买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于随机采样的ZKML证明效率优化方法；包括有以下步骤：S1、模型声明及密钥生成；S2、密钥分发；S3、训练方进行训练；S4、信用等级评定函数D；S5、构造总损失函数LossN；S6、证明生成；S7、用户验证结果的正确性。本发明对目标数据进行随机采样提高证明的生成和验证效率；并且损失函数确定采样比例；在无信任的分布式场景下进行，将模型被分割后的每个子结构单独进行转换编译并分别生成一对密钥，从而对子结构单独进行验证；并且引入信用等级评定函数，时间遗忘因子对更久远的任务给予更低的权重，距离当前越近的任务给予更高的权重；且可以根据具体要求对守约或不守约行为任意调整基础权重。

主权项：1.一种基于随机采样的ZKML证明效率优化方法，其特征在于，包括有以下步骤：S1、模型声明及密钥生成：选定底层依赖的零知识证明技术，依据其对应的零知识证明原语来对机器学习模型的计算过程进行转换并编译，且生成验证密钥VK和证明密钥PK；S2、密钥分发：证明密钥PK分发给训练方用于后续生成证明体，验证密钥VK分发给用户用于后续验证证明体的正确性；S3、训练方进行训练：训练方根据事先约定好的数据集、迭代次数Epochs和数据批次Batchs参数进行训练，同时要保存每个Epoch的每个Batch在训练时所产生的中间参数；S4、信用等级评定函数D：将训练方的所有交易任务，包括有历史交易人物，根据是否守约进行分别标记为守约和不守约，并给予不同的权重，即守约任务的权重设为Rgood＝1，不守约任务的权重设为Rbad＝0；S5、构造总损失函数LossN：总损失函数LossN的公式如下， 其中自变量N表示进行简单随机抽样的次数，c0表示基础验证时间开销，c1为单个数据验证时间开销，因此c0+c1N代表总时间开销；n表示所要验证的数据总量，f表示欺骗数据的个数，则作为验证可信度；S6、证明生成：训练方针对被用户选定的Batch，将其对应训练时的中间数据封装为Witness，再由Witness提取出PublicWitness，代表模型的输出数据，将Proof以及PublicWitness发送给用户，CCS+PK+Witness→Proof；S7、用户验证结果的正确性：用户在验证结果正确性后将所有验证结果进行记录，用于后续合作中继续对信用方进行信用等级评定；Proof+VK+PublicWitness→TrueFalse。

全文数据：

权利要求：

百度查询： 郑州大学 一种基于随机采样的ZKML证明效率优化方法