安全人工智能模型训练和注册系统的制作方法

技术特征：
1.一种系统，包括：存储器；以及耦合到所述存储器的处理电路，所述处理电路可操作以：基于来自用户的输入，构建人工智能(ai)模型；基于来自所述用户的输入，训练所述ai模型；基于与构建并且训练经训练的ai模型相关联的第一事务，创建第一ai模型元数据；至少部分地基于所述经训练的ai模型，计算第一哈希；在第一容器中打包所述经训练的ai模型、所述第一ai模型元数据和所述第一哈希；注册所述第一容器；向所述用户提供对所述第一容器的安全访问；以及基于所述第一哈希，针对所述用户验证所述经训练的ai模型。2.根据权利要求1所述的系统，其中所述处理电路还可操作以：确定在创建所述第一ai模型元数据之后，所述经训练的ai模型是否被进一步训练；基于所述经训练的ai模型被进一步训练，创建第二ai模型元数据，所述第二ai模型元数据基于的是所述第一事务和第二事务，所述第二事务与对所述经训练的ai模型的所述进一步训练相关联；至少部分地基于进一步训练的ai模型，创建第二哈希；以及在第二容器中打包所述进一步训练的ai模型、所述第二ai模型元数据和所述第二哈希；以及注册所述第二容器。3.根据权利要求1所述的系统，其中所述第一ai模型元数据包括以下一项或多项：ai模型属性、ai模型训练事务信息、ai模型训练数据使用信息、或者ai模型训练底层结构信息。4.根据权利要求1所述的系统，其中所述处理电路可操作以：在基于区块链的注册表中注册所述第一容器。5.根据权利要求1所述的系统，其中所述处理电路还可操作以：创建安全环境；从第一提供方接收机器学习算法；在所述安全环境中放置所述机器学习算法；从第二提供方接收数据集；在所述安全环境中放置所述数据集；基于所述机器学习算法，在所述安全环境中构建安全ai模型；基于所述数据集，在所述安全环境中训练所述安全ai模型；以及基于与所述安全ai模型相关联的事务，创建安全ai模型元数据，其中所述事务包括对所述安全ai模型的所述构建和对所述安全ai模型的所述训练，并且其中所述安全ai模型元数据指示所述安全ai模型的起源信息。6.根据权利要求5所述的系统，其中所述处理电路还可操作以：通过限制以下一项或多项来创建所述安全环境：数据的出口和入口、所述经训练的ai模型的出口和入口、数据提供方身份、模型提供方身份、或者模型改变。7.一种系统，包括：
通信电路，所述通信电路可操作以从提供方接收数据集、机器学习算法和ai模型；耦合到所述通信电路的安全沙箱，所述安全沙箱可操作以训练ai模型并且记录与训练ai模型相关联的ai模型元数据；以及存储器，所述存储器可操作以存储所述数据集、所述机器学习算法、所述ai模式和所述ai模型元数据。8.根据权利要求7所述的系统，其中所述安全沙箱包括实验流水线和行业化流水线，所述实验流水线和所述行业化流水线可操作以训练所述ai模型并且记录与训练所述ai模型相关联的所述ai模型元数据。9.根据权利要求7所述的系统，其中所述安全沙箱还可操作以序列化所述ai模型并且将每个经序列化的ai模型打包到分开的容器中。10.根据权利要求9所述的系统，其中每个分开的容器包括经序列化的ai模型、相关联的ai模型元数据和相关联的哈希。11.根据权利要求10所述的系统，其中所述通信电路还可操作以将所述分开的容器或者ai模型元数据中的至少一项传送到模型注册表。12.根据权利要求11所述的系统，其中所述通信电路还可操作以：从所述模型注册表接收对ai模型的谱系的证明。13.一种方法，包括：由系统并且基于来自用户的输入，构建ai模型；由所述系统并且基于来自所述用户的输入，训练所述ai模型；由所述系统基于与构建并且训练经训练的ai模型相关联的第一事务，创建第一ai模型元数据；至少部分地基于所述经训练的ai模型，由所述系统计算第一哈希；在第一容器中打包所述经训练的ai模型、所述第一ai模型元数据和所述第一哈希；由所述系统注册所述第一容器；由所述系统向所述用户提供对所述第一容器的安全访问；以及基于所述第一哈希，由所述系统针对所述用户验证所述经训练的ai模型。14.根据权利要求13所述的方法，还包括：在创建所述第一ai模型元数据之后，由所述系统确定所述经训练的ai模型是否被进一步训练；由所述系统并且基于所述经训练的ai模型被进一步训练，创建第二ai模型元数据，所述第二ai模型元数据基于的是所述第一事务和第二事务，所述第二事务与对所述经训练的ai模型的所述进一步训练相关联；至少部分地基于所述进一步训练的ai模型，由所述系统创建第二哈希；以及由所述系统在第二容器中打包所述进一步训练的ai模型、所述第二ai模型元数据和所述第二哈希；以及由所述系统注册所述第二容器。15.根据权利要求13所述的方法，其中所述第一ai模型元数据包括以下一项或多项：ai模型属性、ai模型训练事务信息、ai模型训练数据使用信息、或者ai模型训练底层结构信息。
16.根据权利要求13所述的方法，其中注册所述第一容器包括：在基于区块链的注册表中注册所述第一容器。17.根据权利要求13所述的方法，还包括：由所述系统创建安全环境；由所述系统从第一提供方接收机器学习算法；由所述系统在所述安全环境中放置所述机器学习算法；由所述系统从第二提供方接收数据集；由所述系统在所述安全环境中放置所述数据集；基于所述机器学习算法，由所述系统在所述安全环境中构建安全ai模型；基于所述数据集，由所述系统在所述安全环境中训练所述安全ai模型；以及基于与所述安全ai模型相关联的事务，由所述系统创建安全ai模型元数据，其中所述事务包括对所述安全ai模型的所述构建和对所述安全ai模型的所述训练，并且其中所述安全ai模型元数据指示所述安全ai模型的起源信息。18.根据权利要求17所述的系统，还包括：通过限制以下一项或多项，由所述系统创建所述安全环境：数据的出口和入口、所述经训练的ai模型的出口和入口、数据提供方身份、模型提供方身份、或者模型改变。19.一种方法：由系统从提供方接收数据集、机器学习算法和ai模型；由所述系统并且基于所述数据集中的至少一个数据集来训练所述ai模型中的至少一个ai模型；由所述系统记录与训练所述至少一个ai模型相关联的ai模型元数据；以及由所述系统存储所述数据集、所述机器学习算法、所述ai模型和所述ai模型元数据。20.根据权利要求19所述的方法，其中所述系统包括实验流水线和行业化流水线，并且所述训练和所述记录由所述实验流水线或所述行业化流水线中的至少一个流水线执行。21.根据权利要求19所述的方法，还包括：序列化所述ai模型；以及将每个经序列化的ai模型打包到分开的容器中。22.根据权利要求21所述的方法，其中每个分开的容器包括经序列化的ai模型、相关联的ai模型元数据和相关联的哈希。23.根据权利要求22所述的方法，还包括：将所述分开的容器或ai模型元数据中的至少一项传送到模型注册表。24.根据权利要求23所述的方法，还包括：从所述模型注册表接收对ai模型的谱系的证明。

技术总结
总体上，本公开描述了一种用于安全训练人工智能(AI)模型的系统。该系统可以包括通信电路，该通信电路用于从提供方接收数据集、机器学习算法和AI模型。数据集、机器学习算法和AI模型可以被放置在安全沙箱中以用于用户访问。用户可以使用安全沙箱中的数据集安全训练AI模型。安全沙箱可以记录与涉及AI模型的事务相关联的AI模型元数据，并且将AI模型元数据发送到模型注册表。模型注册表可以证明AI模型的谱系。系。系。


技术研发人员：G
受保护的技术使用者：环球互连及数据中心公司
技术研发日：2020.11.13
技术公布日：2022/2/7