BC4AI：Blockchain Used to Guarantee Credibility of AI Model Evaluations
这是我的毕业论文项目，十分欢迎对这个项目感兴趣的大佬加入开发。
这个项目的目的是实现算法模型的可信度保障，包括测试结果的真实性，保障论文模型的效果是真实可信的。
- 集成区块链和深度学习：利用区块链技术提升深度学习模型的可信度和透明度，同时保护模型和数据的隐私。
- 去中心化数据存储：使用如IPFS这样的去中心化存储解决方案来存储数据，确保数据的持久性和可访问性。
- 模型和代码的安全存储与共享：确保训练完成的模型和评估代码的安全性和完整性。
- 可审计的模型评估过程：构建一个透明且可审计的模型评估流程，以提高模型评估的公信力。
- 社区参与的模型评价机制：引入社区投票机制，类似于学术论文的同行评审，以提高模型的可信度。
- 数据托管（IPFS）：
- 使用IPFS等去中心化存储技术托管数据。
- 确保数据的持久性和难以篡改。
- 模型评估真实性保证：
- 通过智能合约或其他区块链机制来确保评估过程的真实性和透明度。
- 代码封存：
- 安全存储训练完成的模型和评估部分的代码。
- 通过区块链技术确保代码的不可篡改和易于验证。
- 模型真实性投票（适用于论文发布审稿）：
- 实施基于社区的模型评价机制，类似于学术论文的同行评审。
- 通过投票机制来提升模型的可信度。
- 模型和代码一致性检验：
- 验证存储的模型和代码是否一致，确保其未被非法修改。
- 使用哈希等技术确保一致性。
- 多次测试取平均值数据认证：
- 进行多次模型测试以获取更准确和可靠的评估结果。
- 通过平均值或其他统计方法提高数据的可信度。
[1] 冯晨. 基于区块链的可信深度学习隐私保护方案研究[D]. 福建师范大学, 2021.
[2] 卢浩文. 基于图像匹配和区块链存储的大仪实验可信度研究[D]. 杭州电子科技大学, 2023.
[3] Jiang R, Li J, Bu W, et al. A Blockchain-Based Trustworthy Model Evaluation Framework for Deep Learning and Its Application in Moving Object Segmentation[J]. Sensors, 2023, 23(14): 6492.
[4] Wang T, Du M, Wu X, 等. An Analytical Framework for Trusted Machine Learning and Computer Vision Running With Blockchain[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops. 2020: 6-7.
[5] Shafay M, Ahmad R W, Salah K, et al. Blockchain for deep learning: review and open challenges[J]. Cluster Computing, 2023, 26(1): 197-221.
[6] Weng J, Weng J, Zhang J, 等. DeepChain: Auditable and Privacy-Preserving Deep Learning with Blockchain-Based Incentive[J]. IEEE Transactions on Dependable and Secure Computing, 2021, 18(5): 2438-2455.
[7] Goel A, Agarwal A, Vatsa M, 等. DeepRing: Protecting Deep Neural Network With Blockchain[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops. 2019: 0-0.
开发工具：Vscode+HardHat+Node.js
编程语言：Solidity+Python+JavaScript
- 毕业论文撰写