[發明專利]一種基于區塊鏈的邊緣計算系統中克隆區塊的識別方法有效
| 申請號: | 202011128118.4 | 申請日: | 2020-10-20 |
| 公開(公告)號: | CN112217830B | 公開(公告)日: | 2023-10-20 |
| 發明(設計)人: | 李光順;任新榮;吳俊華;于海莉;曹佳彬 | 申請(專利權)人: | 曲阜師范大學 |
| 主分類號: | H04L9/40 | 分類號: | H04L9/40;H04L9/06;G06N3/084;G06F18/214 |
| 代理公司: | 北京科億知識產權代理事務所(普通合伙) 11350 | 代理人: | 李興林 |
| 地址: | 276800 *** | 國省代碼: | 山東;37 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 區塊 邊緣 計算 系統 克隆 識別 方法 | ||
1.一種基于區塊鏈的邊緣計算系統中克隆區塊的識別方法,其特征在于,所述方法包括以下步驟:
S1、執行合法區塊i和邊緣節點的上層認證;
S2、提取合法區塊i的身份聲明信息和未知區塊j的身份聲明信息;
S3、比較合法區塊i與未知區塊j的ID是否一致;
S4、如果合法區塊i與未知區塊j的ID一致,則提取合法區塊i與未知區塊j的身份信息,計算相關度并識別未知區塊j是否為克隆區塊;
S5、如果未知區塊j是克隆區塊,則將合法區塊i與未知區塊j的身份信息組合成訓練集;
S6、使用神經網絡算法訓練所述訓練集,直到生成滿足識別率的模型;
S7、使用所述滿足識別率的模型識別新的未知區塊j的身份信息。
2.如權利要求1所述的識別方法,其特征在于,所述步驟S1中,邊緣節點以以下格式存儲從合法區塊i發送的身份聲明信息:Ri={IDi,Hi},其中IDi是合法區塊i的區塊哈希值,Hi代表合法區塊i的區塊高度。
3.如權利要求2所述的識別方法,其特征在于,所述步驟S2中,未知區塊j的身份聲明信息為Rj={IDj,Hj},IDj是未知區塊j的區塊哈希值,Hj代表未知區塊j的區塊高度。
4.如權利要求3所述的識別方法,其特征在于,所述步驟S3中,若IDi≠IDj,表示未知區塊j不是克隆區塊;否則,表示未知區塊j可能是克隆區塊。
5.如權利要求4所述的識別方法,其特征在于,所述步驟S4中使用測試統計量計算所述相關度。
6.如權利要求1所述的識別方法,其特征在于,所述步驟S5中,所述訓練集為S={(x1,y1),(x2,y2),...,(xn,yn)},其中xn表示合法區塊n,yn表示合法區塊n的克隆區塊。
7.如權利要求1所述的識別方法,其特征在于,所述步驟S7中,識別后得到結果其中yk是由神經網絡模型識別的節點xk的輸出;其中,如果yk=1,未知區塊j是合法的區塊;否則,未知區塊j是非法的區塊。
8.一種基于區塊鏈的邊緣計算系統中克隆區塊的識別系統,其特征在于,所述系統包括:
上層認證模塊,用于執行合法區塊i和邊緣節點的上層認證;
提取模塊,用于提取合法區塊i的身份聲明信息和未知區塊j的身份聲明信息;
比較模塊,用于比較合法區塊i與未知區塊j的ID是否一致;
計算模塊,用于當合法區塊i與未知區塊j的ID一致時,計算相關度并識別其是否為克隆區塊;
組合模塊,用于當未知區塊j是克隆區塊時,將合法區塊i與未知區塊j的身份信息組合成訓練集;
訓練模塊,使用神經網絡算法訓練所述訓練集,直到生成滿足識別率的模型;
識別模塊,使用所述滿足識別率的模型識別新的未知區塊j的身份信息。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于曲阜師范大學,未經曲阜師范大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011128118.4/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種可對線路進行自檢以及報警的電力檢修系統
- 下一篇:時序數據聚合方法及裝置





