[發明專利]現實實體與虛擬實體的映射關系的校驗方法和系統

在審

• 申請號: 202210758226.2
• 申請日: 2022-06-30
• 公開（公告）號: CN115048534A
• 公開（公告）日: 2022-09-13
• 發明（設計）人: 相藝嫡;陳文杰;張公羽
• 申請（專利權）人: 上海萬向區塊鏈股份公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F21/64;G06K9/62;G06N10/60
• 代理公司: 上海鍛創知識產權代理有限公司 31448
• 代理人: 陳少凌

本發明提供了一種現實實體與虛擬實體的映射關系的校驗方法和系統，包括：步驟S1：對現實實體與其對應的虛擬實體進行深度學習聚類分析并建模，抽象出現實模型對象與虛擬模型對象；步驟S2：將現實模型與虛擬模型分別散列化，并基于區塊鏈進行存證；步驟S3：基于現實模型與虛擬模型的散列構造映射函數模型，并基于量子密碼學對映射函數進行分析，生成映射函數的知識圖譜，以驗證數據的真實性、正確性、完整性。本發明不對實體特征進行要求，可適用于不同元宇宙網絡進行泛化分析；通過對映射函數模型而不是實體散列模型進行校驗，提高了模型校驗效率；通過對四維知識圖譜的降維邏輯投影進行分析，解決了高維深度學習模型的邏輯難點。

技術領域

本發明涉及計算機技術領域，具體地，涉及一種現實實體與虛擬實體的映射關系的校驗方法和系統。尤其地，涉及一種基于深度學習算法、量子密碼學與區塊鏈存證的現實實體與元宇宙對應虛擬實體的映射關系的校驗方法。

背景技術

三維深度學習算法(Three-Dimensional Deep Learning)是一種基于傳統深度學習算法的模型再訓練算法，通過將已知模型進行散列化并重新訓練，可以對高維邏輯模型進行聚類分析。

量子密碼學(Quantum Cryptography)泛指利用量子力學特性輔助加密運算與校驗的密碼學算法，且該方法的安全性可被信息論所證明。

區塊鏈(Blockchain)是一種基于密碼學的高級數據庫機制，具有共享、不可篡改的特性。

專利文獻CN113963420A(申請號：CN202111326034.6)公開了一種基于深度學習的三維人臉識別方法，包括：構建人臉三維深度學習網絡，計算每個訓練樣本的高頻-深度映射圖，然后將每個訓練樣本的彩色人臉二維圖像和高頻-深度映射圖同時輸入人臉三維深度學習網絡中訓練；使用彩色攝像頭拍攝獲得待測人臉的彩色人臉二維圖像，然后將待測人臉的彩色人臉二維圖像輸入訓練后的人臉三維深度學習網絡，輸出獲得待測人臉的三維點云坐標；根據待測人臉的彩色人臉二維圖像和三維點云坐標，計算三維人臉特征向量，然后將待測人臉的三維人臉特征向量和注冊庫中已注冊人臉的三維人臉特征向量進行對比，從而識別待測人臉的人員信息。專利文獻CN114443914A(申請號：CN202210372113.9)公開了元宇宙空間服務器的數據存儲、索引、查詢方法及系統，該存儲方法通過空間服務器采集目標的軌跡數據，并將所述軌跡數據進行空間聚類，形成個聚類簇；將每個聚類簇對應的空間等分成份，每份成為一個細胞，每個聚類簇均有個細胞；空間服務器為每個涉及自身空間的細胞構建一塊磁盤區域，將每個細胞對應的軌跡數據存儲其對應的磁盤區域內。專利文獻CN114510152A(申請號：CN202210401123.0)公開了一種基于容器構建元宇宙系統的方法及裝置，將組成元宇宙系統的各物體的數據封裝到各容器鏡像中，然后在容器集群中運行各容器鏡像形成一個個物體容器，將物體容器根據需要連接到虛擬環境系統的交互接口上，在多個公司構建不同的元宇宙信息系統時，將同一個物體容器掛載到多個元宇宙信息系統。然而上述專利的模型校驗效率低，無法解決高維深度學習模型的邏輯難點。

發明內容

針對現有技術中的缺陷，本發明的目的是提供一種現實實體與虛擬實體的映射關系的校驗方法和系統。

根據本發明提供的現實實體與虛擬實體的映射關系的校驗方法，包括：

步驟S1：對現實實體與其對應的虛擬實體進行深度學習聚類分析并建模，抽象出現實模型對象與虛擬模型對象；

步驟S2：將現實模型與虛擬模型分別散列化，并基于區塊鏈進行存證；

步驟S3：基于現實模型與虛擬模型的散列構造映射函數模型，并基于量子密碼學對映射函數進行分析，生成映射函數的知識圖譜，以驗證數據的真實性、正確性、完整性。

優選的，所述步驟S1包括：

步驟S1.1：根據現實實體和對應虛擬實體的活動軌跡、狀態變化、屬性信息，制定自動采集計劃采集數據；