CN111949735A - 一种应用区块链的账本实现数据查询的系统及方法 - Google Patents
一种应用区块链的账本实现数据查询的系统及方法 Download PDFInfo
- Publication number
- CN111949735A CN111949735A CN202010865873.4A CN202010865873A CN111949735A CN 111949735 A CN111949735 A CN 111949735A CN 202010865873 A CN202010865873 A CN 202010865873A CN 111949735 A CN111949735 A CN 111949735A
- Authority
- CN
- China
- Prior art keywords
- data
- block chain
- encryption
- information
- encrypted
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 67
- 238000012545 processing Methods 0.000 claims abstract description 48
- 238000004364 calculation method Methods 0.000 claims abstract description 34
- 238000004891 communication Methods 0.000 claims description 47
- 238000012549 training Methods 0.000 claims description 21
- 238000012360 testing method Methods 0.000 claims description 18
- 230000003993 interaction Effects 0.000 claims description 8
- 230000001343 mnemonic effect Effects 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000007635 classification algorithm Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 6
- NPKISZUVEBESJI-CQSZACIVSA-N N-benzoyl-D-phenylalanine Chemical compound C([C@H](C(=O)O)NC(=O)C=1C=CC=CC=1)C1=CC=CC=C1 NPKISZUVEBESJI-CQSZACIVSA-N 0.000 claims description 4
- 241001441724 Tetraodontidae Species 0.000 claims description 4
- 239000004744 fabric Substances 0.000 abstract description 11
- 230000005540 biological transmission Effects 0.000 abstract description 8
- 238000011161 development Methods 0.000 abstract description 5
- 238000005538 encapsulation Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioethics (AREA)
- Databases & Information Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Physics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种应用区块链的账本实现数据查询的系统及方法，涉及区块链技术领域。本发明通过构建区块链账本架构，进一步提升区块链新式家庭账本的可靠性、全面性、安全性、精准度，从而促进传统账本的改革与发展。本发明在区块链账本架构中融入了各种大数据算法模型实现数据的计算和处理，以实现各种复杂数据的简易处理，降低大数据的信息纬度，以便进行数据查询。本发明还通过加密单元实现数据处理后的加密计算，提高了数据的安全性能。本发明使用基于Hyperledger Fabric的模块化区块链解决方案支撑平台，提供区块链数据计算、共享和传递的平台，实现数据的处理、计算和查询；通过密码签名模块和时间戳模块实现数据的封装和处理。
Description
技术领域
本发明涉及区块链技术领域，且更具体地涉及一种应用区块链的账本实现数据查询的系统及方法。
背景技术
随着区块链技术的发展，区块链作为价值传输的使能技术，正在逐步构建去中心化、自组织、共享数据的可信基础设施，重塑现有互联网应用和传统产业。对于区块链基础设施而言，安全加密是维护整个系统安全的核心功能。因此，区块链作为一种去中心化的分布式账本技术，利用其去中心化、数据防篡改以及可追溯的性质可以为数据发布提供新的技术途径。
数字资产(Digital assets)是指企业或个人拥有或控制的以电子数据形式存在的、在日常活动中持有、以备出售或处于生产过程中的非货币性资产。数字资产的安全性能决定了人们各项生活、生产活动。随着通信技术的发展，各种通信技术逐渐渗透到数字处理技术中。区块链由于去中心化、公开、透明、无法篡改等优点被应用到数据处理的各种场合中，在具有不同区块链节点的区块链平台中能够实现不同的业务需求。
随着数字社会的不断发展，数据以指数级的速度增长，在目前的区块链技术架构中，交易数据和新区块数据的泛洪式全网广播及全局区块链数据在所有共识节点全复制存储，成为区块链系统规模扩展的瓶颈。账本是商业运的核心要素，用以记录商品的种类、数量、价格等相关信息，同时也是经营者做出经济决策和监管者行驶监管职能的重要依据。在区块链账本中，通常存储有用户的交易信息，随着用户数量的增加，以及用户交易的增加，区块链账本中的交易信息不断的增加，对于区块链中的节点，有些节点可能无法实时的更新和保存完整的账本，如果没有完整的账本，则需要从其他节点中获取需要查询的交易信息，如果其他节点被黑客攻击，将导致该节点查询到的交易信息是被黑客伪造的，从而降低了区块链账本的查询安全性。区块链中的集中化、基于信任的账本系统会给交易结算带来瓶颈和障碍。缺乏透明性，而且很容易发生腐败和欺诈，这些会导致争议。解决争议、逆转交易或提供交易保险的成本很高。这些风险和不确定性导致了错失商机。
另外一方面，现今是大数据时代，在各客户端或各领域为了更好地了解各项运营数据，为此需要掌握更多维度的数据，但更多维度数据对使用企业来讲将形成的大型矩阵数据，这也是海量数据，而为了存储和处理数据，需要大型的数据库、数据存储模块，同时企业为了获取的企业各客户端数据信息进行数据处理时，需要查询、分析和归纳各类数据，由于数据种类繁多，从而导致数据处理时数据维度大，这都导致数据处理、数据分享和数据共享时数据包巨大，特别是数据维度过大时，数据传输和数据计算的成本和设备成本成几何级数增加，从而导致数据传输困难，为此通常需要配置更大处理能力的服务器，即需要各客服端和服务器端的设备要求高，同时，数据查询速度也更慢，为了便于使用而提升配置，但这也增加数据处理成本和设备成本，这不利于采用先进技术进行信息交互和先进技术的应用与推广。如果能够在保证数据传输准确的前提下，适当对数据进行降维处理，则必将极大地节约数据处理成本、减少处理设备成本，从而为企业节省金钱，因此这具备十分重要的意义。同时，对大量的数据进行合理的分类处理，从而使得数据更加集约，存储空间也更加小，后续的数据查询也更加快捷。并且，由于各客户端中的各类数据，在采用区块链技术时，相应的数据同时存储在各客户端的区块链数据库中，但是，由于企业的数据对不同的客户端权限不一样，因此，希望提供一种合理的加密方式，而非简单的等权限加密方式，这必然影响数据的安全。
发明内容
针对现有技术的不足，本发明公开一种应用区块链的账本实现数据查询的系统及方法，以解决上述技术问题。
本发明采用以下技术方案：
一种应用区块链账本实现数据查询的装置，包括区块链平台，其中所述区块链平台为基于Hyperledger Fabric的模块化区块链解决方案支撑平台，其中所述区块链平台内设置有：
节点服务器，用于根据用户标识码，向数据库服务器发出请求，获得各种数据信息；所述节点服务器外部壳体除了设置有区块链网络接口之外，还设置有TCP/IP通信接口、ZigBee无线通信接口、GPRS通信接口、CDMA通信接口、云通信接口或蓝牙通信接口，以实现与多种设备的数据通信；
区块链网络，其内设置有分布式P2P网络，包括非结构化的网络和结构化的网络，所述分布式网络是由分布在不同地点且具有多个终端的节点机互连而成，区块链网络任一节点机均至少与两条线路相连，当任意一条线路发生故障时，通信可转经其他链路完成；
区块链节点，其为工作机节点，并且所述工作机节点连接有终端，通过终端与所述区块链节点进行信息互通，所述终端为设置有区块链通信协议的PDA、计算机、移动式设备或平板电脑；其中所述区块链节点内设置有处理器、存储器、数据计算单元和通信接口，其中所述存储器的输出端与数据计算单元的输入端连接，所述数据计算单元的输出端与所述存储器的输入端连接，所述存储器的输出端与所述通信接口的输入端连接，所述数据计算单元和存储器还连接有账本数据库，所述账本数据库连接有密码签名模块和时间戳模块；其中：
所述通信接口具有区块链网络通信协议的数据接口，并且所述通信接口还设置有TCP/IP通信接口、ZigBee无线通信接口、GPRS通信接口、CDMA通信接口、云通信接口或蓝牙通信接口；
所述处理器为云端处理器或计算机处理器，所述云端处理器的硬件配置为IntelXeon E3-1220v53.0 GHz，内核为四核，内存为8GDDR4，硬盘为1*Intel企业级SSD，1*SATA1T，网卡为2*千兆网口；工作机节点的硬件CPU型号为Intel Xeon E53.0GHZ，所述工作机节点的内存为8GB，硬盘容量为1TB，所述计算机处理器的型号为Intel(R)Core(TM)i7-3770CPU@3.40GHz，内存为160GB；
所述数据计算单元连接有分类算法模型、关联算法模型、故障处理算法模型、BP神经网络算法模型、KNN算法模型、数据融合算法模型或者AdaBoost算法模型，以实现各种数据的处理；
所述存储器的容积大于160GB；
所述密码签名模块为触摸式LCD电子显示屏；
所述时间戳模块包括：接收模块，用于接收客户端所发送的时间戳申请；时间源模块，用于获取对应于所述时间戳申请的签发时间，并将该签发时间加密后传送至安全加密模块；安全加密模块，用于对加密后的签发时间进行解密以获得所述签发时间；管理模块，用于根据所述签发时间和所述时间戳申请创建签名者信息；以及发送模块，用于将所述签名者信息发送至客户端；
所述账本数据库的内存大于160GB；
所述区块链节点设置在所述区块链网络内，所述节点服务器与所述区块链节点连接。
本发明还采用以下技术方案：
一种应用区块链账本实现数据查询的方法，其中包括以下步骤：
(1)数据获取：通过账本数据库获取数据信息，在获取账本数据库信息时，用户根据用户标识码，向数据库服务器发出请求，获得各种数据信息；
(2)数据处理、计算：对获取的数据信息进行处理，通过数据的计算和处理，实现数据的查询，在进行数据处理时，利用分类算法模型、关联算法模型、故障处理算法模型、BP神经网络算法模型、KNN算法模型、数据融合算法模型或者AdaBoost算法模型实现数据的计算和处理，以实现各种复杂数据的简易处理，降低大数据的信息纬度，以便进行数据查询；
(3)数据查询：接收数据处理、计算的结果，并对处理后的数据进行查询，以显示数据计算结果；
(4)数据加密、签名：通过加密算法对数据处理后的数据进行签名，然后将加密后的数据信息进行传递、共享。
进一步地，其中KNN算法模型的原理是在数据训练集中，通过输入测试数据，然后将测试数据的特征与训练集中对应的特征进行相互比较，找到训练集中与之最为相似的前K个数据，则该测试数据对应的类别就是K个数据中出现次数最多的分类类型，分为以下几个步骤：
(1)计算测试数据与各个训练数据之间的距离；距离公式为：
其中xk和yk分别为数据集合中的两个不同的点，n为数据集合的个数；
(2)按照距离的递增关系进行排序；
(3)选取距离最小的k个训练集数据；确定前k个点所在类别的出现频率；
(4)然后对训练样本进行聚类，得出k个聚类个数，分别为C1,C2,...,Ck；然后输出k个子簇；以任意一个子簇作为距离中心点，其它点到该距离中心点的距离集合为d＝{d1,d1,...,dn}；
(5)返回前k个点中出现频率最高的类别便为测试数据的预测分类，其中将
中的比例的倒数
T的
作为距离权值，其中k个值中的类别
个数分别为C1,C2,...,Ck，计算加权后的个数
中最大的值作为样本数据的预测类别，通过这种方式实现数据的分类。
在上述技术方案中，所述k的值的范围介于3.1-4.2之间。
进一步地，所述数据加密单元为DES加密单元、3DES加密单元、Blowfish加密单元、Twofish加密单元、IDEA加密单元、RC6加密单元、字符串加密单元、助记词加密单元或CAST5加密单元；
所述数据训练集中，采用NBDP方法，所述NBDP方法数据为当前一年内查询度前50％的数据；
进一步地，所述助记词为通过UTF-8编码生成Pin码或者字母与数字组合的字符串。
进一步地，所述加密单元还包括对称密钥加密算法和对称密钥解密算法。
进一步地，所述对称密钥加密算法的方法为：
(1)通过应用程序选取数据库中待加密的数据信息，通过区块链平台经由区块链网络将数据信息传递到区块链节点设备，在区块链节点设备中，输入加密字符串，得到加密的数据信息字符串；
(2)生成私人密匙，通过秘钥生成器生成的私钥加密特征码在区块链网络中的不同设备节点之间共享，所述共享方式采用区块链网络实现；
(3)签名，用户根据自己的私钥加密特征码，并将结果附加在数据后面，并将加密后的特征码附加在数据后面，对加密信息串进行签名，通过区块链网络接收加密信息串，并进行签名，如果签名成功，则获得加密信息串如果签名成功，则获得加密信息串，如果签名不成功，则重新进行签名；
(4)生成对称秘钥，互相通信的不同区块链节点设备获得加密信息，通过数据签名，在主控服务器节点生成临时对称密钥，并使用对称密钥加密整个区块链网络中的数据；
(5)使用对称秘钥，各个区块链节点设备获得加密信息后，通过区块链网络获取数据的公钥，并使用公钥加密这个临时的对称密钥临时对称密钥，将结果附加在整个数据后发送到各个区块链节点，通过上述方法实现视频数据的加密。
进一步地，所述对称密钥解密方法为：
(1)各个区块链节点设备采用自己获取的私钥进行解密经过加密的对称密钥；
(2)使用对称密钥解密整个加密的数据；
(3)身份验证；各个区块链节点设备采用各自节点上的公钥解密数据的特征码，验证处于区块链节点设备不同节点的身份信息；
(4)解密；任意一个各区块链节点设备再用同样的对称加密算法计算数据的特征码，然后再次使用对称加密算法计算数据的特征码，并与解密出来的特征码进行比较，验证区块链网络中不同数据节点发送的数据的完整性；
(5)各区块链节点设备通过获取的口令进行信息，通过获取的口令进行信息交互，交互方法为通过区块信息区块链节点设备传输或转递各个区块链节点设备的信息，进而获取解密信息。
进一步，为了保证区块链中的数据不被不应该读取的客户端读取，将所有客户端的数据库共同构成区块链数据库的分布式数据库；每个客户端的数据库连接数据加密和解密模块，在当前面客户端的数据准备存储于其他客户端的数据库中时，采用数据加密和解密模块加密后发送至其他客户端的数据库进行加密，而其他客户端的数据库在对数据进行存储时，只储存加密后的数据，从而保证数据不被没有相应权限的客户端读取。
积极有益效果：
本发明通过构建区块链账本架构，进一步提升区块链新式家庭账本的可靠性、全面性、安全性、精准度，从而促进传统账本的改革与发展。
本发明在区块链账本架构中融入了分类算法模型、关联算法模型、故障处理算法模型、BP神经网络算法模型、KNN算法模型、数据融合算法模型或者AdaBoost算法模型实现数据的计算和处理，以实现各种复杂数据的简易处理，降低大数据的信息纬度，以便进行数据查询。
本发明采用DES加密单元、3DES加密单元、Blowfish加密单元、Twofish加密单元、IDEA加密单元、RC6加密单元、字符串加密单元、助记词加密单元或CAST5加密单元实现数据处理后的加密计算，提高了数据的安全性能。
本发明使用基于Hyperledger Fabric的模块化区块链解决方案支撑平台，提供区块链数据计算、共享和传递的平台，实现数据的处理、计算和查询；
本发明通过密码签名模块和时间戳模块实现数据的封装和处理。
本发明对大量的数据进行合理的分类处理，采用KNN算法分析数据，从而使得数据更加集约，存储空间也更加小，后续的数据查询也更加快捷。并且，本申请在数据分类时，采用过往数据的经验进行训练，从而进一步提升数据分析能力。
附图说明
图1为本发明一种应用区块链的账本实现数据查询的系统中区块链网络结构示意图；
图2为本发明一种应用区块链的账本实现数据查询的系统架构示意图；
图3为本发明一种应用区块链的账本实现数据查询的系统中区块头示意图；
图4为本发明一种应用区块链的账本实现数据查询的系统中数据架构示意图
图5为本发明一种应用区块链的账本实现数据查询的系统中Fabric平台架构示意图；
图6为本发明一种应用区块链的账本实现数据查询的方法的流程示意图；
图7为本发明一种应用区块链的账本实现数据查询的方法的KNN算法模型架构示意图；
图8为本发明一种应用区块链的账本实现数据查询的方法中对称加密算法的加密示意图；
图9为本发明一种应用区块链的账本实现数据查询的方法中对称解密算法的解密示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例(1)系统
如图1-图2所示，一种应用区块链账本实现数据查询的装置，包括区块链平台，其中所述区块链平台为基于Hyperledger Fabric的模块化区块链解决方案支撑平台，其中所述区块链平台内设置有：
节点服务器，用于根据用户标识码，向数据库服务器发出请求，获得各种数据信息；所述节点服务器外部壳体除了设置有区块链网络接口之外，还设置有TCP/IP通信接口、ZigBee无线通信接口、GPRS通信接口、CDMA通信接口、云通信接口或蓝牙通信接口，以实现与多种设备的数据通信；
区块链网络，其内设置有分布式P2P网络，包括非结构化的网络和结构化的网络，所述分布式网络是由分布在不同地点且具有多个终端的节点机互连而成，区块链网络任一节点机均至少与两条线路相连，当任意一条线路发生故障时，通信可转经其他链路完成；
区块链节点，其为工作机节点，并且所述工作机节点连接有终端，通过终端与所述区块链节点进行信息互通，所述终端为设置有区块链通信协议的PDA、计算机、移动式设备或平板电脑；其中所述区块链节点内设置有处理器、存储器、数据计算单元和通信接口，其中所述存储器的输出端与数据计算单元的输入端连接，所述数据计算单元的输出端与所述存储器的输入端连接，所述存储器的输出端与所述通信接口的输入端连接，所述数据计算单元和存储器还连接有账本数据库，所述账本数据库连接有密码签名模块和时间戳模块；其中：
所述通信接口具有区块链网络通信协议的数据接口，并且所述通信接口还设置有TCP/IP通信接口、ZigBee无线通信接口、GPRS通信接口、CDMA通信接口、云通信接口或蓝牙通信接口；
所述处理器为云端处理器或计算机处理器，所述云端处理器的硬件配置为IntelXeon E3-1220v53.0 GHz，内核为四核，内存为8GDDR4，硬盘为1*Intel企业级SSD，1*SATA1T，网卡为2*千兆网口；工作机节点的硬件CPU型号为Intel Xeon E53.0GHZ，所述工作机节点的内存为8GB，硬盘容量为1TB，所述计算机处理器的型号为Intel(R)Core(TM)i7-3770CPU@3.40GHz，内存为160GB；
所述数据计算单元连接有分类算法模型、关联算法模型、故障处理算法模型、BP神经网络算法模型、KNN算法模型、数据融合算法模型或者AdaBoost算法模型，以实现各种数据的处理；
所述存储器的容积大于160GB；
所述密码签名模块为触摸式LCD电子显示屏；
所述时间戳模块包括：接收模块，用于接收客户端所发送的时间戳申请；时间源模块，用于获取对应于所述时间戳申请的签发时间，并将该签发时间加密后传送至安全加密模块；安全加密模块，用于对加密后的签发时间进行解密以获得所述签发时间；管理模块，用于根据所述签发时间和所述时间戳申请创建签名者信息；以及发送模块，用于将所述签名者信息发送至客户端；
所述账本数据库的内存大于160GB；
所述区块链节点设置在所述区块链网络内，所述节点服务器与所述区块链节点连接。
如图3所示，区块链网络节点中包括使各个行业通过区块链网络在区块链平台上进行信息交互的数据区块链节点，在区块链中还可以设置信息中转节点。而区块链节点呈链条式连接，区块链节点将企业数据区块链节点、银行数据区块链节点或金融数据区块链节点互相连接起来，使采用数字资产处理后的数据共享。
区块链网络中的成员节点不依赖于第三方(比如金融机构)来仲裁交易，它们使用共识协议来协商账本内容，使用哈希加密算法和数字签名来确保交易的完整性。共识性能确保共享账本是精确副本，并降低了发生交易欺诈的风险，因为篡改需要在许多地方同时执行。哈希加密算法(比如SHA256计算算法)能确保对交易输入的任何改动—甚至是最细微的改动—都会计算出一个不同的哈希值，表明交易输入可能被损坏。数字签名确保交易源自发送方(已使用私钥签名)而不是冒名顶替者。
分布式账本是一种在网络成员之间共享、复制和同步的数据库。分布式账本记录网络参与者之间的交易，比如资产或数据的交换。网络中的参与者根据共识原则来制约和协商对账本中的记录的更新。没有中间的第三方仲裁机构(比如金融机构或票据交换所)的参与。分布式账本中的每条记录都有一个时间戳和唯一的密码签名，这使得账本成为网络中所有交易的可审计历史记录。分布式账本技术的一种实现是开源Hyperledger Fabric区块链。
如图4所示，区块链被称为多方共同维护、去中心化、可追溯、不可篡改的分布式数据库，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。能够将一定时期内的请求数据，通过密码学技术打包成一个数据区块(block)，并使用哈希指纹将其按照时间顺序连接成一种链式结构进行存储。数据区块通常由区块头和区块体两部分组成。其中，区块头通常存储着系统的版本号、上一区块的哈希值、merkle根和时间戳等数据，而区块体中则包含了详细的请求数据。
如图5所示，区块链通过采用软件平台为基于Hyperledger Fabric的模块化区块链解决方案支撑平台，区块链采用的企业信息管理系统通常包括管理应用层、区块链网络、接入层和部门业务系统，通过所述区块链管理系统，实现上述处理数据后的传递和共享。如图5所示，Fabric平台是一种联盟链架构，支持智能合约技术，系统运行不依赖于代币，而且能够支持大约百笔每秒的交易吞吐量，基本满足联盟机构之间进行数字资产跨机构交易的需求。此外，Fabric采用的是模块化架构，其中共识算法等都可以作为一个可插拔的模块供用户选择使用。同时它能够使用户根据自身需求对特定模块进行重新设计开发，因而本文选用Fabric作为数字资产交易系统的区块链基础平台。Fabric主要包含成员服务模块(Membership Services)、区块链服务模块(Blockchain Services)和链代码服务模块(Chaincode Services)。其中成员服务模块主要提供成员注册、身份管理和交易审查等功能，通过注册证书颁发机构(ECA)和交易认证中心(TCA)进行机构注册认证和交易认证。区块链服务模块主要负责节点间的点对点通信、共识以及账本数据的存储等。链代码服务模块提供智能合约服务，提供安全的合约运行环境等。同时，该平台通过贯穿各个组件之间的事件流(Event Stream)实现异步通信。
实施例(2)方法
如图6所示，一种应用区块链账本实现数据查询的方法，其中包括以下步骤：
(1)数据获取：通过账本数据库获取数据信息，在获取账本数据库信息时，用户根据用户标识码，向数据库服务器发出请求，获得各种数据信息；
(2)数据处理、计算：对获取的数据信息进行处理，通过数据的计算和处理，实现数据的查询，在进行数据处理时，利用分类算法模型、关联算法模型、故障处理算法模型、BP神经网络算法模型、KNN算法模型、数据融合算法模型或者AdaBoost算法模型实现数据的计算和处理，以实现各种复杂数据的简易处理，降低大数据的信息纬度，以便进行数据查询；
(3)数据查询：接收数据处理、计算的结果，并对处理后的数据进行查询，以显示数据计算结果；
(4)数据加密、签名：通过加密算法对数据处理后的数据进行签名，然后将加密后的数据信息进行传递、共享。
如图7所示，其中KNN算法模型的原理是在数据训练集中，通过输入测试数据，然后将测试数据的特征与训练集中对应的特征进行相互比较，找到训练集中与之最为相似的前K个数据，则该测试数据对应的类别就是K个数据中出现次数最多的分类类型，分为以下几个步骤：
(1)计算测试数据与各个训练数据之间的距离；距离公式为：
其中xk和yk分别为数据集合中的两个不同的点，n为数据集合的个数；
(2)按照距离的递增关系进行排序；
(3)选取距离最小的k个训练集数据；确定前k个点所在类别的出现频率；
(4)然后对训练样本进行聚类，得出k个聚类个数，分别为C1,C2,...,Ck；然后输出k个子簇；以任意一个子簇作为距离中心点，其它点到该距离中心点的距离集合为d＝{d1,d1,...,dn}；
(5)返回前k个点中出现频率最高的类别便为测试数据的预测分类，其中将
中的比例的倒数
T的
作为距离权值，其中k个值中的类别
个数分别为C1,C2,...,Ck，计算加权后的个数
中最大的值作为样本数据的预测类别，通过这种方式实现
数据的分类。
在本发明中，所述k的值的范围介于3.1-4.2之间。
在本发明中，所述数据加密单元为DES加密单元、3DES加密单元、Blowfish加密单元、Twofish加密单元、IDEA加密单元、RC6加密单元、字符串加密单元、助记词加密单元或CAST5加密单元
在本发明中，所述助记词为通过UTF-8编码生成Pin码或者字母与数字组合的字符串。
在本发明中，所述加密单元还包括对称密钥加密算法和对称密钥解密算法。
如图8所示，所述对称密钥加密算法的方法为：
(1)通过应用程序选取数据库中待加密的数据信息，通过区块链平台经由区块链网络将数据信息传递到区块链节点设备，在区块链节点设备中，输入加密字符串，得到加密的数据信息字符串；
(2)生成私人密匙，通过秘钥生成器生成的私钥加密特征码在区块链网络中的不同设备节点之间共享，所述共享方式采用区块链网络实现；
(3)签名，用户根据自己的私钥加密特征码，并将结果附加在数据后面，并将加密后的特征码附加在数据后面，对加密信息串进行签名，通过区块链网络接收加密信息串，并进行签名，如果签名成功，则获得加密信息串如果签名成功，则获得加密信息串，如果签名不成功，则重新进行签名；
(4)生成对称秘钥，互相通信的不同区块链节点设备获得加密信息，通过数据签名，在主控服务器节点生成临时对称密钥，并使用对称密钥加密整个区块链网络中的数据；
(5)使用对称秘钥，各个区块链节点设备获得加密信息后，通过区块链网络获取数据的公钥，并使用公钥加密这个临时的对称密钥临时对称密钥，将结果附加在整个数据后发送到各个区块链节点，通过上述方法实现视频数据的加密。
在本发明中，如图9所示，所述对称密钥解密方法为：
(1)各个区块链节点设备采用自己获取的私钥进行解密经过加密的对称密钥；
(2)使用对称密钥解密整个加密的数据；
(3)身份验证；各个区块链节点设备采用各自节点上的公钥解密数据的特征码，验证处于区块链节点设备不同节点的身份信息；
(4)解密；任意一个各区块链节点设备再用同样的对称加密算法计算数据的特征码，然后再次使用对称加密算法计算数据的特征码，并与解密出来的特征码进行比较，验证区块链网络中不同数据节点发送的数据的完整性；
(5)各区块链节点设备通过获取的口令进行信息，通过获取的口令进行信息交互，交互方法为通过区块信息区块链节点设备传输或转递各个区块链节点设备的信息，进而获取解密信息。
为了保证区块链中的数据不被不应该读取的部门读取，将所有部门的数据库共同构成区块链数据库的分布式数据库；每个部门的数据库连接数据加密和解密模块，在当前面部门的数据准备存储于其他部门的数据库中时，采用数据加密和解密模块加密后发送至其他部门的数据库进行加密，而其他部门的数据库在对数据进行存储时，只储存加密后的数据，从而保证数据不被没有相应权限的部门读取。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和系统的细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发明的范围仅由所附权利要求书限定。
Claims (7)
1.一种应用区块链账本实现数据查询的方法，其特征在于：包括以下步骤：
(1)数据获取：通过账本数据库获取数据信息，在获取账本数据库信息时，用户根据用户标识码，向数据库服务器发出请求，获得各种数据信息；
(2)数据处理、计算：对获取的数据信息进行处理，通过数据的计算和处理，实现数据的查询，在进行数据处理时，利用分类算法模型、关联算法模型、故障处理算法模型、BP神经网络算法模型、KNN算法模型、数据融合算法模型或者AdaBoost算法模型实现数据的计算和处理，以实现各种复杂数据的简易处理，降低大数据的信息纬度，以便进行数据查询；
(3)数据查询：接收数据处理、计算的结果，并对处理后的数据进行查询，以显示数据计算结果；
(4)数据加密、签名：通过加密算法对数据处理后的数据进行签名，然后将加密后的数据信息进行传递、共享；
其中KNN算法模型的原理是在数据训练集中，通过输入测试数据，然后将测试数据的特征与训练集中对应的特征进行相互比较，找到训练集中与之最为相似的前K个数据，则该测试数据对应的类别就是K个数据中出现次数最多的分类类型，分为以下几个步骤：
(1)计算测试数据与各个训练数据之间的距离；距离公式为：
其中xk和yk分别为数据集合中的两个不同的点，n为数据集合的个数；
(2)按照距离的递增关系进行排序；
(3)选取距离最小的k个训练集数据；确定前k个点所在类别的出现频率；
(4)然后对训练样本进行聚类，得出k个聚类个数，分别为C1,C2,...,Ck；然后输出k个子簇；以任意一个子簇作为距离中心点，其它点到该距离中心点的距离集合为d＝{d1,d1,...,dn}；
(5)返回前k个点中出现频率最高的类别便为测试数据的预测分类，其中将
中的比例的倒数T的
作为距离权值，其中k个值中的类别个数分别为C1,C2,...,Ck，计算加权后的个数
中最大的值作为样本数据的预测类别，通过这种方式实现数据的分类；
其中，所述k的值的范围介于3.1-4.2之间。
2.根据权利要求1所述的一种应用区块链账本实现数据查询的方法，其特征在于：所述数据训练集中，采用NBDP方法，所述NBDP方法数据为当前一年内查询度前50％的数据。
3.根据权利要求2所述的一种应用区块链加密技术实现数据安全通信的方法，其特征在于：所述数据加密单元为DES加密单元、3DES加密单元、Blowfish加密单元、Twofish加密单元、IDEA加密单元、RC6加密单元、字符串加密单元、助记词加密单元或CAST5加密单元；所述助记词为通过UTF-8编码生成Pin码或者字母与数字组合的字符串。
4.根据权利要求3所述的一种应用区块链加密技术实现数据安全通信的方法，其特征在于：所述加密单元还包括对称密钥加密算法和对称密钥解密算法。
5.根据权利要求4所述的一种应用区块链加密技术实现数据安全通信的方法，其特征在于：所述对称密钥加密算法的方法为：
(1)通过应用程序选取数据库中待加密的数据信息，通过区块链平台经由区块链网络将数据信息传递到区块链节点设备，在区块链节点设备中，输入加密字符串，得到加密的数据信息字符串；
(2)生成私人密匙，通过秘钥生成器生成的私钥加密特征码在区块链网络中的不同设备节点之间共享，所述共享方式采用区块链网络实现；
(3)签名，用户根据自己的私钥加密特征码，并将结果附加在数据后面，并将加密后的特征码附加在数据后面，对加密信息串进行签名，通过区块链网络接收加密信息串，并进行签名，如果签名成功，则获得加密信息串如果签名成功，则获得加密信息串，如果签名不成功，则重新进行签名；
(4)生成对称秘钥，互相通信的不同区块链节点设备获得加密信息，通过数据签名，在主控服务器节点生成临时对称密钥，并使用对称密钥加密整个区块链网络中的数据；
(5)使用对称秘钥，各个区块链节点设备获得加密信息后，通过区块链网络获取数据的公钥，并使用公钥加密这个临时的对称密钥临时对称密钥，将结果附加在整个数据后发送到各个区块链节点，通过上述方法实现视频数据的加密。
6.根据权利要求5所述的一种应用区块链加密技术实现数据安全通信的方法，其特征在于：所述对称密钥解密方法为：
(1)各个区块链节点设备采用自己获取的私钥进行解密经过加密的对称密钥；
(2)使用对称密钥解密整个加密的数据；
(3)身份验证；各个区块链节点设备采用各自节点上的公钥解密数据的特征码，验证处于区块链节点设备不同节点的身份信息；
(4)解密；任意一个各区块链节点设备再用同样的对称加密算法计算数据的特征码，然后再次使用对称加密算法计算数据的特征码，并与解密出来的特征码进行比较，验证区块链网络中不同数据节点发送的数据的完整性；
(5)各区块链节点设备通过获取的口令进行信息，通过获取的口令进行信息交互，交互方法为通过区块信息区块链节点设备传输或转递各个区块链节点设备的信息，进而获取解密信息。
7.根据权利要求7所述的一种应用区块链加密技术实现数据安全通信的方法，其特征在于：
为了保证区块链中的数据不被不应该读取的客户端读取，将所有客户端的数据库共同构成区块链数据库的分布式数据库；每个客户端的数据库连接数据加密和解密模块，在当前客户端的数据准备存储于其他客户端的数据库中时，采用数据加密和解密模块加密后发送至其他客户端的数据库进行加密，而其他客户端的数据库在对数据进行存储时，只储存加密后的数据，从而保证数据不被没有相应权限的客户端读取。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010865873.4A CN111949735A (zh) | 2020-08-26 | 2020-08-26 | 一种应用区块链的账本实现数据查询的系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010865873.4A CN111949735A (zh) | 2020-08-26 | 2020-08-26 | 一种应用区块链的账本实现数据查询的系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111949735A true CN111949735A (zh) | 2020-11-17 |
Family
ID=73367974
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010865873.4A Pending CN111949735A (zh) | 2020-08-26 | 2020-08-26 | 一种应用区块链的账本实现数据查询的系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111949735A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022109840A1 (en) * | 2020-11-25 | 2022-06-02 | Alipay (Hangzhou) Information Technology Co., Ltd. | Blockchain-based trusted platform |
| CN115208676A (zh) * | 2022-07-19 | 2022-10-18 | 中软航科数据科技(珠海横琴)有限公司 | 一种基于区块链技术的数据加密方法及加密系统 |
| CN116660680A (zh) * | 2023-05-31 | 2023-08-29 | 国家电网有限公司 | 一种基于节点电力线通信停电事件研判方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108133229A (zh) * | 2017-12-11 | 2018-06-08 | 广州能量盒子科技有限公司 | 一种安卓apk文件的分类加密方法及系统 |
| CN110287268A (zh) * | 2019-06-30 | 2019-09-27 | 智慧谷(厦门)物联科技有限公司 | 一种基于区块链的数字资产处理方法和系统 |
| CN110532329A (zh) * | 2019-09-02 | 2019-12-03 | 智慧谷(厦门)物联科技有限公司 | 一种基于区块链技术的智能手环数据处理与共享方法 |
| CN111027087A (zh) * | 2019-12-16 | 2020-04-17 | 智慧谷(厦门)物联科技有限公司 | 应用区块链助记词加密的企业信息管理系统及方法 |
| CN111222645A (zh) * | 2020-01-14 | 2020-06-02 | 智慧谷(厦门)物联科技有限公司 | 基于物联网区块链量子算法人工智能的管理系统及方法 |
-
2020
- 2020-08-26 CN CN202010865873.4A patent/CN111949735A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108133229A (zh) * | 2017-12-11 | 2018-06-08 | 广州能量盒子科技有限公司 | 一种安卓apk文件的分类加密方法及系统 |
| CN110287268A (zh) * | 2019-06-30 | 2019-09-27 | 智慧谷(厦门)物联科技有限公司 | 一种基于区块链的数字资产处理方法和系统 |
| CN110532329A (zh) * | 2019-09-02 | 2019-12-03 | 智慧谷(厦门)物联科技有限公司 | 一种基于区块链技术的智能手环数据处理与共享方法 |
| CN111027087A (zh) * | 2019-12-16 | 2020-04-17 | 智慧谷(厦门)物联科技有限公司 | 应用区块链助记词加密的企业信息管理系统及方法 |
| CN111222645A (zh) * | 2020-01-14 | 2020-06-02 | 智慧谷(厦门)物联科技有限公司 | 基于物联网区块链量子算法人工智能的管理系统及方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022109840A1 (en) * | 2020-11-25 | 2022-06-02 | Alipay (Hangzhou) Information Technology Co., Ltd. | Blockchain-based trusted platform |
| CN115208676A (zh) * | 2022-07-19 | 2022-10-18 | 中软航科数据科技(珠海横琴)有限公司 | 一种基于区块链技术的数据加密方法及加密系统 |
| CN115208676B (zh) * | 2022-07-19 | 2023-09-08 | 中软航科数据科技(珠海横琴)有限公司 | 一种基于区块链技术的数据加密方法及加密系统 |
| CN116660680A (zh) * | 2023-05-31 | 2023-08-29 | 国家电网有限公司 | 一种基于节点电力线通信停电事件研判方法 |
| CN116660680B (zh) * | 2023-05-31 | 2024-05-24 | 国家电网有限公司 | 一种基于节点电力线通信停电事件研判方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10491390B2 (en) | Proof chaining and decomposition | |
| US20220263671A1 (en) | Data processing method, apparatus, and device, blockchain system, and computer-readable storage medium | |
| CN111949735A (zh) | 一种应用区块链的账本实现数据查询的系统及方法 | |
| CN110287268A (zh) | 一种基于区块链的数字资产处理方法和系统 | |
| CN112132198A (zh) | 数据处理方法、装置、系统和服务器 | |
| US20030225693A1 (en) | Biometrically enabled private secure information repository | |
| CN111081337B (zh) | 一种协同任务预测方法及计算机可读存储介质 | |
| CN110519297A (zh) | 一种基于区块链私钥的数据处理方法以及设备 | |
| Wang et al. | Quantum blockchain based on asymmetric quantum encryption and a stake vote consensus algorithm | |
| CN112101403A (zh) | 基于联邦少样本网络模型的分类方法、系统及电子设备 | |
| WO2021175021A1 (zh) | 产品推送方法、装置、计算机设备和存储介质 | |
| CN111291394A (zh) | 一种虚假信息管理方法、装置和存储介质 | |
| Wang et al. | Blockchain-Based Decentralized Reputation Management System for Internet of Everything in 6G-Enabled Cybertwin Architecture. | |
| Zhang et al. | Industrial Internet federated learning driven by IoT equipment ID and blockchain | |
| Sheeba et al. | Digital Hash Data Encryption for IoT Financial Transactions using Blockchain Security in the Cloud | |
| CN113793158A (zh) | 一种纺织品检验检测信息查询方法及系统 | |
| Mufti et al. | Blockchain: A detailed survey to explore innovative implementation of disruptive technology | |
| Wu et al. | Privacy protection of medical service data based on blockchain and artificial intelligence in the era of smart medical care | |
| US20210090136A1 (en) | Ai to ai communication | |
| Dong et al. | FPETD: Fault-tolerant and privacy-preserving electricity theft detection | |
| Zecchini et al. | Building a Cross-Chain Identity: A Self-Sovereign Identity-Based Framework | |
| CN112286703B (zh) | 用户分类方法、装置、客户端设备及可读存储介质 | |
| Alsamhi et al. | Federated Learning Meets Blockchain in Decentralized Data-Sharing: Healthcare Use Case | |
| Huang et al. | Demystifying Bitcoin address behavior via graph neural networks | |
| Liu et al. | FedFV: federated face verification via equivalent class embeddings |
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 |