CN111769984B - 区块链网络中添加节点的方法及区块链系统 - Google Patents

区块链网络中添加节点的方法及区块链系统 Download PDF

Info

Publication number
CN111769984B
CN111769984B CN202010603707.7A CN202010603707A CN111769984B CN 111769984 B CN111769984 B CN 111769984B CN 202010603707 A CN202010603707 A CN 202010603707A CN 111769984 B CN111769984 B CN 111769984B
Authority
CN
China
Prior art keywords
node
nodes
detection
prediction
group
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
Application number
CN202010603707.7A
Other languages
English (en)
Other versions
CN111769984A (zh
Inventor
杨凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Haolan Chuangda Technology Co ltd
Original Assignee
Nanjing Haolan Chuangda Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Haolan Chuangda Technology Co ltd filed Critical Nanjing Haolan Chuangda Technology Co ltd
Priority to CN202010603707.7A priority Critical patent/CN111769984B/zh
Publication of CN111769984A publication Critical patent/CN111769984A/zh
Application granted granted Critical
Publication of CN111769984B publication Critical patent/CN111769984B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/04—Network management architectures or arrangements
    • H04L41/042—Network management architectures or arrangements comprising distributed management centres cooperatively managing the network
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0893—Assignment of logical groups to network elements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
    • H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例的方法中提出了一种区块链网络中添加节点的方法及区块链系统，当有节点添加时，采用先检测再共识的方法，减少了共识过程的时间，可以减少作恶节点的数量，且在检测过程中仍然参与区块链网络的任务计算，对于上链节点进行检测，对于新节点进行筛查，不仅没有影响区块链网络的效率，还在一定程度上提升区块链网络的算力和效率。

Description

区块链网络中添加节点的方法及区块链系统
【技术领域】
本发明涉及区块链技术领域，尤其涉及一种区块链网络中添加节点的方法及区块链系统。
【背景技术】
区块链网络中随着系统容量的扩大，会不断地添加新的节点。现有技术中的区块链网络中在加入新的节点时，由现有的共识节点接收添加新节点的请求，并针对新节点的请求发起共识；待达成共识后，现有共识节点执行添加新节点的请求，并对本地的节点列表进行更新。
现有技术中，针对任何新节点的加入都采用全节点的共识的方式进行，待全节点共识通过后，新节点才能完成上链。通常区块链系统中共识规则本身对新节点是不进行节点筛查的，这样对于节点的性能和行为诚实性很难去保证，可能会存在大量的作恶节点，不仅影响区块链系统的性能，后期对作恶节点的处理也会浪费更多的计算资源。再者，即使共识规则增加了新节点筛查，达成全节点共识，也会对区块链系统的效率产生较大的影响，造成了任务处理的滞后和计算资源的浪费，尤其是对计算量较大的预测型区块链应用影响更为明显。
【发明内容】
有鉴于此，本发明实施例提供了一种区块链网络中添加节点的方法及区块链系统。
第一方面，本发明实施例提供了一种区块链网络中添加节点的方法，所述方法包括：
S1、收到节点加入请求时且当该节点为新节点则将对应新节点加入检测池；
S2、按照预设规则将检测池内的节点分配成若干节点数量相同的检测组，以使所述检测组获取预测任务数据，并在经基于检测组的数据预测模型处理后输出对应的最终预测结果；
S3、基于指定时间区间内各检测组的最终预测结果，通过和监控节点输出数据的比对将新节点分为强节点和弱节点；
S4、将所述强节点加入区块链网络的节点列表中，将所述弱节点加入监控池内。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，，所述方法还包括：
所述检测组和节点列表中的节点基于区块链共识规则对预测任务数据进行处理。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述S2包括：
S21、按照预设规则将检测池内的节点分配成若干节点数量为k的检测组，k为大于1的奇数；
S22、构建基于检测组的数据预测模型，所述数据预测模型的预测任务划分至检测组内不同节点进行处理，每个节点包括若干顺序处理的计算块，每个计算块包括四个顺序处理的全连接处理层；
S23、检测组获取预测任务数据后，组内各节点的每个计算块基于输入数据通过全连接处理层进行前时段预测和后时段预测，当前计算块的输入数据和当前计算块的后时段结果做差处理后作为下一计算块的输入数据，节点的首个计算块输入数据为预测任务数据，全部计算块的前时段结果进行加和处理后为该节点的预测结果；
S24、将检测组内各节点的预测结果附加基底进行计算后得到最终预测结果。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述预设规则为：
若检测池内的节点个数K且为k的整数倍，则直接将检测池内的节点分配成Kk个检测组；
若检测池内的节点个数K且不为k的整数倍，按照新旧优先级将新节点优先成组，待新节点成组完毕开始旧节点成组；以旧节点的分配轮空次数为第一成组优先级，旧节点的分配轮空次数越大，旧节点的第一成组优先级越高；以旧节点的加入检测池时间为第二成组优先级，旧节点的加入检测池时间越短，旧节点的第二成组优先级越高；依次按照新旧优先级、第一成组优先级和第二成组优先级将检测池内的节点分配成[Kk]个检测组和Kmodk个分配轮空节点；
对全部节点的分配轮空次数进行更新；
所述新节点为当前节点添加周期加入检测池的节点，所述旧节点为非当前节点添加周期加入检测池的节点。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述S23包括：
S231、节点内每个计算块通过四个全连接处理层对预测任务数据进行处理，其中，第一层全连接处理层的处理结果hn,1＝FCn,1(xn)＝RELU(ωn,1xn+bn,1)，第二层全连接处理层的处理结果hn,2＝FCn,2(hn,1)＝RELU(ωn,2hn,1+bn,2)，第三层全连接处理层的处理结果hn,3＝FCn,2(hn,2)＝RELU(ωn,3hn,3+bn,3)，第四层全连接处理层的处理结果hn,4＝FCn,4(hn,3)＝RELU(ωn,4hn,3+bn,4)，其中，xn为计算块n的预测任务数据，前一层的全连接层计算结果作为下一层全连接层的输入帧数据；ωn,1、ωn,2、ωn,3和ωn,4分别为计算块n的第一层、第二层、第三层和第四层全连接处理层的权重参数，bn,1、bn,2、bn,3和bn,4为块n的第一层、第二层、第三层和第四层全连接处理层的偏移值；
S232、通过公式
Figure GDA0003833758680000041
和
Figure GDA0003833758680000042
分别计算出计算块n的前时段预测参数和后时段预测参数，其中，
Figure GDA0003833758680000043
为计算块n的后时段预测参数，
Figure GDA0003833758680000044
为计算块n的前时段预测参数，
Figure GDA0003833758680000045
为计算块n的后时段权重，
Figure GDA0003833758680000046
为块n的前时段权重；计算块n的输入数据和计算块n的后时段预测参数相减处理后作为计算块n+1的输入数据，节点最后一个计算块输出的后时段预测参数为节点的后时段结果，节点内全部块的前时段预测参数进行加和处理后为该节点的前时段结果。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述S24包括：
将检测组内各节点的预测结果附加基底进行计算后得到最终预测结果，最终预测结果为
Figure GDA0003833758680000047
其中，
Figure GDA0003833758680000048
为节点i的前时段基底，
Figure GDA0003833758680000049
为节点i的后时段基底，
Figure GDA00038337586800000410
为节点i的前时段结果，
Figure GDA00038337586800000411
为节点i的后时段结果。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述基底通过基底演算模型计算得出，所述基底演算模型为：
Figure GDA00038337586800000412
Figure GDA00038337586800000413
和
Figure GDA00038337586800000414
分别为S函数、R函数和D函数；
其中，
Figure GDA00038337586800000415
st为时刻t时检测组的第一预测结果，ot为时刻t时检测组各个节点的性能数据集合，o′为时刻t时从其他检测组随机抽样的节点的性能数据，q(st|ot)表示时刻t时基于观测模型通过ot对st进行预测，
Figure GDA00038337586800000416
时刻t时基于观测模型通过各个o′对st进行预测后的求和结果；
Figure GDA0003833758680000051
rt为时刻t的检测组的第二预测结果，q(rt|st)用来表征时刻t时基于回报模型通过st对rt进行预测；
Figure GDA0003833758680000052
β为先验参数，KL为相对熵计算，at-1为时刻t-1的预测基底集合，st-1为时刻t-1时检测组的第一预测结果，q(st|st-1,at-1)表示时刻t时基于过渡模型通过st-1和at-1对st进行预测，p(st|st-1,at-1,ot)表示时刻t时基于模型表示通过st-1、at-1和ot对st进行预测；对于过渡模型和模型表示进行相对熵计算后得到D函数结果；
通过基底演算模型计算出前时段基底
Figure GDA0003833758680000053
和后时段基底
Figure GDA0003833758680000054
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述S3包括：
S31、检测组A、检测组B和监控节点C组成比对组，所述比对组内的各单位均接收同一预测任务数据，经处理后生成最终预测结果A、最终预测结果B和最终预测结果C；
S32、判断最终预测结果A和最终预测结果B之间的差异是否超出第一阈值，若否，检测组A和检测组B的新节点均为强节点；若是，则进入S33；
S33、将最终预测结果A和最终预测结果B分别与最终预测结果C进行比较，并将超出第一阈值的检测组的定义为弱检测组；
S34a、若检测组A和检测组B均为弱检测组，则检测组A和检测组B的新节点均为弱节点；
S34b、若检测组A和检测组B中只有一个弱检测组，则将其中的弱检测组中各个新节点的计算结果和强检测组中对应新节点的计算结果按顺序进行一一比较，选择出第一个节点间差异超出第二阈值的弱检测组新节点，将该新节点以及其后的全部新节点定义为弱节点，该新节点前的全部新节点定义为强节点；
其中，所述弱检测组中全部新节点均为若节点，所述强检测组全部新节点均为强节点。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述区块链共识规则包括：
节点列表中的每个节点和每个检测组每次只处理一个预测任务数据，且当生成最终预测结果时向区块链网络广播；
节点列表中的每个节点和每个检测组在处理预测任务数据过程中，若接收到其他的非自身所在比对组的基于相同预测任务数据的最终预测结果时，则判断之前是否接收到自身所在比对组的基于相同预测任务数据的最终预测结果，若否，立即停止对当前预测任务数据的处理，若是，则继续对当前预测任务数据的处理；
当任务结果被区块链系统以区块形式记录时，若带有最早的时间戳的单位为节点列表中节点，则区块链系统向该节点投放奖励区块，若带有最早的时间戳的单位为检测组，则不向检测组投放奖励区块，该奖励区块仅在节点之间进行交易，且交易记录写入区块链系统。
第二方面，本发明实施例提供了一种区块链系统，所述系统包括：
预处理模块，用于在收到节点加入请求时且当该节点为新节点则将对应新节点加入检测池；
分配模块，用于按照预设规则将检测池内的节点分配成若干节点数量相同的检测组，以使所述检测组获取预测任务数据，并在经基于检测组的数据预测模型处理后输出对应的最终预测结果；
筛分模块，用于基于指定时间区间内各检测组的最终预测结果，通过和监控节点输出数据的比对将新节点分为强节点和弱节点；
加入模块，用于将所述强节点加入区块链网络的节点列表中，将所述弱节点加入监控池内。
上述技术方案中的一个技术方案具有如下有益效果：
本发明实施例的方法中提出了一种区块链网络中添加节点的方法及区块链系统，当有节点添加时，采用先检测再共识的方法，减少了共识过程的时间，可以减少作恶节点的数量，且在检测过程中仍然参与区块链网络的任务计算，对于上链节点进行检测，对于新节点进行筛查，不仅没有影响区块链网络的效率，还在一定程度上提升区块链网络的算力和效率。
【附图说明】
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例所提供的一种区块链网络中添加节点的方法流程示意图；
图2是本发明实施例所提供的S2的流程示意图；
图3是本发明实施例所提供的S3的流程示意图；
图4为本发明实施例所提供的区块链系统的功能框图；
图5为本发明实施例所提供的节点的设备硬件图；
【具体实施方式】
为使本发明的目的、技术方案和优点更加清楚，下面将结合具体实施例及相应的附图对本发明的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参考图1，其为本发明实施例所提供的一种区块链网络中添加节点的方法流程示意图，如图所示，该方法包括以下步骤：
S1、收到节点加入请求时且当该节点为新节点则将对应新节点加入检测池；
S2、按照预设规则将检测池内的节点分配成若干节点数量相同的检测组，以使所述检测组获取预测任务数据，并在经基于检测组的数据预测模型处理后输出对应的最终预测结果；
S3、基于指定时间区间内各检测组的最终预测结果，通过和监控节点输出数据的比对将新节点分为强节点和弱节点；
S4、将所述强节点加入区块链网络的节点列表中，将所述弱节点加入监控池内。
本发明实施例的方法中提出了一种区块链网络中添加节点的方法及区块链系统，当有节点添加时，采用先检测再共识的方法，减少了共识过程的时间，可以减少作恶节点的数量，且在检测过程中仍然参与区块链网络的任务计算，对于上链节点进行检测，对于新节点进行筛查，不仅没有影响区块链网络的效率，还在一定程度上提升区块链网络的算力和效率。
检测组和节点列表中的节点基于区块链共识规则对预测任务数据进行处理。其中，区块链共识规则包括：
节点列表中的每个节点和每个检测组每次只处理一个预测任务数据，且当生成最终预测结果时向区块链网络广播；
节点列表中的每个节点和每个检测组在处理预测任务数据过程中，若接收到其他的非自身所在比对组的基于相同预测任务数据的最终预测结果时，则判断之前是否接收到自身所在比对组的基于相同预测任务数据的最终预测结果，若否，立即停止对当前预测任务数据的处理，若是，则继续对当前预测任务数据的处理；
当任务结果被区块链系统以区块形式记录时，若带有最早的时间戳的单位为节点列表中节点，则区块链系统向该节点投放奖励区块，若带有最早的时间戳的单位为检测组，则不向检测组投放奖励区块，该奖励区块仅在节点之间进行交易，且交易记录写入区块链系统。
图2是本发明实施例所提供的S2的流程示意图，S2包括：
S21、按照预设规则将检测池内的节点分配成若干节点数量为k的检测组，k为大于1的奇数；
S22、构建基于检测组的数据预测模型，所述数据预测模型的预测任务划分至检测组内不同节点进行处理，每个节点包括若干顺序处理的计算块，每个计算块包括四个顺序处理的全连接处理层；
S23、检测组获取预测任务数据后，组内各节点的每个计算块基于输入数据通过全连接处理层进行前时段预测和后时段预测，当前计算块的输入数据和当前计算块的后时段结果做差处理后作为下一计算块的输入数据，节点的首个计算块输入数据为预测任务数据，全部计算块的前时段结果进行加和处理后为该节点的预测结果；
S24、将检测组内各节点的预测结果附加基底进行计算后得到最终预测结果。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述预设规则为：
若检测池内的节点个数K且为k的整数倍，则直接将检测池内的节点分配成K/k个检测组；
若检测池内的节点个数K且不为k的整数倍，按照新旧优先级将新节点优先成组，待新节点成组完毕开始旧节点成组；以旧节点的分配轮空次数为第一成组优先级，旧节点的分配轮空次数越大，旧节点的第一成组优先级越高；以旧节点的加入检测池时间为第二成组优先级，旧节点的加入检测池时间越短，旧节点的第二成组优先级越高；依次按照新旧优先级、第一成组优先级和第二成组优先级将检测池内的节点分配成[K/k]个检测组和Kmodk个分配轮空节点；
对全部节点的分配轮空次数进行更新；
所述新节点为当前节点添加周期加入检测池的节点，所述旧节点为非当前节点添加周期加入检测池的节点。
进一步地，所述S23包括：
S231、节点内每个计算块通过四个全连接处理层对预测任务数据进行处理，其中，第一层全连接处理层的处理结果hn,1＝FCn,1(xn)＝RELU(ωn,1xn+bn,1)，第二层全连接处理层的处理结果hn,2＝FCn,2(hn,1)＝RELU(ωn,2hn,1+bn,2)，第三层全连接处理层的处理结果hn,3＝FCn,2(hn,2)＝RELU(ωn,3hn,3+bn,3)，第四层全连接处理层的处理结果hn,4＝FCn,4(hn,3)＝RELU(ωn,4hn,3+bn,4)，其中，xn为计算块n的预测任务数据，前一层的全连接层计算结果作为下一层全连接层的输入帧数据；ωn,1、ωn,2、ωn,3和ωn,4分别为计算块n的第一层、第二层、第三层和第四层全连接处理层的权重参数，bn,1、bn,2、bn,3和bn,4为块n的第一层、第二层、第三层和第四层全连接处理层的偏移值；
S232、通过公式
Figure GDA0003833758680000101
和
Figure GDA0003833758680000102
分别计算出计算块n的前时段预测参数和后时段预测参数，其中，
Figure GDA0003833758680000103
为计算块n的后时段预测参数，
Figure GDA0003833758680000104
为计算块n的前时段预测参数，
Figure GDA0003833758680000105
为计算块n的后时段权重，
Figure GDA0003833758680000106
为块n的前时段权重；计算块n的输入数据和计算块n的后时段预测参数相减处理后作为计算块n+1的输入数据，节点最后一个计算块输出的后时段预测参数为节点的后时段结果，节点内全部块的前时段预测参数进行加和处理后为该节点的前时段结果。
所述S24包括：
将检测组内各节点的预测结果附加基底进行计算后得到最终预测结果，最终预测结果为
Figure GDA0003833758680000107
其中，
Figure GDA0003833758680000108
为节点i的前时段基底，
Figure GDA0003833758680000109
为节点i的后时段基底，
Figure GDA00038337586800001010
为节点i的前时段结果，
Figure GDA00038337586800001011
为节点i的后时段结果。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述基底通过基底演算模型计算得出，所述基底演算模型为：
Figure GDA00038337586800001012
Figure GDA00038337586800001013
和
Figure GDA00038337586800001014
分别为S函数、R函数和D函数；
其中，
Figure GDA0003833758680000111
st为时刻t时检测组的第一预测结果，ot为时刻t时检测组各个节点的性能数据集合，o′为时刻t时从其他检测组随机抽样的节点的性能数据，q(st|ot)表示时刻t时基于观测模型通过ot对st进行预测，
Figure GDA0003833758680000112
时刻t时基于观测模型通过各个o′对st进行预测后的求和结果；
Figure GDA0003833758680000113
rt为时刻t的检测组的第二预测结果，q(rt|st)用来表征时刻t时基于回报模型通过st对rt进行预测；
Figure GDA0003833758680000114
β为先验参数，KL为相对熵计算，at-1为时刻t-1的预测基底集合，st-1为时刻t-1时检测组的第一预测结果，q(st|st-1,at-1)表示时刻t时基于过渡模型通过st-1和at-1对st进行预测，p(st|st-1,at-1,ot)表示时刻t时基于模型表示通过st-1、at-1和ot对st进行预测；对于过渡模型和模型表示进行相对熵计算后得到D函数结果；
通过基底演算模型计算出前时段基底
Figure GDA0003833758680000115
和后时段基底
Figure GDA0003833758680000116
请参考图3，是本发明实施例所提供的S3的流程示意图，S3包括：
S31、检测组A、检测组B和监控节点C组成比对组，所述比对组内的各单位均接收同一预测任务数据，经处理后生成最终预测结果A、最终预测结果B和最终预测结果C；
S32、判断最终预测结果A和最终预测结果B之间的差异是否超出第一阈值，若否，检测组A和检测组B的新节点均为强节点；若是，则进入S33；
S33、将最终预测结果A和最终预测结果B分别与最终预测结果C进行比较，并将超出第一阈值的检测组的定义为弱检测组；
S34a、若检测组A和检测组B均为弱检测组，则检测组A和检测组B的新节点均为弱节点；
S34b、若检测组A和检测组B中只有一个弱检测组，则将其中的弱检测组中各个新节点的计算结果和强检测组中对应新节点的计算结果按顺序进行一一比较，选择出第一个节点间差异超出第二阈值的弱检测组新节点，将该新节点以及其后的全部新节点定义为弱节点，该新节点前的全部新节点定义为强节点；
其中，所述弱检测组中全部新节点均为若节点，所述强检测组全部新节点均为强节点。
本发明实施例的方法中提出了一种区块链网络中添加节点的方法及区块链系统，当有节点添加时，采用先检测再共识的方法，减少了共识过程的时间，可以减少作恶节点的数量，且在检测过程中仍然参与区块链网络的任务计算，对于上链节点进行检测，对于新节点进行筛查，不仅没有影响区块链网络的效率，还在一定程度上提升区块链网络的算力和效率。
本发明实施例进一步给出实现上述方法实施例中各步骤及方法的装置实施例。
请参考图4，其为本发明实施例所提供的区块链系统的功能框图，所述区块链系统包括：
预处理模块410，用于在收到节点加入请求时且当该节点为新节点则将对应新节点加入检测池；
分配模块420，用于按照预设规则将检测池内的节点分配成若干节点数量相同的检测组，以使所述检测组获取预测任务数据，并在经基于检测组的数据预测模型处理后输出对应的最终预测结果；
筛分模块430，用于基于指定时间区间内各检测组的最终预测结果，通过和监控节点输出数据的比对将新节点分为强节点和弱节点；
加入模块440，用于将所述强节点加入区块链网络的节点列表中，将所述弱节点加入监控池内。
由于本实施例中的各单元模块能够执行图1所示的方法，本实施例未详细描述的部分，可参考对图1的相关说明。
图5是本发明的一个实施例节点设备的硬件示意图。请参考图5，在硬件层面，该节点设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该节点设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元或模块分别描述。当然，在实施本发明时可以把各单元或模块的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本发明中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (7)

1.一种区块链网络中添加节点的方法，其特征在于，所述方法包括：
S1、收到节点加入请求时且当该节点为新节点则将对应新节点加入检测池；
S2、按照预设规则将检测池内的节点分配成若干节点数量相同的检测组，以使所述检测组获取预测任务数据，并在经基于检测组的数据预测模型处理后输出对应的最终预测结果；
S3、基于指定时间区间内各检测组的最终预测结果，通过和监控节点输出数据的比对将新节点分为强节点和弱节点；
S4、将所述强节点加入区块链网络的节点列表中，将所述弱节点加入监控池内；
所述S2包括：
S21、按照预设规则将检测池内的节点分配成若干节点数量为k的检测组，k为大于1的奇数；
S22、构建基于检测组的数据预测模型，所述数据预测模型的预测任务划分至检测组内不同节点进行处理，每个节点包括若干顺序处理的计算块，每个计算块包括四个顺序处理的全连接处理层；
S23、检测组获取预测任务数据后，组内各节点的每个计算块基于输入数据通过全连接处理层进行前时段预测和后时段预测，当前计算块的输入数据和当前计算块的后时段结果做差处理后作为下一计算块的输入数据，节点的首个计算块输入数据为预测任务数据，全部计算块的前时段结果进行加和处理后为该节点的预测结果；
S24、将检测组内各节点的预测结果附加基底进行计算后得到最终预测结果；
所述预设规则为：
若检测池内的节点个数K且为k的整数倍，则直接将检测池内的节点分配成K/k个检测组；
若检测池内的节点个数K且不为k的整数倍，按照新旧优先级将新节点优先成组，待新节点成组完毕开始旧节点成组；以旧节点的分配轮空次数为第一成组优先级，旧节点的分配轮空次数越大，旧节点的第一成组优先级越高；以旧节点的加入检测池时间为第二成组优先级，旧节点的加入检测池时间越短，旧节点的第二成组优先级越高；依次按照新旧优先级、第一成组优先级和第二成组优先级将检测池内的节点分配成[K/k]个检测组和Kmodk个分配轮空节点；
对全部节点的分配轮空次数进行更新；
所述新节点为当前节点添加周期加入检测池的节点，所述旧节点为非当前节点添加周期加入检测池的节点；
所述S3包括：
S31、检测组A、检测组B和监控节点C组成比对组，所述比对组内的各单位均接收同一预测任务数据，经处理后生成最终预测结果A、最终预测结果B和最终预测结果C；
S32、判断最终预测结果A和最终预测结果B之间的差异是否超出第一阈值，若否，检测组A和检测组B的新节点均为强节点；若是，则进入S33；
S33、将最终预测结果A和最终预测结果B分别与最终预测结果C进行比较，并将超出第一阈值的检测组的定义为弱检测组；
S34a、若检测组A和检测组B均为弱检测组，则检测组A和检测组B的新节点均为弱节点；
S34b、若检测组A和检测组B中只有一个弱检测组，则将其中的弱检测组中各个新节点的计算结果和强检测组中对应新节点的计算结果按顺序进行一一比较，选择出第一个节点间差异超出第二阈值的弱检测组新节点，将该新节点以及其后的全部新节点定义为弱节点，该新节点前的全部新节点定义为强节点；
其中，所述弱检测组中全部新节点均为若节点，所述强检测组全部新节点均为强节点。
2.根据权利要求1所述的区块链网络中添加节点的方法，其特征在于，所述方法还包括：
所述节点列表中的节点和检测组基于区块链共识规则对预测任务数据进行处理。
3.根据权利要求1所述的区块链网络中添加节点的方法，其特征在于，所述S23包括：
S231、节点内每个计算块通过四个全连接处理层对预测任务数据进行处理，其中，第一层全连接处理层的处理结果hn,1＝FCn,1(xn)＝RELU(ωn,1xn+bn,1)，第二层全连接处理层的处理结果hn,2＝FCn,2(hn,1)＝RELU(ωn,2hn,1+bn,2)，第三层全连接处理层的处理结果hn,3＝FCn,2(hn,2)＝RELU(ωn,3hn,3+bn,3)，第四层全连接处理层的处理结果hn,4＝FCn,4(hn,3)＝RELU(ωn,4hn,3+bn,4)，其中，xn为计算块n的预测任务数据，前一层的全连接层计算结果作为下一层全连接层的输入帧数据；ωn,1、ωn,2、ωn,3和ωn,4分别为计算块n的第一层、第二层、第三层和第四层全连接处理层的权重参数，bn,1、bn,2、bn,3和bn,4为块n的第一层、第二层、第三层和第四层全连接处理层的偏移值；
S232、通过公式
Figure FDA0003833758670000031
和
Figure FDA0003833758670000032
分别计算出计算块n的前时段预测参数和后时段预测参数，其中，
Figure FDA0003833758670000033
为计算块n的后时段预测参数，
Figure FDA0003833758670000034
为计算块n的前时段预测参数，
Figure FDA0003833758670000035
为计算块n的后时段权重，
Figure FDA0003833758670000036
为块n的前时段权重；计算块n的输入数据和计算块n的后时段预测参数相减处理后作为计算块n+1的输入数据，节点最后一个计算块输出的后时段预测参数为节点的后时段结果，节点内全部块的前时段预测参数进行加和处理后为该节点的前时段结果。
4.根据权利要求3所述的区块链网络中添加节点的方法，其特征在于，所述S24包括：
将检测组内各节点的预测结果附加基底进行计算后得到最终预测结果，最终预测结果为
Figure FDA0003833758670000041
其中，
Figure FDA0003833758670000042
为节点i的前时段基底，
Figure FDA0003833758670000043
为节点i的后时段基底，
Figure FDA0003833758670000044
为节点i的前时段结果，
Figure FDA0003833758670000045
为节点i的后时段结果。
5.根据权利要求3所述的区块链网络中添加节点的方法，其特征在于，所述基底通过基底演算模型计算得出，所述基底演算模型为：
Figure FDA0003833758670000046
Figure FDA0003833758670000047
和
Figure FDA0003833758670000048
分别为S函数、R函数和D函数；
其中，
Figure FDA0003833758670000049
st为时刻t时检测组的第一预测结果，ot为时刻t时检测组各个节点的性能数据集合，o′为时刻t时从其他检测组随机抽样的节点的性能数据，q(st|ot)表示时刻t时基于观测模型通过ot对st进行预测，
Figure FDA00038337586700000410
时刻t时基于观测模型通过各个o′对st进行预测后的求和结果；
Figure FDA00038337586700000411
rt为时刻t的检测组的第二预测结果，q(rt|st)用来表征时刻t时基于回报模型通过st对rt进行预测；
Figure FDA00038337586700000412
β为先验参数，KL为相对熵计算，at-1为时刻t-1的预测基底集合，st-1为时刻t-1时检测组的第一预测结果，q(st|st-1,at-1)表示时刻t时基于过渡模型通过st-1和at-1对st进行预测，p(st|st-1,at-1,ot)表示时刻t时基于模型表示通过st-1、at-1和ot对st进行预测；对于过渡模型和模型表示进行相对熵计算后得到D函数结果；
通过基底演算模型计算出前时段基底
Figure FDA00038337586700000413
和后时段基底
Figure FDA00038337586700000414
。
6.根据权利要求2所述的区块链网络中添加节点的方法，其特征在于，所述区块链共识规则包括：
节点列表中的每个节点和每个检测组每次只处理一个预测任务数据，且当生成最终预测结果时向区块链网络广播；
节点列表中的每个节点和每个检测组在处理预测任务数据过程中，若接收到其他的非自身所在比对组的基于相同预测任务数据的最终预测结果时，则判断之前是否接收到自身所在比对组的基于相同预测任务数据的最终预测结果，若否，立即停止对当前预测任务数据的处理，若是，则继续对当前预测任务数据的处理；
当任务结果被区块链系统以区块形式记录时，若带有最早的时间戳的单位为节点列表中节点，则区块链系统向该节点投放奖励区块，若带有最早的时间戳的单位为检测组，则不向检测组投放奖励区块，该奖励区块仅在节点之间进行交易，且交易记录写入区块链系统。
7.一种区块链系统，其特征在于，所述系统包括：
预处理模块，用于在收到节点加入请求时且当该节点为新节点则将对应新节点加入检测池；
分配模块，用于按照预设规则将检测池内的节点分配成若干节点数量相同的检测组，以使所述检测组获取预测任务数据，并在经基于检测组的数据预测模型处理后输出对应的最终预测结果；
筛分模块，用于基于指定时间区间内各检测组的最终预测结果，通过和监控节点输出数据的比对将新节点分为强节点和弱节点；
加入模块，用于将所述强节点加入区块链网络的节点列表中，将所述弱节点加入监控池内；
所述分配模块用于执行：
S21、按照预设规则将检测池内的节点分配成若干节点数量为k的检测组，k为大于1的奇数；
S22、构建基于检测组的数据预测模型，所述数据预测模型的预测任务划分至检测组内不同节点进行处理，每个节点包括若干顺序处理的计算块，每个计算块包括四个顺序处理的全连接处理层；
S23、检测组获取预测任务数据后，组内各节点的每个计算块基于输入数据通过全连接处理层进行前时段预测和后时段预测，当前计算块的输入数据和当前计算块的后时段结果做差处理后作为下一计算块的输入数据，节点的首个计算块输入数据为预测任务数据，全部计算块的前时段结果进行加和处理后为该节点的预测结果；
S24、将检测组内各节点的预测结果附加基底进行计算后得到最终预测结果；
所述预设规则为：
若检测池内的节点个数K且为k的整数倍，则直接将检测池内的节点分配成K/k个检测组；
若检测池内的节点个数K且不为k的整数倍，按照新旧优先级将新节点优先成组，待新节点成组完毕开始旧节点成组；以旧节点的分配轮空次数为第一成组优先级，旧节点的分配轮空次数越大，旧节点的第一成组优先级越高；以旧节点的加入检测池时间为第二成组优先级，旧节点的加入检测池时间越短，旧节点的第二成组优先级越高；依次按照新旧优先级、第一成组优先级和第二成组优先级将检测池内的节点分配成[K/k]个检测组和Kmodk个分配轮空节点；
对全部节点的分配轮空次数进行更新；
所述新节点为当前节点添加周期加入检测池的节点，所述旧节点为非当前节点添加周期加入检测池的节点；
所述筛分模块用于执行：
S31、检测组A、检测组B和监控节点C组成比对组，所述比对组内的各单位均接收同一预测任务数据，经处理后生成最终预测结果A、最终预测结果B和最终预测结果C；
S32、判断最终预测结果A和最终预测结果B之间的差异是否超出第一阈值，若否，检测组A和检测组B的新节点均为强节点；若是，则进入S33；
S33、将最终预测结果A和最终预测结果B分别与最终预测结果C进行比较，并将超出第一阈值的检测组的定义为弱检测组；
S34a、若检测组A和检测组B均为弱检测组，则检测组A和检测组B的新节点均为弱节点；
S34b、若检测组A和检测组B中只有一个弱检测组，则将其中的弱检测组中各个新节点的计算结果和强检测组中对应新节点的计算结果按顺序进行一一比较，选择出第一个节点间差异超出第二阈值的弱检测组新节点，将该新节点以及其后的全部新节点定义为弱节点，该新节点前的全部新节点定义为强节点；
其中，所述弱检测组中全部新节点均为若节点，所述强检测组全部新节点均为强节点。
CN202010603707.7A 2020-06-29 2020-06-29 区块链网络中添加节点的方法及区块链系统 Active CN111769984B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010603707.7A CN111769984B (zh) 2020-06-29 2020-06-29 区块链网络中添加节点的方法及区块链系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010603707.7A CN111769984B (zh) 2020-06-29 2020-06-29 区块链网络中添加节点的方法及区块链系统

Publications (2)

Publication Number Publication Date
CN111769984A CN111769984A (zh) 2020-10-13
CN111769984B true CN111769984B (zh) 2022-12-09

Family

ID=72722875

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010603707.7A Active CN111769984B (zh) 2020-06-29 2020-06-29 区块链网络中添加节点的方法及区块链系统

Country Status (1)

Country Link
CN (1) CN111769984B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113204597B (zh) * 2021-05-06 2022-06-24 杭州复杂美科技有限公司 一种区块链执行器水平扩展的方法、设备及储存介质
CN113704218B (zh) * 2021-08-26 2024-04-05 哈尔滨工业大学 一种容器环境中运行时数据迁移方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107579848A (zh) * 2017-08-30 2018-01-12 上海保险交易所股份有限公司 实用拜占庭容错共识机制中动态更改共识节点的方法
CN111047324A (zh) * 2020-03-16 2020-04-21 支付宝(杭州)信息技术有限公司 用于更新区块链节点处的公钥集合的方法及装置
CN111080447A (zh) * 2019-12-02 2020-04-28 裴保林 用于区块链系统中的中立节点的轮换方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10812270B2 (en) * 2017-04-07 2020-10-20 Citizen Hex Inc. Techniques for increasing the probability that a transaction will be included in a target block of a blockchain
US11924360B2 (en) * 2018-10-08 2024-03-05 Green Market Square Limited Blockchain timestamp agreement

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107579848A (zh) * 2017-08-30 2018-01-12 上海保险交易所股份有限公司 实用拜占庭容错共识机制中动态更改共识节点的方法
CN111080447A (zh) * 2019-12-02 2020-04-28 裴保林 用于区块链系统中的中立节点的轮换方法及系统
CN111047324A (zh) * 2020-03-16 2020-04-21 支付宝(杭州)信息技术有限公司 用于更新区块链节点处的公钥集合的方法及装置

Also Published As

Publication number Publication date
CN111769984A (zh) 2020-10-13

Similar Documents

Publication Publication Date Title
CN110659988B (zh) 区块链共识与执行的并行处理方法、装置和电子设备
JP6321681B2 (ja) ウェブサイトユーザを識別する方法および装置
CN111769984B (zh) 区块链网络中添加节点的方法及区块链系统
CN108765159B (zh) 一种基于区块链的上链与状态处理方法、装置及互联系统
CN110795246A (zh) 资源利用率的预测方法及装置
CN110061930B (zh) 一种数据流量的限制、限流值的确定方法和装置
CN109857984B (zh) 一种锅炉负荷率-效能曲线的回归方法和装置
CN110874650B (zh) 融合公域数据和私有数据的联盟学习方法、装置和系统
CN113220483A (zh) 一种区块链共识主节点的切换方法及系统
CN110781153B (zh) 基于区块链的跨应用信息共享方法及系统
CN111861464A (zh) 区块链的节点共识方法及系统
CN109218211B (zh) 数据流的控制策略中阈值的调整方法、装置和设备
CN110460471B (zh) 一种超级节点竞选方法、装置及存储介质
CN114282011B (zh) 知识图谱的构建方法和装置、图计算方法及装置
CN109345081B (zh) 一种数据采集方法、装置及电子设备
CN112887436B (zh) 一种共识方法、共识节点和流水线方式的区块链系统
CN112712125B (zh) 事件流的模式匹配方法、装置、存储介质及处理器
CN111431977B (zh) 区块链系统中作恶节点的处理方法及系统
CN112926090A (zh) 基于差分隐私的业务分析方法及装置
CN111080447B (zh) 用于区块链系统中的中立节点的轮换方法及系统
CN113407156B (zh) 基于去中心化可验证延迟函数生成随机数的方法及系统
CN112906171B (zh) 一种综合能源系统可信协同优化方法及仿真平台
CN111767294A (zh) 区块链网络中删除节点的方法及区块链系统
CN113037685B (zh) 数据传输方法和电子设备
CN114708110A (zh) 续保行为预测模型的联合训练方法、装置及电子设备

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20221124

Address after: No. 1302, Dongba Information New Material Industrial Park, Gaochun District, Nanjing, Jiangsu Province, 210000

Applicant after: Nanjing Haolan Chuangda Technology Co.,Ltd.

Address before: 101104 li'ersi village, Zhangjiawan Town, Tongzhou District, Beijing

Applicant before: BEIJING TIANYIBAIKANG SCIENCE AND TRADE CO.,LTD.

GR01 Patent grant
GR01 Patent grant