一种基于私有区块链的信息保护预测模型研究

[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间互操作性,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。