[發明專利]基于區塊鏈的異常數據識別方法、系統、裝置及介質

在審

• 申請號: 202011049107.7
• 申請日: 2020-09-29
• 公開（公告）號: CN112329028A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 朱佳;陳善軒;馬曉東;林志豪
• 申請（專利權）人: 華南師范大學
• 主分類號: G06F21/60
• 分類號: G06F21/60;G06F21/64;G06N20/00;G06Q40/04
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 常柯陽

1.基于區塊鏈的異常數據識別方法，其特征在于，包括以下步驟：

獲取交易數據，將所述交易數據打包，得到待審核區塊；

將所述待審核區塊上傳至區塊鏈，對所述待審核區塊進行交易驗證；其中，所述交易驗證為根據所述交易數據的梯度方向通過機器學習模型的進行投票，根據投票的結果確定接受所述待審核區塊的交易數據；

將交易驗證的結果在所述區塊鏈上進行廣播，將完成交易驗證的交易數據打包得到第二區塊，將所述第二區塊接入至所述區塊鏈。

2.根據權利要求1所述的基于區塊鏈的異常數據識別方法，其特征在于，所述將所述待審核區塊上傳至區塊鏈，對所述待審核區塊進行交易驗證這一步驟，其具體包括：

將所述待審核區塊中的交易數據發送至所述區塊鏈中的節點；

對所述交易數據進行劃分，確定劃分后的交易數據的梯度；

根據所述梯度中方向一致的隨機梯度下降進行梯度容錯，基于所述梯度容錯的結果進行節點投票。

3.根據權利要求2所述的基于區塊鏈的異常數據識別方法，其特征在于，所述將所述待審核區塊上傳至區塊鏈，對所述待審核區塊進行交易驗證這一步驟，其還包括：

當節點的投票結果不小于預設閾值，根據所述交易數據的梯度對所述節點的梯度進行更新以及對所述機器學習模型進行更新。

4.根據權利要求2所述的基于區塊鏈的異常數據識別方法，其特征在于，所述對所屬交易數據進行劃分，確定劃分后的交易數據的梯度這一步驟，其具體包括：

根據所述交易數據劃分得到若干訓練數據集，根據所述訓練數據集訓練得到梯度下降模型；

根據所述梯度下降模型得到所述交易數據的梯度。

5.根據權利要求2所述的基于區塊鏈的異常數據識別方法，其特征在于，所述根據所述梯度中方向一致的隨機梯度下降進行梯度容錯，基于所述梯度容錯的結果進行節點投票這一步驟，其具體包括：

獲取所述節點的梯度以及獲取若干所述節點的鄰近節點的梯度，構建梯度集；

根據所述梯度集得到所述梯度集中節點的分值，根據所述分值確定平均梯度；

根據所述平均梯度訓練二分類模型，根據所述二分類模型得到所述節點的投票結果。

6.根據權利要求5所述的基于區塊鏈的異常數據識別方法，其特征在于，所述根據所述平均梯度訓練二分類模型，根據所述二分類模型得到所述節點的投票結果這一步驟，其具體包括：

根據所述平均梯度篩選得到惡意數據，確定所述惡意數據的節點為拜占庭節點，剔除所述拜占庭節點。

7.根據權利要求4所述的基于區塊鏈的異常數據識別方法，其特征在于，所述根據所述交易數據劃分得到若干訓練數據集這一步驟，其還包括：

獲取歷史數據，結合所述歷史數據以及所述交易數據，劃分得到若干訓練數據集。

8.基于區塊鏈的異常數據識別系統，其特征在于，包括數據處理單元和區塊鏈；其中：

所述數據處理單元，用于獲取交易數據，將所述交易數據打包，得到待審核區塊；并將待審核區塊上傳至區塊鏈；

所述區塊鏈，用于接收待審核區塊，對待審核區塊進行交易驗證；其中，所述交易驗證為根據機器學習模型的投票結果，確定接受所述待審核區塊的交易數據；將交易驗證結果在所述區塊鏈上進行廣播，將完成交易驗證的交易數據打包得到第二區塊，完成接入。

9.基于區塊鏈的異常數據識別的裝置，其特征在于，包括：

至少一個處理器；

至少一個存儲器，用于存儲至少一個程序；

當所述至少一個程序被所述至少一個處理器執行，使得所述至少一個處理器實現如權利要求1-7任一項所述的基于區塊鏈的異常數據識別方法。

10.一種存儲介質，其中存儲有處理器可執行的程序，其特征在于：所述處理器可執行的程序在由處理器執行時用于實現如權利要求1-7中任一項所述的基于區塊鏈的異常數據識別方法。