的训练； 客户端节点将生成的AI行为记录 AI‑digest进行代理重加密并发送给背书节点； 背书节点根据收到的数据对客户端节点进行明 文数据请求对AI ‑digest进行正确性验证； 排序 节点将有效背书的AI ‑digest连同交易一起 打包 存储在区块链上， 实现了对于区块链上AI行为的 正确性验证。 本发明针对区块链上AI行为缺乏监 管这个角度出 发， 设计了代理重加密以此保护了 数据的隐私性以及实现了数据的访问控制， 同时 引入了分布式存储系统IPFS将加密后的数据存 放在IPFS中而将数据摘要存放在区块链中， 在减 少了区块链的开销的同时也能够为后续区块链 上AI行为的监管提供 可信的依据。 权利要求书3页 说明书5页 附图2页 CN 115396110 A 2022.11.25 CN 115396110 A 1.一种区块链上AI行为 正确性验证方法， 其特 征在于， 包括以下步骤： 1)客户端节点调用区块链上的数据进行AI模型训练， 同时对AI模型训练过程中的参数 以及中间状态进行记录， 生成AI ‑digest数据元组； 2)客户端节点对步骤1)中生成的AI ‑digest数据元组进行代理重加密， 同时将加密后 的数据存放于IPFS分布式存 储系统中， 将返回的地址索引进行记录； 3)客户端节点将步骤2)中的地址索引以及交易内容发送给背书节点进行AI行为训练 正确性验证， 其中每笔交易内容中包含接受方的地址信息， 交易金额， 发送方的签名以及事 务信息； 4)所述背书节点判断AI行为训练以及交易内容是否满足正确性验证， 验证通过则对此 AI‑digest数据元组的地址索引以及交易内容进行背书签名， 形成有效背书； 否则拒绝背 书， 形成无效背 书； 5)所述背书节点将背书结果即签名后的AI ‑digest的地址索引和交易 内容返回给所述 客户端节点， 所述 客户端节点将收到的背 书结果发送给排序节点； 6)所述排序节点对收到的AI ‑digest地址索引和交易内容的背书签名进行验证， 有效 背书的数据进行 上链存储， 无效背 书的数据拒绝上链同时对所述背 书节点进行惩罚。 2.如权利要求1所述的一种区块链上AI行为正确性验证方法， 其特征在于， 步骤1)的实 现过程为： 1.1)构建AI训练模型M0和P2P网络； 1.2)参数设置： 初始化AI训练模型M0的参数， 包括学习率η， 学习训练批次m； 初始化P2P 网络的参数， 包括默认的网路ID， 协 议号； 设置乘法循环群G； 生 成元P； 由外界的可信权威部 分担任证书颁发机构CA， 同时证书颁发机构CA选取随机数 作为其主私钥， 其中 是 模为q的正整数域， q为乘法循环群G的阶数； 证书颁发机构CA的公钥mpkCA＝r×P； 选取hash 函数 系统公共参数 1.3)生成用户注册信息： 首先， 用户U随机选取随机数 同时计算用户标识符 将元组(idU,RU)发送给证书颁发机构CA； 证书颁发机构CA根据元组(idU,RU)， 随机选择随机值 并计算Rt＝rt×P， 其中Rt为证书颁发机构CA计算的用户标识符号； 因此， 用户节点U的证书 为CertU＝RU+Rt， 计算ra＝H1(CertU||idU)*rt+r， ra是计算的随机 数， 最后， 证书颁发机构CA将元组(ra,CertU)发送给用户节点U完成用户信息注 册； 1.4)生成AI训练记录数据： 当用户注册好身份信息后， 客户端节点调用区块链上的数 据进行AI训练， 并且对AI训练过程的中间状态以及参数进行记录， 生成数据元组AI ‑ digest。 3.如权利要求2所述的一种区块链上AI行为正确性验证方法， 其特征在于， 步骤2)的实 现过程为： 客户端节点首先生成元数据 其中 是用户的身份标识， T0是时间 戳， 同时对数据元组AI ‑digest进行加密得到密文CM＝Enc(M,filekey)， Enc为加密算法， 该 算法包含机加密数据M以及加密密钥filekey， 其中filekey是随机生成 的加密密钥， M是数权　利　要　求　书 1/3 页 2 CN 115396110 A 2据元组AI ‑digest； 其次 ， 客户端节点选取随机值 进行两部分密文计算 hA＝H2(r||M||meta)， 其 中 为异或操作， pkCN是客户端节 点的公钥， hA是计算生成 的hash值； 最后客户端节点生成签名 其中 是客户端节点的私钥， 同时判断签名 是否为0， 若是0， 则重新选取随机值r； 否则 将密文信息即加密后的AI ‑digest： 传送给IPFS分布式存储系统， IPFS分布式存储系统对密文信息进行Mer kle DAG默克尔有向无环图的格式组织分块存储， 在存储完毕后， 密文信息将以Merkle  DAG的根哈希来表示该密文信息的地址索引， 将返回 的地址索引进行记录 。 4.如权利要求3所述的一种区块链上AI行为正确性验证方法， 其特征在于， 步骤3)的实 现过程为： 3.1)数据存储： 经过密文信息 发送给IPFS分布式存储系统之 后， IPFS分布式存储系统选取一个唯一的地址索引返回给客户端节点用于后续的数据请 求， 客户端节点将返回的地址索引进行记录； 3.2)数据传递： 客户端节点将收到的地址索引以及交易内容传递给所述背书节点进行 AI行为的正确性验证。 5.如权利要求4所述的一种区块链上AI行为正确性验证方法， 其特征在于， 步骤4)的实 现过程为： 4 .1) 数 据检 索 ： 首 先 当 客 户端 节 点收 到交 易 请 求 之 后 ， 根 据 密 文 信息 以及背书节点的身份信息 和证书 计算随机值 同时利用证书颁发机构CA的公钥 mpkCA来核验背书节点的身份信息是 否正确， 若验证通过， 计算重加密 密钥： 接下来代理服务器根据收到的地址索引来检索加密后的AI ‑digest， 同时利用代理重 加密密钥 来对加密后的AI ‑digest进行重加密， 并将重加密的AI ‑digest发送给背书节点； 最后当背 书节点收到 了重加密数据之后， 利用其私钥进行解密得到明文数据AI ‑digest； 数据核验： 在得到明文数据AI ‑digest后， 背 书节点按照： 对其中的中间状态的正确性进行验证， 其中Xi是当前 记录的状态， 为前一个状态值， 为AI算法执行生成的状态， F(*)为AI算法方程， Δval 为设置的偏差值， 若记录的每个中间状态和 计算出的每个中间状态的差值≤Δval， 背书节 点认为其状态是合规的； 对记录的所有中间状态进 行验证， 若 所有状态都验证通过， 则证明 AI行为记录没有出错， AI行为的正确性得到了验证； 背书节点接下来对交易合规性进行验 证， 按照Merkel默克尔树算法计算Merkle  Root默克尔根， 若验证通过， 则代表这笔交易内 容合规， 背书节点进行背 书。 6.如权利要求5所述的一种区块链上AI行为正确性验证方法， 其特征在于， 步骤5)的实 现过程为： 客户端节点将包含背书节点签名的AI ‑digest的地址索引以及 交易内容上传给 排序节点进行打包上链操作。权　利　要　求　书 2/3 页 3 CN 115396110 A 3