CN110865927B - 区块链调用链路异常检测方法、装置和计算机设备 - Google Patents
区块链调用链路异常检测方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN110865927B CN110865927B CN201911142599.1A CN201911142599A CN110865927B CN 110865927 B CN110865927 B CN 110865927B CN 201911142599 A CN201911142599 A CN 201911142599A CN 110865927 B CN110865927 B CN 110865927B
- Authority
- CN
- China
- Prior art keywords
- link
- data
- unique identifier
- calling
- block chain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3452—Performance evaluation by statistical analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
Abstract
本申请涉及一种区块链调用链路异常检测方法、装置、计算机可读存储介质和计算机设备,所述方法包括:当检测到触发区块链的接口服务时,获取与接口服务对应的接口的入口函数,并提取入口函数的唯一标识,入口函数预先织入预设处理逻辑。通过预设处理逻辑,获取传递唯一标识或处理唯一标识的所有路径,生成调用链路。通过获取调用链路的链路数据和调用参数数据,并对链路数据和调用参数数据进行聚类分析,可确定调用链路异常情况。本申请提供的方案通过预设处理逻辑,可在无需改动区块链原有业务处理逻辑的基础上,获得调用链路,通过对链路数据和调用参数数据进行聚类分析,可确定调用链路异常情况,无需人为归总和分析,提高了异常检测效率。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种区块链调用链路异常检测方法、装置、计算机可读存储介质和计算机设备。
背景技术
随着计算机技术的发展,出现了区块链技术,区块链作为分布式数据存储点对点传输、共识机制以及加密算法等计算机技术的新型应用模式,在业界的应用日趋广泛。
为满足不同业务高性能的需求,区块链在交易接收、打包、验证、提交以及存储等流程上,均需要承载并发的多种优化处理。而由于在高并发下,区块链的调用链路容易出现共识不一致延展攻击性以及双重支付等异常情况,需要对上述异常情况及时进行检测和处理。
然而针对区块链链路异常的检测,传统上仍然较为依赖人为归总和分析,由于在高并发情况下,存在大量调用链路,人为无法准确获取大量不同调用链路,并确定其是否存在异常,效率较为低下。
发明内容
基于此,有必要针对高并发情况下检测调用链路异常情况效率较低的技术问题,提供一种区块链调用链路异常检测方法、装置、计算机可读存储介质和计算机设备。
一种区块链调用链路异常检测方法,包括:
当检测到触发区块链的接口服务时,获取与所述接口服务对应的接口的入口函数,并提取所述入口函数的唯一标识;所述入口函数预先织入预设处理逻辑;
通过所述预设处理逻辑,获取传递所述唯一标识或处理所述唯一标识的区块链路径,生成调用链路;
获取所述调用链路的链路数据和调用参数数据;
对所述链路数据和所述调用参数数据进行聚类分析,确定所述调用链路异常情况。
一种区块链调用链路异常检测装置,所述装置包括:
唯一标识获取模块,用于当检测到触发区块链的接口服务时,获取与所述接口服务对应的接口的入口函数,并提取所述入口函数的唯一标识;所述入口函数预先织入预设处理逻辑;
调用链路生成模块,用于通过所述预设处理逻辑,获取传递所述唯一标识或处理所述唯一标识的区块链路径,生成调用链路;
数据获取模块,用于获取所述调用链路的链路数据和调用参数数据;
异常情况确定模块,用于对所述链路数据和所述调用参数数据进行聚类分析,确定所述调用链路异常情况。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时实现以下步骤:
当检测到触发区块链的接口服务时,获取与所述接口服务对应的接口的入口函数,并提取所述入口函数的唯一标识;所述入口函数预先织入预设处理逻辑;
通过所述预设处理逻辑,获取传递所述唯一标识或处理所述唯一标识的区块链路径,生成调用链路;
获取所述调用链路的链路数据和调用参数数据;
对所述链路数据和所述调用参数数据进行聚类分析,确定所述调用链路异常情况。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时实现以下步骤:
当检测到触发区块链的接口服务时,获取与所述接口服务对应的接口的入口函数,并提取所述入口函数的唯一标识;所述入口函数预先织入预设处理逻辑;
通过所述预设处理逻辑,获取传递所述唯一标识或处理所述唯一标识的区块链路径,生成调用链路;
获取所述调用链路的链路数据和调用参数数据;
对所述链路数据和所述调用参数数据进行聚类分析,确定所述调用链路异常情况。
上述区块链调用链路异常检测方法、装置、计算机可读存储介质和计算机设备,当检测到触发区块链的接口服务时,获取与接口服务对应的接口的入口函数,并提取入口函数的唯一标识,入口函数预先织入预设处理逻辑。通过预设处理逻辑,可在无需改动区块链原有业务处理逻辑的基础上,获取传递唯一标识或处理唯一标识的区块链路径,生成调用链路。通过获取调用链路的链路数据和调用参数数据,并对链路数据和调用参数数据进行聚类分析,可确定调用链路异常情况,无需人为归总和分析,提高了异常检测效率。
附图说明
图1为一个实施例中区块链调用链路异常检测方法的应用环境图;
图2为一个实施例中区块链调用链路异常检测方法的流程示意图;
图3为一个实施例中区块链调用链路异常检测方法的区块链组成结构示意图;
图4为一个实施例中区块链调用链路异常检测方法的区块结构示意图;
图5为一个实施例中区块链调用链路异常检测方法的调用链路生成示意图;
图6为一个实施例中区块链调用链路异常检测方法的整体设计示意图;
图7为一个实施例中基于异常预测模型进行区块链调用链路异常预测的流程示意图;
图8为一个实施例中区块链调用链路异常检测装置的结构框图;
图9为一个实施例中计算机设备的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
图1为一个实施例中区块链调用链路异常检测方法的应用环境图。参照图1,该区块链调用链路异常检测方法应用于分布式系统100。图1为本申请实施例提供的分布式系统100应用于区块链系统的一个可选的结构示意图,由多个节点(接入网络中的任意形式的计算设备,如服务器、用户终端)和客户端形成,节点之间形成组成的点对点(P2P,Peer ToPeer)网络,P2P协议是一个运行在传输控制协议(TCP,Transmission Control Protocol)协议之上的应用层协议。分布式系统100具体包括终端110、服务器120以及区块链130。终端110通过网络与服务器120连接,服务器120通过网络与区块链130连接。当服务器120检测到根据终端110发送的调用链路异常检测请求触发的区块链130的接口服务时,获取与接口服务对应的区块链130的接口的入口函数,并提取入口函数的唯一标识,其中,入口函数预先织入了预设处理逻辑。服务器120通过预设处理逻辑,从区块链130中获取传递唯一标识或处理唯一标识的区块链路径,生成调用链路。通过获取调用链路的链路数据和调用参数数据,并对链路数据和调用参数数据进行聚类分析,确定调用链路异常情况,并将所确定的调用链路异常情况反馈至发送调用链路异常检测请求对应的终端110。终端110具体可以是台式终端或移动终端,移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。区块链130包括多个路径节点,该些路径节点可以是接入网络中的任意形式的计算设备,如服务器、用户终端等。
如图2所示,在一个实施例中,提供了一种区块链调用链路异常检测方法。本实施例主要以该方法应用于上述图1中的服务器120来举例说明。参照图2,该区块链调用链路异常检测方法,具体包括如下步骤:
步骤S202,当检测到触发区块链的接口服务时,获取与接口服务对应的接口的入口函数,并提取入口函数的唯一标识。其中,入口函数预先织入预设处理逻辑。
具体地,当服务器检测到根据终端发送的调用链路异常检测请求触发的区块链的接口服务时,获取接口服务对应的接口,其中,接口服务类型包括对外服务和定时服务,对应的接口包括对外服务接口和定时服务接口,并获取预先织入预设处理逻辑的对外服务接口或定时服务接口的入口函数,进而提取入口函数的唯一标识。
其中,区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链由多个区块组成,参见图3,图3为区块链调用链路异常方法的区块链组成结构一个可选的示意图,区块链由多个区块组成,创始块中包括区块头和区块主体,区块头中存储有输入信息特征值、版本号、时间戳和难度值,区块主体中存储有输入信息;创始块的下一区块以创始块为父区块,下一区块中同样包括区块头和区块主体,区块头中存储有当前区块的输入信息特征值、父区块的区块头特征值、版本号、时间戳和难度值,并以此类推,使得区块链中每个区块中存储的区块数据均与父区块中存储的区块数据存在关联,保证了区块中输入信息的安全性。
关于区块链的区块结构可参见图4,图4是区块链调用链路异常方法的区块结构(Block Structure)一个可选的示意图,每个区块中包括本区块存储交易记录的哈希值(本区块的哈希值)、以及前一区块的哈希值,各区块通过哈希值连接形成区块链。另外,区块中还可以包括有区块生成时的时间戳等信息。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。
区块链系统由数据层、网络层、共识层、激励层、合约层和应用层组成。其中,数据层封装了底层数据区块以及相关的数据加密和时间戳等基础数据和基本算法;网络层则包括分布式组网机制、数据传播机制和数据验证机制等;共识层主要封装网络节点的各类共识算法;激励层将经济因素集成到区块链技术体系中来,主要包括经济激励的发行机制和分配机制等;合约层主要封装各类脚本、算法和智能合约,是区块链可编程特性的基础;应用层则封装了区块链的各种应用场景和案例。
在一个实施例中,在检测到触发区块链的接口服务之前,还包括:
获取区块链的各接口对应的入口函数,将预设处理逻辑织入入口函数,并为织入预设处理逻辑的入口函数的参数设置唯一标识。
其中,关于预设处理逻辑的织入,可分为两部分,包括将预设处理逻辑织入区块链各接口的入口函数,还包括在函数调用过程中,检测到存在调用函数并非入口函数的情况时,将该调用函数看作新增入口函数,并将预设处理逻辑织入该新增入口函数。
进一步,可以使用通配符来定义规则来匹配需要的切面,匹配的可以是函数调用、线程创建、异常处理等各种预设处理逻辑。其中用于织入预设处理逻辑的切入点指示符用来指示切入点表达式目的,切入点表达式可以使用&&、||、!来组合切入点表达式,还可以使用类型匹配的通配符来进行匹配。其中切入点表示区块链中可织入预设处理逻辑的各个接口。
步骤S204,通过预设处理逻辑,获取传递唯一标识或处理唯一标识的区块链路径,生成调用链路。
具体地,关于调用链路生成过程可参照图5,图5为区块链调用链路异常检测方法的调用链路生成示意图,基于预设处理逻辑,确定调用链路起点,获取传递唯一标识或处理唯一标识的区块链的各路径节点,并根据识别到唯一标识的时间顺序,形成由调用链路起点以及各路径节点组成的调用链路。其中,通过确定不同入口函数的参数,并为不同入口函数的参数分别设置唯一标识,在各路径节点中传递唯一标识或处理同一唯一标识,根据传递唯一标识或处理同一个唯一标识的路径节点,得到调用路径,且各路径节点可分别传递唯一标识或处理多个不同的唯一标识。
其中,接口服务对应的接口包括对外服务接口和定时服务接口,对外服务接口包括远程协议调用接口、查询接口以及节点信息传递接口,而定时服务接口对应的定期执行的业务逻辑包括区块定时打包和共识算法选举等。
在一个实施例中,以所获取的预先织入预设处理逻辑的接口的入口函数的唯一标识为traceID为例,针对所触发的接口服务对应的接口为对外服务接口时,基于预设处理逻辑,确定对外服务接口为调用链路起点,并获取区块链中传递唯一标识或处理唯一标识traceID的各路径节点,同时记录各路径节点识别到唯一标识traceID的时间顺序。按照识别到唯一标识traceID的时间顺序,以对外服务接口为调用链路起点,根据传递唯一标识或处理唯一标识traceID的各路径节点依次形成调用链路。
进一步地,当所触发的接口服务对应的接口为远程协议调用接口时,可生成对应的远程协议调用交易上链,交易上链指的是向区块链发起一笔交易,该节点验证交易签名合法性以及验证余额正确性,然后将该交易共识扩散到其他区块链节点,每个节点再验证这笔交易,然后再打包成块,共识成功后,落入到区块链数据中。当所触发的接口服务对应的接口为查询接口时,可生成对应的查询链路,查询指的是从已经确定的区块链上,获取某次交易的具体内容或者某个区块的信息,来获取某个账户的余额,交易流水,或者智能合约上的数据等。当所触发的接口服务对应的接口为节点信息传递接口时,可实现区块链节点间交互、交易同步和信息传递,生成对应的节点信息传递链路。
在一个实施例中,针对所触发的接口服务对应的接口为定时服务接口时,基于预设处理逻辑,获取与定时服务接口对应的定时服务线程,并将执行该定时服务线程的区块链的第一个路径节点确定为调用链路起点。通过获取定时服务线程执行过程中传递唯一标识或处理该唯一标识traceID的所有路径节点,并按照定时服务线程的执行时间顺序,将调用链路起点和传递唯一标识或处理该唯一标识traceID的所有路径节点依次形成调用链路。
进一步地,当所触发的接口服务为定时服务接口,且对应的业务逻辑为区块定时打包时,执行对应的区块定时打包服务线程,并根据执行区块定时打包服务线程的路径节点生成调用链路。其中,区块链包括两种触发打包的方式,一是累计未打包的交易数达到一定阈值时,将该些交易打包成块,算出这个块的hash值;二是定时启动,将一段时间内的交易定时打包成块。
当所触发的定时服务接口对应的业务逻辑为共识算法选举时,执行对应的共识算法选举服务线程,并根据执行共识算法选举服务线程的路径节点生成调用链路。其中,也将共识算法选举服务称为区块链节点间心跳探活服务,心跳探活服务,即利用心跳包来确定区块链网络中的其他节点的存活情况。
在一个实施例中,如采用raft共识协议时,需要确定leader节点还有其他节点的存活状况,其他节点包括follower节点和candidate节点,并确定是否要开始竞选。在raft集群中的每个节点都可以根据集群运行的情况在三种状态间切换:follower、candidate与leader。leader向follower同步日志,follower只从leader处获取日志。在节点初始启动时,节点的raft状态机将处于follower状态并被设定一个election timeout(选举时限),如果在这一时间周期内没有收到来自leader的heartbeat(心跳包),节点将发起选举:节点在将自己的状态切换为candidate之后,向集群中其它follower节点发送请求,询问其是否选举自己成为leader。当收到来自集群中过半数节点的接受投票后,节点即成为leader,开始接收保存客户端的数据并向其它的follower节点同步日志。leader节点依靠定时向follower发送heartbeat(心跳包)来保持其地位。任何时候如果其它follower在electiontimeout(选举时限)期间都没有收到来自leader的heartbeat(心跳包),同样会将自己的状态切换为candidate并发起选举。每成功选举一次,新leader的步进数都会比之前leader的步进数大1。
步骤S206,获取调用链路的链路数据和调用参数数据。
具体地,调用链路的链路数据包括唯一标识调用路径以及线程数据,具体还可包括调用区块链的参数、路径节点、线程号、线程父进程号以及路径各节点请求。调用参数数据包括调用参数以及参数值,其中,调用参数可以是返回参数以及返回参数数值等。
步骤S208,对链路数据和调用参数数据进行聚类分析,确定调用链路异常情况。
具体地,通过对链路数据和调用参数数据进行数据预处理,得到数据预处理后的数据对象,并从数据对象中确定多个初始聚类中心。通过确定各数据对象至各初始聚类中心的距离,并基于最小距离原则,将数据对象分配至最邻近的初始聚类中心,得到多个聚类,同时确定各聚类的样本均值为新的聚类中心,迭代执行确定新的聚类中心的步骤,直至新的聚类中心不变。根据新的聚类中心和所分配的各数据对象,生成多个新的聚类,并基于新的聚类对应的各数据对象进行异常检测,可确定调用链路的异常情况。
其中,数据预处理包括异常数据识别、重复数据删除以及数据标准化处理,链路数据和调用参数数据经过数据预处理后,可得到对应的数据对象。通过分别计算各数据对象和各初始聚类中心的距离,并根据最小距离原则,将数据对象分配至距离自身最近的初始聚类中心,得到多个聚类,并计算各个聚类的样本均值,作为新的聚类中心,重复迭代执行确定新的聚类中心的过程,当本次进行聚类操作得到的新的聚类中心与上一个聚类中心与相比,当前操作得到的新的聚类中心未发生变化时,停止迭代过程,根据得到新的聚类中心和所分配的各数据对象,生成多个新的聚类。
进一步地,针对多个新的聚类包括的各数据对象进行异常检测,判断是否存在异常数据,进而得到调用链路的异常情况。
上述区块链调用链路异常检测方法,当检测到触发区块链的接口服务时,获取预先织入预设处理逻辑的接口的入口函数的唯一标识,并通过预设处理逻辑,可在无需改动区块链原有业务处理逻辑的基础上,获取传递唯一标识或处理唯一标识的所有路径,生成调用链路。通过获取调用链路的链路数据和调用参数数据,并对链路数据和调用参数数据进行聚类分析,可确定调用链路异常情况,无需人为归总和分析,提高了异常检测效率。
在一个实施例中,参照图6,图6为一个实施例中区块链调用链路异常检测方法的整体设计示意图,具体包括:
1)利用AOP(Aspect Oriented Programming),即面向切面编程方式,生成待织入的预设处理逻辑,基于预设处理逻辑,获取传递唯一标识或处理唯一标识的所有路径,生成调用链路。其中,AOP注入规则需匹配到业务所有路径,包括线程、进程、函数以及请求参数等需要获取调用链路的各个模块。
具体地,通过获取区块链的各接口对应的入口函数,将预设处理逻辑织入入口函数,并为织入预设处理逻辑的入口函数的参数设置唯一标识。
其中,AOP(面向切面编程)通过预编译方式和运行期动态代理实现程序功能的统一维护,对业务逻辑的各个部分进行隔离,从而使得业务逻辑各部分之间的耦合度降低,提高程序的可重用性。
2)触发区块链服务时,获取区块链内所覆盖的所有业务场景和全部请求参数,同时针对高并发调用区块链的各个节点进行重点关注。当检测到触发区块链的接口服务时,获取预先织入预设处理逻辑的接口的入口函数的唯一标识。
3)通过将区块链的原始处理逻辑与织入的预设处理逻辑共同编译,将AOP(面向切面编程)对应的预设处理逻辑中抓取性能数据的代码逻辑织入到原始处理逻辑中,可生成编译后的业务处理逻辑,并将编译后的业务处理逻辑部署至区块链各个节点。
具体地,从外部用户的角度来看,利用AOP(面向切面编程)织入的区块链服务和原业务服务没有实质区别,调用方式或者过程未发生变化。区别点在于深入到编译后的字节码,先会调用到AOP的层次上,然后AOP层处理后再调用原业务逻辑,即采用AOP层-原业务-AOP层的方式实现调用。
4)获取调用链路的链路数据和调用参数数据,其中,触发区块链服务后,获取与原始处理逻辑共同编译的预设处理逻辑所在路径节点,并获取该写路径节点的链路数据和调用参数数据。
5)对调用链路数据和调用参数数据进行数据分析,包括进行聚类分析,以及利用机器学习或深度学习的方式进行异常情况的确定。
其中,链路异常情况具体可以包括:调用链路过长、调用链路过短、异常路径分支,以及其他异常结果,进一步地,其他异常结果还可以包括:偶然出现的不同的异常路径节点;出现与请求服务不相关的调用路径节点;以及调用路径缺少应该处理的路径节点等。
6)基于异常预测模型,对未进行聚类分析的区块链的链路数据进行异常预测。
具体地,可参照图7,图7为一个实施例中基于异常预测模型进行区块链调用链路异常预测的流程示意图,当基于新的聚类对应的各数据对象进行异常检测,确定存在异常数据对象时,标记异常数据对象,得到异常标记数据对象。根据各异常标记数据对象生成训练数据集,并根据训练数据集对机器学习模型进行训练,得到异常预测模型。基于异常预测模型,对未进行聚类分析的区块链的链路数据进行异常预测,生成异常预测结果。
图2为一个实施例中区块链调用链路异常检测方法的流程示意图。应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图8所示,提供了一种区块链调用链路异常检测装置,包括:唯一标识获取模块802、调用链路生成模块804、数据获取模块806以及异常情况确定模块808,其中:
唯一标识获取模块802,用于当检测到触发区块链的接口服务时,获取与接口服务对应的接口的入口函数,并提取入口函数的唯一标识。入口函数预先织入预设处理逻辑。
调用链路生成模块804,用于通过预设处理逻辑,获取传递唯一标识或处理唯一标识的所有路径,生成调用链路。
数据获取模块806,用于获取调用链路的链路数据和调用参数数据。
异常情况确定模块808,用于对链路数据和调用参数数据进行聚类分析,确定调用链路异常情况。
上述区块链调用链路异常检测装置,当检测到触发区块链的接口服务时,通过获取与接口服务对应的接口的入口函数,并提取入口函数的唯一标识,其中入口函数预先织入预设处理逻辑。进而可通过预设处理逻辑,可在无需改动区块链原有业务处理逻辑的基础上,获取传递唯一标识或处理唯一标识的所有路径,生成调用链路。通过获取调用链路的链路数据和调用参数数据,并对链路数据和调用参数数据进行聚类分析,可确定调用链路异常情况,无需人为归总和分析,提高了异常检测效率。
在一个实施例中,调用链路生成模块还用于:
基于预设处理逻辑,确定调用链路起点,获取传递唯一标识或处理唯一标识的区块链的各路径节点,并根据识别到唯一标识的时间顺序,形成由调用链路起点以及各路径节点组成的调用链路;
还用于:
基于预设处理逻辑,确定对外服务接口为调用链路起点;获取传递唯一标识或处理唯一标识的各路径节点,并记录各路径节点识别到唯一标识的时间顺序;根据识别到唯一标识的时间顺序,形成由对外服务接口和各路径节点组成的调用链路;
还用于:
通过预设处理逻辑,获取与定时服务接口对应的定时服务线程;将执行定时服务线程的第一个路径节点确定为调用链路起点;获取定时服务线程执行过程中传递唯一标识或处理唯一标识的所有路径节点;根据定时服务线程的执行时间顺序,形成由调用链路起点和各路径节点组成的调用链路。
上述调用链路生成模块,基于预设处理逻辑,确定调用链路起点,获取传递唯一标识或处理唯一标识的区块链的各路径节点,并根据识别到唯一标识的时间顺序,形成由调用链路起点以及各路径节点组成的调用链路。根据服务接口的不同,可在无需改动区块链原有业务处理逻辑的基础上,准确地获取对应的调用链路。
在一个实施例中,提供了一种区块链调用链路异常检测装置,还包括编译模块,用于:
将区块链的原始处理逻辑与织入的预设处理逻辑共同编译,生成编译后的业务处理逻辑;将编译后的业务处理逻辑部署至区块链各个节点。
上述编译模块,通过将区块链的原始处理逻辑与织入的预设处理逻辑共同编译,使预设处理逻辑对应的抓取性能数据的代码逻辑织入到原代码逻辑中,得到的编译后的业务处理逻辑,可实现数据抓取并获取生成的调用链路,提高区块链业务处理逻辑性能。
在一个实施例中,异常情况确定模块还用于:
对链路数据和调用参数数据进行数据预处理,得到数据预处理后的数据对象;从数据对象中确定多个初始聚类中心;分别确定各数据对象至各初始聚类中心的距离;基于最小距离原则,将数据对象分配至最邻近的初始聚类中心,得到多个聚类,并确定各聚类的样本均值为新的聚类中心;返回基于最小距离原则,将数据对象分配至最邻近的初始聚类中心,得到多个聚类,并确定各聚类的样本均值为新的聚类中心的步骤,直至新的聚类中心不变;根据新的聚类中心和所分配的各数据对象,生成多个新的聚类;基于新的聚类对应的各数据对象进行异常检测,确定调用链路的异常情况。
上述异常情况确定模块,通过从根据链路数据和调用参数数据得到的数据对象中,确定多个初始聚类中心,并基于最小距离原则将数据对象分配至最邻近的初始聚类中心,得到多个聚类,迭代执行确定各聚类的样本均值为新的聚类中心的过程,直至新的聚类中心不变,根据新的聚类中心和所分配的各数据对象,生成多个新的聚类并进行异常检测,确定调用链路的异常情况,无需人为归总和分析,提高了异常检测效率。
在一个实施例中,提供了一种区块链调用链路异常检测装置,还包括异常预测模块,用于:
当基于新的聚类对应的各数据对象进行异常检测,确定存在异常数据对象时,标记异常数据对象,得到异常标记数据对象;根据各异常标记数据对象生成训练数据集;根据训练数据集对机器学习模型进行训练,得到异常预测模型;基于异常预测模型,对未进行聚类分析的区块链的链路数据进行异常预测。
上述异常预测模块,通过根据异常标记数据组成的训练数据集,对机器学习模型进行训练得到异常预测模型,并基于异常预测模型,实现了对大量的线上或者测试中搜集到的链路调用数据进行自动化的异常检测,提高工作效率。
图9示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的服务器120。如图9所示,该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现区块链调用链路异常检测方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行区块链调用链路异常检测方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的区块链调用链路异常检测装置可以实现为一种计算机程序的形式,计算机程序可在如图9所示的计算机设备上运行。计算机设备的存储器中可存储组成该区块链调用链路异常检测装置的各个程序模块,比如,图8所示的唯一标识获取模块、调用链路生成模块、数据获取模块以及异常情况确定模块。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的区块链调用链路异常检测方法中的步骤。
例如,图9所示的计算机设备可以通过如图8所示的区块链调用链路异常检测装置中的唯一标识获取模块执行当检测到触发区块链的接口服务时,获取预先织入预设处理逻辑的接口的入口函数的唯一标识。计算机设备可通过调用链路生成模块执行通过预设处理逻辑,获取传递唯一标识或处理唯一标识的所有路径,生成调用链路。计算机设备可通过数据获取模块执行获取调用链路的链路数据和调用参数数据。计算机设备可通过异常情况确定模块执行对链路数据和调用参数数据进行聚类分析,确定调用链路异常情况。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,计算机程序被处理器执行时,使得处理器执行以下步骤:
当检测到触发区块链的接口服务时,获取预先织入预设处理逻辑的接口的入口函数的唯一标识;
通过预设处理逻辑,获取传递唯一标识或处理唯一标识的所有路径,生成调用链路;
获取调用链路的链路数据和调用参数数据;
对链路数据和调用参数数据进行聚类分析,确定调用链路异常情况。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下的步骤:
基于预设处理逻辑,确定调用链路起点,获取传递唯一标识或处理唯一标识的区块链的各路径节点,并根据识别到唯一标识的时间顺序,形成由调用链路起点以及各路径节点组成的调用链路。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下的步骤:
基于预设处理逻辑,确定对外服务接口为调用链路起点;
获取传递唯一标识或处理唯一标识的各路径节点,并记录各路径节点识别到唯一标识的时间顺序;
根据识别到唯一标识的时间顺序,形成由对外服务接口和各路径节点组成的调用链路。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下的步骤:
通过预设处理逻辑,获取与定时服务接口对应的定时服务线程;
将执行定时服务线程的第一个路径节点确定为调用链路起点;
获取定时服务线程执行过程中传递唯一标识或处理唯一标识的所有路径节点;
根据定时服务线程的执行时间顺序,形成由调用链路起点和各路径节点组成的调用链路。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下的步骤:
将区块链的原始处理逻辑与织入的预设处理逻辑共同编译,生成编译后的业务处理逻辑;
将编译后的业务处理逻辑部署至区块链各个节点。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下的步骤:
对链路数据和调用参数数据进行数据预处理,得到数据预处理后的数据对象;
从数据对象中确定多个初始聚类中心;
分别确定各数据对象至各初始聚类中心的距离;
基于最小距离原则,将数据对象分配至最邻近的初始聚类中心,得到多个聚类,并确定各聚类的样本均值为新的聚类中心;
返回基于最小距离原则,将数据对象分配至最邻近的初始聚类中心,得到多个聚类,并确定各聚类的样本均值为新的聚类中心的步骤,直至新的聚类中心不变;
根据新的聚类中心和所分配的各数据对象,生成多个新的聚类;
基于新的聚类对应的各数据对象进行异常检测,确定调用链路的异常情况。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下的步骤:
当基于新的聚类对应的各数据对象进行异常检测,确定存在异常数据对象时,标记异常数据对象,得到异常标记数据对象;
根据各异常标记数据对象生成训练数据集;
根据训练数据集对机器学习模型进行训练,得到异常预测模型;
基于异常预测模型,对未进行聚类分析的区块链的链路数据进行异常预测。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时,使得处理器执行以下步骤:
当检测到触发区块链的接口服务时,获取预先织入预设处理逻辑的接口的入口函数的唯一标识;
通过预设处理逻辑,获取传递唯一标识或处理唯一标识的所有路径,生成调用链路;
获取调用链路的链路数据和调用参数数据;
对链路数据和调用参数数据进行聚类分析,确定调用链路异常情况。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下的步骤:
基于预设处理逻辑,确定调用链路起点,获取传递唯一标识或处理唯一标识的区块链的各路径节点,并根据识别到唯一标识的时间顺序,形成由调用链路起点以及各路径节点组成的调用链路。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下的步骤:
基于预设处理逻辑,确定对外服务接口为调用链路起点;
获取传递唯一标识或处理唯一标识的各路径节点,并记录各路径节点识别到唯一标识的时间顺序;
根据识别到唯一标识的时间顺序,形成由对外服务接口和各路径节点组成的调用链路。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下的步骤:
通过预设处理逻辑,获取与定时服务接口对应的定时服务线程;
将执行定时服务线程的第一个路径节点确定为调用链路起点;
获取定时服务线程执行过程中传递唯一标识或处理唯一标识的所有路径节点;
根据定时服务线程的执行时间顺序,形成由调用链路起点和各路径节点组成的调用链路。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下的步骤:
将区块链的原始处理逻辑与织入的预设处理逻辑共同编译,生成编译后的业务处理逻辑;
将编译后的业务处理逻辑部署至区块链各个节点。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下的步骤:
对链路数据和调用参数数据进行数据预处理,得到数据预处理后的数据对象;
从数据对象中确定多个初始聚类中心;
分别确定各数据对象至各初始聚类中心的距离;
基于最小距离原则,将数据对象分配至最邻近的初始聚类中心,得到多个聚类,并确定各聚类的样本均值为新的聚类中心;
返回基于最小距离原则,将数据对象分配至最邻近的初始聚类中心,得到多个聚类,并确定各聚类的样本均值为新的聚类中心的步骤,直至新的聚类中心不变;
根据新的聚类中心和所分配的各数据对象,生成多个新的聚类;
基于新的聚类对应的各数据对象进行异常检测,确定调用链路的异常情况。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下的步骤:
当基于新的聚类对应的各数据对象进行异常检测,确定存在异常数据对象时,标记异常数据对象,得到异常标记数据对象;
根据各异常标记数据对象生成训练数据集;
根据训练数据集对机器学习模型进行训练,得到异常预测模型;
基于异常预测模型,对未进行聚类分析的区块链的链路数据进行异常预测。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种区块链调用链路异常检测方法,包括:
当检测到触发区块链的接口服务时,获取与所述接口服务对应的接口的入口函数,并提取所述入口函数的唯一标识;所述入口函数预先织入预设处理逻辑;
通过所述预设处理逻辑,获取传递所述唯一标识或处理所述唯一标识的区块链路径,生成调用链路;
获取所述调用链路的链路数据和调用参数数据;
对所述链路数据和所述调用参数数据进行聚类分析,确定所述调用链路异常情况。
2.根据权利要求1所述的方法,其特征在于,所述通过所述预设处理逻辑,获取传递所述唯一标识或处理所述唯一标识的区块链路径,生成调用链路,包括:
基于所述预设处理逻辑,确定所述调用链路起点,获取传递所述唯一标识或处理所述唯一标识的所述区块链的各路径节点,并根据识别到所述唯一标识的时间顺序,形成由所述调用链路起点以及各所述路径节点组成的调用链路。
3.根据权利要求2所述的方法,其特征在于,所述接口服务对应的接口包括对外服务接口;所述基于所述预设处理逻辑,确定所述调用链路起点,获取传递所述唯一标识或处理所述唯一标识的所述区块链的各路径节点,并根据识别到所述唯一标识的时间顺序,形成由所述调用链路起点以及各所述路径节点组成的调用链路,包括:
基于所述预设处理逻辑,确定所述对外服务接口为调用链路起点;
获取传递所述唯一标识或处理所述唯一标识的各路径节点,并记录各所述路径节点识别到所述唯一标识的时间顺序;
根据识别到所述唯一标识的时间顺序,形成由所述对外服务接口和各所述路径节点组成的调用链路。
4.根据权利要求2所述的方法,其特征在于,所述接口服务对应的接口还包括定时服务接口;所述基于所述预设处理逻辑,确定所述调用链路起点,获取传递所述唯一标识或处理所述唯一标识的所述区块链的各路径节点,并根据识别到所述唯一标识的时间顺序,形成由所述调用链路起点以及各所述路径节点组成的调用链路,包括:
通过所述预设处理逻辑,获取与所述定时服务接口对应的定时服务线程;
将执行所述定时服务线程的第一个路径节点确定为调用链路起点;
获取所述定时服务线程执行过程中传递所述唯一标识或处理所述唯一标识的所有路径节点;
根据所述定时服务线程的执行时间顺序,形成由所述调用链路起点和各所述路径节点组成的调用链路。
5.根据权利要求2所述的方法,其特征在于,在将预设处理逻辑织入所述入口函数之后,还包括:
将所述区块链的原始处理逻辑与织入的所述预设处理逻辑共同编译,生成编译后的业务处理逻辑;
将所述编译后的业务处理逻辑部署至所述区块链各个节点。
6.根据权利要求1所述的方法,其特征在于,所述对所述链路数据和所述调用参数数据进行聚类分析,确定所述调用链路异常情况,包括:
对所述链路数据和所述调用参数数据进行数据预处理,得到数据预处理后的数据对象;
从所述数据对象中确定多个初始聚类中心;
分别确定各所述数据对象至各所述初始聚类中心的距离;
基于最小距离原则,将所述数据对象分配至最邻近的初始聚类中心,得到多个聚类,并确定各所述聚类的样本均值为新的聚类中心;
返回基于最小距离原则,将所述数据对象分配至最邻近的初始聚类中心,得到多个聚类,并确定各所述聚类的样本均值为新的聚类中心的步骤,直至所述新的聚类中心不变;
根据所述新的聚类中心和所分配的各所述数据对象,生成多个新的聚类;
基于所述新的聚类对应的各所述数据对象进行异常检测,确定所述调用链路的异常情况。
7.根据权利要求6所述的方法,其特征在于,在对所述链路数据和所述调用参数数据进行聚类分析,确定所述调用链路异常情况之后,还包括:
当基于所述新的聚类对应的各所述数据对象进行异常检测,确定存在异常数据对象时,标记所述异常数据对象,得到异常标记数据对象;
根据各所述异常标记数据对象生成训练数据集;
根据所述训练数据集对机器学习模型进行训练,得到异常预测模型;
基于所述异常预测模型,对未进行所述聚类分析的所述区块链的链路数据进行异常预测。
8.一种区块链调用链路异常检测装置,其特征在于,所述装置包括:
唯一标识获取模块,用于当检测到触发区块链的接口服务时,获取与所述接口服务对应的接口的入口函数,并提取所述入口函数的唯一标识;所述入口函数预先织入预设处理逻辑;
调用链路生成模块,用于通过所述预设处理逻辑,获取传递所述唯一标识或处理所述唯一标识的区块链路径,生成调用链路;
数据获取模块,用于获取所述调用链路的链路数据和调用参数数据;
异常情况确定模块,用于对所述链路数据和所述调用参数数据进行聚类分析,确定所述调用链路异常情况。
9.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911142599.1A CN110865927B (zh) | 2019-11-20 | 2019-11-20 | 区块链调用链路异常检测方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911142599.1A CN110865927B (zh) | 2019-11-20 | 2019-11-20 | 区块链调用链路异常检测方法、装置和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110865927A CN110865927A (zh) | 2020-03-06 |
CN110865927B true CN110865927B (zh) | 2021-08-31 |
Family
ID=69655996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911142599.1A Active CN110865927B (zh) | 2019-11-20 | 2019-11-20 | 区块链调用链路异常检测方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110865927B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111459547B (zh) * | 2020-04-01 | 2021-10-08 | 腾讯科技(深圳)有限公司 | 一种函数调用链路的展示方法和装置 |
CN111522746B (zh) * | 2020-04-23 | 2021-11-02 | 腾讯科技(深圳)有限公司 | 数据处理的方法、装置、设备及计算机可读存储介质 |
CN112118305B (zh) * | 2020-09-11 | 2023-04-21 | 北京易安睿龙科技有限公司 | 一种减少区块链共识系统中无效请求的方法 |
CN112394939B (zh) * | 2020-10-30 | 2023-06-13 | 迅鳐成都科技有限公司 | 基于联盟链的用户合约自动部署方法、装置及存储介质 |
CN112364085B (zh) * | 2020-11-20 | 2023-07-25 | 浙江百应科技有限公司 | 一种基于MapReduce思想的特征抽取计算方法 |
CN112328335B (zh) * | 2020-11-30 | 2023-03-21 | 深圳前海微众银行股份有限公司 | 一种并发请求超时的诊断方法及装置、设备、存储介质 |
CN113760529A (zh) * | 2021-01-15 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 接口执行方法、装置、设备和可读存储介质 |
CN113297076B (zh) * | 2021-05-21 | 2023-06-23 | 建信金融科技有限责任公司 | 基于调用链图的服务变更识别方法及装置 |
CN115757319A (zh) * | 2021-06-21 | 2023-03-07 | 蚂蚁胜信(上海)信息技术有限公司 | 链路生成方法及装置 |
CN114296831A (zh) * | 2021-12-30 | 2022-04-08 | 迅鳐成都科技有限公司 | 区块链共识算法动态加载方法、装置、系统及存储介质 |
CN115658078B (zh) * | 2022-12-27 | 2023-03-17 | 金篆信科有限责任公司 | 数据库的预编译处理方法、装置、设备及介质 |
CN116955090B (zh) * | 2023-09-19 | 2023-11-28 | 四川集鲜数智供应链科技有限公司 | 一种链式服务的调用链监控系统及方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170302663A1 (en) * | 2016-04-14 | 2017-10-19 | Cisco Technology, Inc. | BLOCK CHAIN BASED IoT DEVICE IDENTITY VERIFICATION AND ANOMALY DETECTION |
CN106919419A (zh) * | 2017-02-03 | 2017-07-04 | 中钞信用卡产业发展有限公司北京智能卡技术研究院 | 区块链上的智能合约程序的更新方法及装置 |
CN107733710A (zh) * | 2017-10-17 | 2018-02-23 | 平安科技(深圳)有限公司 | 链路调用关系的构建方法、装置、计算机设备及存储介质 |
CN109062809B (zh) * | 2018-09-20 | 2022-01-21 | 北京奇艺世纪科技有限公司 | 一种线上测试用例生成方法、装置及电子设备 |
CN109582550B (zh) * | 2018-09-29 | 2022-04-26 | 创新先进技术有限公司 | 一种获取全量业务场景故障集合的方法、装置及服务器 |
CN109542718B (zh) * | 2018-10-22 | 2023-02-07 | 中国平安人寿保险股份有限公司 | 服务调用的监控方法、装置、存储介质及服务器 |
CN110083391A (zh) * | 2019-03-16 | 2019-08-02 | 平安科技(深圳)有限公司 | 调用请求监控方法、装置、设备及存储介质 |
CN110457190B (zh) * | 2019-07-09 | 2023-06-20 | 优轩(北京)信息科技有限公司 | 一种基于区块链的全链路监控方法、装置及系统 |
-
2019
- 2019-11-20 CN CN201911142599.1A patent/CN110865927B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110865927A (zh) | 2020-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110865927B (zh) | 区块链调用链路异常检测方法、装置和计算机设备 | |
CN110633323B (zh) | 业务数据存储方法、装置、存储介质和计算机设备 | |
CN110598446A (zh) | 基于区块链的测试方法、装置、存储介质和计算机设备 | |
US20190386834A1 (en) | Blockchain management apparatus, blockchain management method, and program | |
CN112073269B (zh) | 区块链网络测试方法、装置、服务器及存储介质 | |
CN111090581B (zh) | 智能合约测试方法、装置、计算机设备和存储介质 | |
CN110569251A (zh) | 一种数据处理方法、相关设备及计算机可读存储介质 | |
CN110490594B (zh) | 业务数据处理方法、装置、计算机设备和存储介质 | |
CN110990183A (zh) | 数据库集群的异常检测方法、装置、计算机可读存储介质 | |
CN111191294B (zh) | 基于区块链的单节点记账方法、系统、设备和存储介质 | |
CN111988203A (zh) | 节点选举方法、装置及存储介质 | |
CN115174231B (zh) | 一种基于AI Knowledge Base的网络欺诈分析方法及服务器 | |
CN108446172B (zh) | 数据调取方法、装置、计算机设备和存储介质 | |
CN108280761A (zh) | 增信方分配方法、装置、计算机设备和存储介质 | |
CN113872828B (zh) | 区块链预言机状态监控方法 | |
CN110555769A (zh) | 区块链交易数据处理方法、装置、计算机设备和存储介质 | |
CN110752969A (zh) | 一种性能检测方法、装置、设备及介质 | |
CN111679978B (zh) | 一种程序测试方法、程序测试装置、电子设备及存储介质 | |
CN111522874A (zh) | 区块链共识方法、装置、计算机设备和存储介质 | |
CN107659579B (zh) | 一种现场存证方法、设备及相关存证系统 | |
CN111222865A (zh) | 资源数据转移方法、装置、存储介质和计算机设备 | |
CN113326165A (zh) | 基于区块链的数据处理方法、设备及计算机可读存储介质 | |
CN110990790A (zh) | 一种数据处理方法及设备 | |
CN113129002A (zh) | 一种数据处理方法以及设备 | |
CN110908801B (zh) | 基于区块链的数据处理方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |