CN112183552A - 一种区块链的数据验证方法、装置、设备及存储介质 - Google Patents
一种区块链的数据验证方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112183552A CN112183552A CN201910806015.XA CN201910806015A CN112183552A CN 112183552 A CN112183552 A CN 112183552A CN 201910806015 A CN201910806015 A CN 201910806015A CN 112183552 A CN112183552 A CN 112183552A
- Authority
- CN
- China
- Prior art keywords
- data
- uplink
- characteristic
- characteristic data
- feature
- 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 50
- 238000013524 data verification Methods 0.000 title claims abstract description 28
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000000605 extraction Methods 0.000 claims abstract description 56
- 230000009467 reduction Effects 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000004590 computer program Methods 0.000 claims description 28
- 238000013075 data extraction Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 4
- 238000004422 calculation algorithm Methods 0.000 description 25
- 238000000513 principal component analysis Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
- G06V10/507—Summing image-intensity values; Histogram projection analysis
-
- 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
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本实施例提供了一种区块链的数据验证方法、装置、设备及存储介质，获取待上链数据；针对所述待上链数据进行降维处理，得到第一特征数据；提取出区块链中的已上链数据的第二特征数据；计算所述第一特征数据与所述第二特征数据的相似度；当所述第一特征数据与所述第二特征数据的相似度大于预设阈值时，停止所述待上链数据的上链操作；通过特征提取结合降维的方式取代直接对大文件进行哈希的方式，降低计算量，减少资源的消耗；实现了在链上保存特征数据的技术效果，即使保存文件的部分信息被修改，依然能够识别到相同或相似的特征，从而实现保护知识产权和数字资产的目的。
Description
技术领域
本发明涉及计算机技术领域，特别是涉及一种区块链的数据验证方法、一种区块链的数据验证装置、一种计算机设备及一种存储介质。
背景技术
当下互联网生态中，知识产权侵权案例不胜枚举，网络著作权纠纷频发，举证困难成本过高等问题是互联网产业的痛点。在传统的版权(即著作权)维护中，无论是文字、图片、还是音乐视频，其版权的维护都需要在版权局登记确认。
而在2016年工信部发布的《中国区块链技术和应用发展白皮书》中提出使用区块链技术可以通过时间戳、哈希算法对作品进行确权，证明一段文字、视频、音频等存在性、真实性和唯一性。但是该解决方案也存在一些问题；
由于哈希算法对不同作品(即使传输中一个像素的改变)会计算出不同的哈希值，因此在他人引用篡改作品时，难以校验是否侵权；另外，哈希算法算出来的哈希值并不能够体现数据的特性。当数据量较大时，通过人工去校验无疑会耗费大量的人力物力，成本较高。
发明内容
鉴于上述问题，提出了本实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种区块链的数据验证方法、一种区块链的数据验证装置、一种计算机设备及一种存储介质。
为了解决上述问题，本实施例公开了一种区块链的数据验证方法，包括：
获取待上链数据；
针对所述待上链数据进行降维处理，得到第一特征数据；
提取出区块链中的已上链数据的第二特征数据；
计算所述第一特征数据与所述第二特征数据的相似度；
当所述第一特征数据与所述第二特征数据的相似度大于预设阈值时，停止所述待上链数据的上链操作。
优选地，所述方法还包括：
当所述第一特征数据与所述第二特征数据的相似度小于预设阈值时，允许所述待上链数据的上链操作。
优选地，所述针对所述待上链数据进行降维处理，得到第一特征数据，包括：
将所述待上链数据进行特征提取，得到初始特征数据；
针对所述初始特征数据进行降维处理，得到第一特征数据。
优选地，所述待上链数据包括视频数据、音频数据、图像数据中的至少一种，所述将所述待上链数据进行特征提取，得到初始特征数据，包括：
将所述视频数据进行特征提取，得到初始特征数据；
和/或，将所述音频数据进行特征提取，得到初始特征数据；
和/或，将所述图像数据进行特征提取，得到初始特征数据。
优选地，所述提取出区块链中的已上链数据的第二特征数据，包括：
从智能合约模块中获取到所述已上链数据；
将所述已上链数据进行特征提取，得到第二特征数据。
本实施例还公开了一种区块链的数据验证装置，包括：
数据获取模块，用于获取待上链数据；
降维处理模块，用于针对所述待上链数据进行降维处理，得到第一特征数据；
第二特征数据提取模块，用于提取出区块链中的已上链数据的第二特征数据；
相似度计算模块，用于计算所述第一特征数据与所述第二特征数据的相似度；
停止上链模块，用于当所述第一特征数据与所述第二特征数据的相似度大于预设阈值时，停止所述待上链数据的上链操作。
优选地，所述装置还包括：
允许上链模块，用于当所述第一特征数据与所述第二特征数据的相似度小于预设阈值时，允许所述待上链数据的上链操作。
优选地，所述降维处理模块包括：
特征提取子模块，用于将所述待上链数据进行特征提取，得到初始特征数据；
降维处理子模块，用于针对所述初始特征数据进行降维处理，得到第一特征数据。
本实施例还公开了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述的区块链的数据验证方法的步骤。
本实施例还公开了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述的区块链的数据验证方法的步骤。
本实施例包括以下优点：
本实施例中，获取待上链数据；针对所述待上链数据进行降维处理，得到第一特征数据；提取出区块链中的已上链数据的第二特征数据；计算所述第一特征数据与所述第二特征数据的相似度；当所述第一特征数据与所述第二特征数据的相似度大于预设阈值时，停止所述待上链数据的上链操作；通过特征提取结合降维的方式取代直接对大文件进行哈希的方式，降低计算量，减少资源的消耗；实现了在链上保存特征数据的技术效果，即使保存文件的部分信息被修改，依然能够识别到相同或相似的特征，从而实现保护知识产权和数字资产的目的。
附图说明
为了更清楚地说明本实施例中的技术方案，下面将对实施例描述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的前提下，还可以根据这些附图获得其他的附图；
图1是本实施例的一种区块链的数据验证方法实施例的步骤流程图；
图2是本实施例的一种区块链的数据验证方法的流程示意图；
图3是本实施例中的第一特征数据获取步骤的流程示意图；
图4是本实施例的初始特征数据获取步骤的流程示意图；
图5是本实施例的第二特征数据提取步骤的流程示意图；
图6是本实施例的一种区块链的数据验证方法的流程示意图；
图7是本实施例的一种区块链的数据验证装置实施例的结构框图；
图8是一个实施例的一种计算机设备的内部结构图。
具体实施方式
为了使本实施例所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本实施例进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1，示出了本实施例的一种区块链的数据验证方法实施例的步骤流程图，具体可以包括如下步骤：
步骤101，获取待上链数据；
本实施例中，首先可以获取到待上链数据，该待上链数据即为用户将要上传至区块链的区块的数据，该待上链数据可以包括视频数据、音频数据、图像数据、文本数据等，本实施例对待上链数据的数据类型不作任何限制。
具体而言，本实施例可以应用于终端，该终端可以包括但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，该终端运行的系统可以包括安卓系统、Windows系统、IOS系统，此外，还可以包括Linux系统、Unix系统等，本实施例以应用的终端及运行系统的种类不作限制。
举例而言，该待上链数据可以包括某张图像数据:“著作权图像.jpg”，即该图像数据的使用者要将该图像数据“著作权图像.jpg”上传至区块链的区块中。
步骤102，针对所述待上链数据进行降维处理，得到第一特征数据；
进一步地，可以对该待上链数据进行降维处理，得到第一特征数据，具体而言，降维处理是指将高维数据化为低维度数据的操作。即将该高维数据映射到低维空间，因为高维数据增加了运算难度，使得学习算法的泛化能力变弱，降低了数据的可读性，不利于发掘数据的有意义的结构；
具体地，可以通过PCA(主成分分析，Principal components analysis)、随机投影(Random Projection)、t-分布邻域嵌入算法、多维标度法、SVD矩阵分解/奇异值分解、线性判别分析等方式进行降维处理；
其中，PCA主成分分析是一个主要的降维处理方法，是一个线性方法，由于PCA只是简单对输入数据进行变换，既可以用在分类问题，也可以用在回归问题。非线性的情况可以使用核PCA(kernelized PCA)方法，但是由于PCA有良好的数学性质、发现转换后特征空间的速度、以及再原始和变换后特征间相互转换的能力，在降维或者说特征抽取时，其已经可以满足大部分情况，进一步地，PCA还可以包括其他的变种，如增量PCA算法、随机PCA算法、核PCA算法等。
在本实施例中，可以采用上述的算法针对待上链数据进行降维处理，得到第一特征数据；在一种优选的实施例中，还可以先对该待上链数据进行特征提取，再采用上述的算法对特征提取后的待上链数据进行降维处理，得到第一特征数据。
需要说明的是，可以采用常用的特征提取算法进行特征提取，具体而言，针对不同的数据类型可以采用不同的特征提取算法，例如，通过方向梯度直方图(HOG，Histogram ofOriented Gradient)、尺度不变特征变换(SIFT，Scale-invariant features transform)等算法进行图像特征的提取；再如，可以通过通过自相关法，倒谱法，平均幅度差函数法，线性预测法计算音频数据的基音周期特征等，上述的例子仅仅本实施例的几种举例，还可以采用其他的特征提取算法针对不同的数据类型进行特征提取。通过特征提取算法替换哈希算法，即使待上链数据的部分信息被修改，依然能够识别到相同或相似的特征，实现保护知识产权和数字资产的目的。
举例而言，该待上链数据可以包括某张图像数据:“著作权图像.jpg”，该图像数据的使用者要将该图像数据“著作权图像.jpg”上传至区块链的区块时，终端首先将该图像数据“著作权图像.jpg”通过特征提取算法进行特征提取，如通过HOG特征提取算法进行特征的提取，得到初始特征数据；再通过PCA主成分分析对初始特征数据进行降维，得到第一特征数据。
步骤103，提取出区块链中的已上链数据的第二特征数据；
具体应用到本实施例中，在待上链数据上链前，还可以提取出区块链中的已上链数据的第二特征数据；需要说明的是，该第二特征数据与该已上链数据具有映射关系，该第二特征数据同样可以是已上链数据经过特征提取操作及降维操作而得到的特征数据，其同样表示了已上链数据的特性；即第一特征数据与第二特征数据可以是通过同样的操作得到的，区别在数据源不同。
例如，该已上链数据可以包括某张图像数据:“著作权图像二.jpg”，该“著作权图像二.jpg”具有对应的第二特征数据，而“著作权图像二.jpg”及第二特征数据都存储区块链的区块中，当接收到待上链数据：某张图像数据“著作权图像.jpg”的上链请求时，则可以提取出已上链数据“著作权图像二.jpg”的第二特征数据，用于将两者进行比对。
步骤104，计算所述第一特征数据与所述第二特征数据的相似度；
在一种优选实施例中，还可以计算该第一特征数据与所述第二特征数据的相似度，即比较两者是否相同，具体地，可以通过欧几里得距离、余弦相似度、Tanimoto系数等相关的算法进行相似度的计算，本实施例对相似度的计算算法不作过多的限制。本实施例中，计算两个特征数据的相似度，不需要人工校验，减少人力物力的损耗，提高效率，增加数据的安全性。
例如，计算“著作权图像.jpg”的第一特征数据与“著作权图像二.jpg”的第二特征数据的相似度。
步骤105，当所述第一特征数据与所述第二特征数据的相似度大于预设阈值时，停止所述待上链数据的上链操作。
进一步地，还可以设置一个预设阈值，当该第一特征数据与所述第二特征数据的相似度大于预设阈值时，即认为该待上链数据是侵权对象，停止所述待上链数据的上链操作，提供了一种简便的校验侵权的方式，提高校验效率。
在一种示例中，该预设阈值可以为80％、90％，本实施例对此不用具体限制；若预设阈值为80％时，当计算得到“著作权图像.jpg”的第一特征数据与“著作权图像二.jpg”的第二特征数据的相似度为85％，则判定第一特征数据与第二特征数据的相似度大于预设阈值，停止待上链数据“著作权图像.jpg”的上链操作。
本实施例中，获取待上链数据；针对所述待上链数据进行降维处理，得到第一特征数据；提取出区块链中的已上链数据的第二特征数据；计算所述第一特征数据与所述第二特征数据的相似度；当所述第一特征数据与所述第二特征数据的相似度大于预设阈值时，停止所述待上链数据的上链操作；通过特征提取结合降维的方式取代直接对大文件进行哈希的方式，降低计算量，减少资源的消耗；实现了在链上保存特征数据的技术效果，即使保存文件的部分信息被修改，依然能够识别到相同或相似的特征，从而实现保护知识产权和数字资产的目的。
具体应用到本发明的一种优选实施例中，参照图2，示出了本实施例的一种区块链的数据验证方法的流程示意图，所述方法还包括以下步骤：
步骤106，当所述第一特征数据与所述第二特征数据的相似度小于预设阈值时，允许所述待上链数据的上链操作。
在另一种情况下，当第一特征数据与第二特征数据的相似度小于预设阈值时，即认为该待上链数据不是侵权对象，允许所述待上链数据的上链操作；
在一种示例中，若预设阈值为80％时，当计算得到“著作权图像.jpg”的第一特征数据与“著作权图像二.jpg”的第二特征数据的相似度为75％，则判定第一特征数据与第二特征数据的相似度小于预设阈值，允许待上链数据“著作权图像.jpg”的上链操作。
本发明的另一种优选实施例中，参照图3，示出了本实施例中的第一特征数据获取步骤的流程示意图，所述针对所述待上链数据进行降维处理，得到第一特征数据，包括以下子步骤：
子步骤S11，将所述待上链数据进行特征提取，得到初始特征数据；
子步骤S12，针对所述初始特征数据进行降维处理，得到第一特征数据。
具体而言，还可以针对所述待上链数据进行特征提取，得到初始特征数据，首先针对不同的数据类型采用不同的特征提取算法，得到初始特征数据；如，当数据类型为图像数据时，通过方向梯度直方图算法提取出图像数据的图像特征，以该图像特征为初始特征数据。
进一步地，通过降维算法针对该初始特征数据进行降维处理，如将该初始特征数据进行PCA主成分分析，则得到第一特征数据。
实际应用到本发明的一种实施例中，参照图4，示出了本实施例的初始特征数据获取步骤的流程示意图，所述待上链数据包括视频数据、音频数据、图像数据中的至少一种，所述将所述待上链数据进行特征提取，得到初始特征数据，包括以下子步骤：
子步骤S21，将所述视频数据进行特征提取，得到初始特征数据；
子步骤S22，将所述音频数据进行特征提取，得到初始特征数据；
子步骤S23，将所述图像数据进行特征提取，得到初始特征数据。
具体而言，该待上链数据可以视频数据、音频数据、图像数据等，具体地，针对不同的数据类型运行不同的特征提取算法，或者，通过其他的软件将待上链数据进行特征提取，得到初始特征数据。
举例而言，该初始特征数据也可以通过OpenCV及matlab等方式进行提取的数据，本实施例对特征提取的方式不作过多的限制。
本发明的另一种优选实施例中，参照图5，示出了本实施例的第二特征数据提取步骤的流程示意图，所述提取出区块链中的已上链数据的第二特征数据，包括以下子步骤：
子步骤S31，从智能合约模块中获取到所述已上链数据；
子步骤S32，将所述已上链数据进行特征提取，得到第二特征数据。
具体而言，该已上链数据存储于区块链的智能合约模块中，可以在智能合约模块中获取到该已上链数据，再将该已上链数据通过特征提取算法进行特征提取，得到第二特征数据。
参照图6，示出了本实施例的一种区块链的数据验证方法的流程示意图，首先针对该待上链数据进行特征提取，在智能合约部分与已上链数据进行特征匹配，当两者的特征相似度大于阈值时，则不予上链，当两者的特征相似度小于阈值时，则允许上链。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本实施例并不受所描述的动作顺序的限制，因为依据本实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本实施例所必须的。
参照图7，示出了本实施例的一种区块链的数据验证装置实施例的结构框图，具体可以包括如下模块：
数据获取模块301，用于获取待上链数据；
降维处理模块302，用于针对所述待上链数据进行降维处理，得到第一特征数据；
第二特征数据提取模块303，用于提取出区块链中的已上链数据的第二特征数据；
相似度计算模块304，用于计算所述第一特征数据与所述第二特征数据的相似度；
停止上链模块305，用于当所述第一特征数据与所述第二特征数据的相似度大于预设阈值时，停止所述待上链数据的上链操作。
在其中一个实施例中，所述装置还包括：
允许上链模块，用于当所述第一特征数据与所述第二特征数据的相似度小于预设阈值时，允许所述待上链数据的上链操作。
在其中一个实施例中，所述降维处理模块包括：
特征提取子模块，用于将所述待上链数据进行特征提取，得到初始特征数据；
降维处理子模块，用于针对所述初始特征数据进行降维处理，得到第一特征数据。
在其中一个实施例中，，所述待上链数据包括视频数据、音频数据、图像数据中的至少一种，所述特征提取子模块包括：
第一特征提取单元，用于将所述视频数据进行特征提取，得到初始特征数据；
和/或，第二特征提取单元，用于将所述音频数据进行特征提取，得到初始特征数据；
和/或，第三特征提取单元，用于将所述图像数据进行特征提取，得到初始特征数据。
在其中一个实施例中，所述第二特征数据提取模块包括：
已上链数据获取子模块，用于从智能合约模块中获取到所述已上链数据；
第二特征数据提取子模块，用于将所述已上链数据进行特征提取，得到第二特征数据。
关于区块链的数据验证装置的具体限定可以参见上文中对于区块链的数据验证方法的限定，在此不再赘述。上述区块链的数据验证装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
上述提供的区块链的数据验证装置可用于执行上述任意实施例提供的区块链的数据验证方法，具备相应的功能和有益效果。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8所示。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、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种运行维护的方法。该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，该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8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，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取待上链数据；
针对所述待上链数据进行降维处理，得到第一特征数据；
提取出区块链中的已上链数据的第二特征数据；
计算所述第一特征数据与所述第二特征数据的相似度；
当所述第一特征数据与所述第二特征数据的相似度大于预设阈值时，停止所述待上链数据的上链操作。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
当所述第一特征数据与所述第二特征数据的相似度小于预设阈值时，允许所述待上链数据的上链操作。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
将所述待上链数据进行特征提取，得到初始特征数据；
针对所述初始特征数据进行降维处理，得到第一特征数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
将所述视频数据进行特征提取，得到初始特征数据；
和/或，将所述音频数据进行特征提取，得到初始特征数据；
和/或，将所述图像数据进行特征提取，得到初始特征数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
从智能合约模块中获取到所述已上链数据；
将所述已上链数据进行特征提取，得到第二特征数据。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取待上链数据；
针对所述待上链数据进行降维处理，得到第一特征数据；
提取出区块链中的已上链数据的第二特征数据；
计算所述第一特征数据与所述第二特征数据的相似度；
当所述第一特征数据与所述第二特征数据的相似度大于预设阈值时，停止所述待上链数据的上链操作。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：
当所述第一特征数据与所述第二特征数据的相似度小于预设阈值时，允许所述待上链数据的上链操作。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：
将所述待上链数据进行特征提取，得到初始特征数据；
针对所述初始特征数据进行降维处理，得到第一特征数据。
在一个实施例中，所述待上链数据包括视频数据、音频数据、图像数据中的至少一种，计算机程序被处理器执行时实现以下步骤：
将所述视频数据进行特征提取，得到初始特征数据；
和/或，将所述音频数据进行特征提取，得到初始特征数据；
和/或，将所述图像数据进行特征提取，得到初始特征数据。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：
从智能合约模块中获取到所述已上链数据；
将所述已上链数据进行特征提取，得到第二特征数据。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本实施例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，本实施例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。
本实施例是参照根据本实施例的方法、终端设备(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终端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终端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终端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终端设备上，使得在计算机或其他可编程终端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终端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。
尽管已描述了本实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种区块链的数据验证方法、一种区块链的数据验证装置、一种计算机设备及一种存储介质，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种区块链的数据验证方法，其特征在于，包括：
获取待上链数据；
针对所述待上链数据进行降维处理，得到第一特征数据；
提取出区块链中的已上链数据的第二特征数据；
计算所述第一特征数据与所述第二特征数据的相似度；
当所述第一特征数据与所述第二特征数据的相似度大于预设阈值时，停止所述待上链数据的上链操作。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当所述第一特征数据与所述第二特征数据的相似度小于预设阈值时，允许所述待上链数据的上链操作。
3.根据权利要求1所述的方法，其特征在于，所述针对所述待上链数据进行降维处理，得到第一特征数据，包括：
将所述待上链数据进行特征提取，得到初始特征数据；
针对所述初始特征数据进行降维处理，得到第一特征数据。
4.根据权利要求3所述的方法，其特征在于，所述待上链数据包括视频数据、音频数据、图像数据中的至少一种，所述将所述待上链数据进行特征提取，得到初始特征数据，包括：
将所述视频数据进行特征提取，得到初始特征数据；
和/或，将所述音频数据进行特征提取，得到初始特征数据；
和/或，将所述图像数据进行特征提取，得到初始特征数据。
5.根据权利要求3所述的方法，其特征在于，所述提取出区块链中的已上链数据的第二特征数据，包括：
从智能合约模块中获取到所述已上链数据；
将所述已上链数据进行特征提取，得到第二特征数据。
6.一种区块链的数据验证装置，其特征在于，包括：
数据获取模块，用于获取待上链数据；
降维处理模块，用于针对所述待上链数据进行降维处理，得到第一特征数据；
第二特征数据提取模块，用于提取出区块链中的已上链数据的第二特征数据；
相似度计算模块，用于计算所述第一特征数据与所述第二特征数据的相似度；
停止上链模块，用于当所述第一特征数据与所述第二特征数据的相似度大于预设阈值时，停止所述待上链数据的上链操作。
7.根据权利要求1所述的装置，其特征在于，所述装置还包括：
允许上链模块，用于当所述第一特征数据与所述第二特征数据的相似度小于预设阈值时，允许所述待上链数据的上链操作。
8.根据权利要求1所述的装置，其特征在于，所述降维处理模块包括：
特征提取子模块，用于将所述待上链数据进行特征提取，得到初始特征数据；
降维处理子模块，用于针对所述初始特征数据进行降维处理，得到第一特征数据。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的区块链的数据验证方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的区块链的数据验证方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910806015.XA CN112183552A (zh) | 2019-08-29 | 2019-08-29 | 一种区块链的数据验证方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910806015.XA CN112183552A (zh) | 2019-08-29 | 2019-08-29 | 一种区块链的数据验证方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112183552A true CN112183552A (zh) | 2021-01-05 |
Family
ID=73919472
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910806015.XA Pending CN112183552A (zh) | 2019-08-29 | 2019-08-29 | 一种区块链的数据验证方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112183552A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112597321A (zh) * | 2021-03-05 | 2021-04-02 | 腾讯科技（深圳）有限公司 | 基于区块链的多媒体处理方法及相关设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103345758A (zh) * | 2013-07-25 | 2013-10-09 | 南京邮电大学 | 基于dct统计特征的jpeg图像区域复制篡改盲检测方法 |
| US20190034922A1 (en) * | 2017-07-25 | 2019-01-31 | Bank Of America Corporation | Real-time processing distributed ledger system |
| CN109359206A (zh) * | 2018-10-17 | 2019-02-19 | 郑称德 | 基于物联网校园管理的图像处理方法及系统 |
| CN110019216A (zh) * | 2017-12-07 | 2019-07-16 | 中国科学院上海高等研究院 | 基于区块链的知识产权数据存储方法、介质及计算机设备 |
| CN110110500A (zh) * | 2019-06-04 | 2019-08-09 | 施建锋 | 具备侵权即时检测的去中心化图像版权保护系统及方法 |
-
2019
- 2019-08-29 CN CN201910806015.XA patent/CN112183552A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103345758A (zh) * | 2013-07-25 | 2013-10-09 | 南京邮电大学 | 基于dct统计特征的jpeg图像区域复制篡改盲检测方法 |
| US20190034922A1 (en) * | 2017-07-25 | 2019-01-31 | Bank Of America Corporation | Real-time processing distributed ledger system |
| CN110019216A (zh) * | 2017-12-07 | 2019-07-16 | 中国科学院上海高等研究院 | 基于区块链的知识产权数据存储方法、介质及计算机设备 |
| CN109359206A (zh) * | 2018-10-17 | 2019-02-19 | 郑称德 | 基于物联网校园管理的图像处理方法及系统 |
| CN110110500A (zh) * | 2019-06-04 | 2019-08-09 | 施建锋 | 具备侵权即时检测的去中心化图像版权保护系统及方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112597321A (zh) * | 2021-03-05 | 2021-04-02 | 腾讯科技（深圳）有限公司 | 基于区块链的多媒体处理方法及相关设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2017219900A1 (zh) | 一种视频检测方法，服务器及存储介质 | |
| CN109033475B (zh) | 一种文件存储方法、装置、设备及存储介质 | |
| US11184174B2 (en) | System and method for decentralized digital structured data storage, management, and authentication using blockchain | |
| US20100162351A1 (en) | System and method for document access management | |
| CN112330331A (zh) | 基于人脸识别的身份验证方法、装置、设备及存储介质 | |
| Hupont et al. | Region-based facial representation for real-time action units intensity detection across datasets | |
| CN107819748B (zh) | 一种抗破解的验证码实现方法及装置 | |
| CN112183552A (zh) | 一种区块链的数据验证方法、装置、设备及存储介质 | |
| CN112966304B (zh) | 流程文档的防篡改方法、装置、计算机设备及介质 | |
| CN113011254A (zh) | 一种视频数据处理方法、计算机设备及可读存储介质 | |
| CN116774973A (zh) | 数据渲染方法、装置、计算机设备及存储介质 | |
| CN111783734A (zh) | 原版视频识别方法及装置 | |
| Liu et al. | Perceptual color image hashing based on quaternionic local ranking binary pattern | |
| WO2022156088A1 (zh) | 指纹签名生成方法、装置、电子设备及计算机存储介质 | |
| CN114461833A (zh) | 图片取证方法、装置、计算机设备及存储介质 | |
| TWM626928U (zh) | 線上投保簽核系統 | |
| Ding et al. | AGIM-net based subject-sensitive hashing algorithm for integrity authentication of HRRS images | |
| Soman et al. | Block-based forgery detection using global and local features | |
| US9953199B2 (en) | Decoding a main image using an auxiliary image | |
| US11037015B2 (en) | Identification of key points in multimedia data elements | |
| He et al. | a novel robust image forensics algorithm based on L1-norm estimation | |
| Yang et al. | Copyright storage method of dance short video based on blockchain | |
| Chen et al. | Plagiarism detection in homework based on image hashing | |
| US20240184860A1 (en) | Methods and arrangements for providing impact imagery | |
| Shehnaz et al. | Texture Feature Analysis for Inter-Frame Video Tampering Detection |
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 |