CN112492015A - 基于区块链的分布式存储防篡改方法及系统 - Google Patents

基于区块链的分布式存储防篡改方法及系统 Download PDF

Info

Publication number
CN112492015A
CN112492015A CN202011321379.8A CN202011321379A CN112492015A CN 112492015 A CN112492015 A CN 112492015A CN 202011321379 A CN202011321379 A CN 202011321379A CN 112492015 A CN112492015 A CN 112492015A
Authority
CN
China
Prior art keywords
rate
distributed storage
digital currency
tamper
request
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.)
Granted
Application number
CN202011321379.8A
Other languages
English (en)
Other versions
CN112492015B (zh
Inventor
王智明
徐雷
陶冶
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.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group 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 China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN202011321379.8A priority Critical patent/CN112492015B/zh
Publication of CN112492015A publication Critical patent/CN112492015A/zh
Application granted granted Critical
Publication of CN112492015B publication Critical patent/CN112492015B/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
    • 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]
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1441—Countermeasures against malicious traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/50—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using hash chains, e.g. blockchains or hash trees

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Hardware Design (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Storage Device Security (AREA)

Abstract

本发明公开了一种基于区块链的分布式存储防篡改方法及装置。方法包括：获取用户发起的数字货币分布式存储防篡改请求，其中，数字货币分布式存储防篡改请求是用户广播在区块链中的消息，而且，数字货币分布式存储防篡改请求包括用户的用户标识；利用深度分析模型对数字货币分布式存储防篡改请求进行分析，获得分析结果；其中，深度分析模型基于明文信息和银行节点数目获得分析结果，明文信息是数字货币分布式存储防篡改请求的明文信息。该方法可以降低响应延迟低，提高一致率和可用率，从而提高防篡改能力，提高数据的安全性。

Description

基于区块链的分布式存储防篡改方法及系统
技术领域
本发明涉及区块链技术领域，具体涉及一种基于区块链的分布式存储防篡改方法及系统。
背景技术
5G(5th-Generation)移动网络是指第五代移动通信网络，与4G(4th-Generation)移动网络相比，5G移动网络表现出更强的通信能力。在理论上5G移动网络的传输速度每秒钟能够达到数十GB，传输速度是4G移动网络的几百倍。
网络传输速率的增加，导致网络攻击的速度更快，破坏力也更强。目前的防篡改方法无法满足日益严峻的网络攻击，这对数字货币的推广造成不利影响。
发明内容
为此，本发明提供一种基于区块链的分布式存储防篡改方法及系统，以解决现有技术中由于网络速度提高而导致的网络攻击严重的问题。
为了实现上述目的，本发明第一方面提供一种基于区块链的分布式存储防篡改方法，所述方法包括：
获取用户发起的数字货币分布式存储防篡改请求，其中，所述数字货币分布式存储防篡改请求是所述用户广播在区块链中的消息，而且，所述数字货币分布式存储防篡改请求包括所述用户的用户标识；
利用深度分析模型对所述数字货币分布式存储防篡改请求进行分析，获得分析结果；
其中，所述深度分析模型基于明文信息和银行节点数目获得分析结果，其中，所述明文信息是所述数字货币分布式存储防篡改请求的明文信息。
其中，所述利用深度分析模型对所述数字货币分布式存储防篡改请求进行分析，获得分析结果，包括：
通过动态异构防篡改公式计算获得分析结果；
Figure BDA0002793013350000021
其中，
Figure BDA0002793013350000022
表示拟态防篡改结果，Tijt表示数字货币分布式存储防篡改信息明文，mod表示取余数，L表示银行服务节点数目，k表示迭代次数，k∈[0,1,…,50]，i、j、t表示信息明文的三个维度，m、n、p取正整数。
其中，所述深度分析模型结合多层神经元、分布式存储和拟态防篡改计算，对所述数字货币分布式存储防篡改请求的明文信息进行迭代运算，获得分析结果。
其中，所述深度分析模型基于所述数字货币分布式存储防篡改请求的明文信息、一致率、可用率、响应延迟率获得所述分析结果；
其中，所述一致率是指所述数字货币分布式存储防篡改请求中未被篡改信息总数量与实际的数字货币分布式存储防篡改请求中信息总量的比值；所述可用率是指所述数字货币分布式存储防篡改请求中可使用信息总量与实际数字货币分布式存储防篡改请求中应可使用信息总量的比值；所述响应延迟率是指单位时间内所述数字货币分布式存储防篡改请求分析有效占用时间量与单位时间总量的比值。
其中，所述通过动态异构防篡改公式计算获得分析结果之前，还包括：
基于所述一致率、所述可用率、所述响应延迟率、预先设定的历史最大一致率、历史最大可用率、历史最小响应延迟率获得选择匹配度最优的存储方案。
其中，基于所述一致率、所述可用率、所述响应延迟率、预先设定的历史最大一致率、历史最大可用率、历史最小响应延迟率获得选择匹配度最优的存储方案，包括：
基于所述一致率、所述可用率、所述响应延迟率、预先设定的历史最大一致率、历史最大可用率、历史最小响应延迟率，并利用下面公式获得选择匹配度最优的存储方案
Figure BDA0002793013350000031
其中，Z表示匹配度，k表示迭代次数，k∈[0,1,…,50]，
Figure BDA0002793013350000032
表示可用率，
Figure BDA0002793013350000033
表示响应延迟率，
Figure BDA0002793013350000034
表示一致率，CGmax表示历史最大可用率、EGmin表示历史最小响应延迟率，WGmax表示历史最大一致率阈值，i、j、t表示信息明文的三个维度。
其中，所述通过动态异构防篡改公式计算获得分析结果之后，还包括：
利用公式(7-1)获得第一评估结果；
Figure BDA0002793013350000035
利用公式(7-2)获得第二评估结果，
Figure BDA0002793013350000036
其中，P表示拟态防篡改结果，k表示迭代次数，
Figure BDA0002793013350000037
表示可用率，
Figure BDA0002793013350000038
表示一致率，
Figure BDA0002793013350000039
表示响应延迟率，k表示迭代次数，k∈[0,1,…,50]，i、j、t表示信息明文的三个维度，m、n、p取正整数；
基于所述第一评估结果和所述第二评估结果获得分析结果的评估检测结果。
其中，所述基于所述第一评估结果和所述第二评估结果获得分析结果的评估检测结果，包括：
在第一评估结果T1小于或等于第二评估结果T2的情况下，所述分析结果为正确
在第一评估结果T1大于第二评估结果T2的情况下，所述分析结果为错误。
其中，所述利用深度分析模型对所述数字货币分布式存储防篡改请求进行分析，获得分析结果，包括：
Figure BDA0002793013350000041
Figure BDA0002793013350000042
其中，Mijt表示监督结果，μ表示影响因子，
Figure BDA0002793013350000043
Figure BDA0002793013350000044
第k次迭代循环递归激励函数，
Figure BDA0002793013350000045
表示可用率，
Figure BDA0002793013350000046
表示一致率，
Figure BDA0002793013350000047
表示响应延迟率，k表示迭代次数，k∈[0,1,…,50]，i、j、t表示信息明文的三个维度。
第二方面，提供一种基于区块链的分布式存储防篡改装置，包括：
获取模块，用于获取用户发起的数字货币分布式存储防篡改请求，其中，所述数字货币分布式存储防篡改请求是所述用户广播在区块链中的消息，而且，所述数字货币分布式存储防篡改请求包括所述用户的用户标识；
分析模块，用于利用深度分析模型对所述数字货币分布式存储防篡改请求进行分析，获得分析结果；
其中，所述深度分析模型基于明文信息和银行节点数目获得分析结果，其中，所述明文信息是所述数字货币分布式存储防篡改请求的明文信息。
本发明具有如下优点：
本申请实施例提供的基于区块链的分布式存储防篡改方法，利用深度分析模型对用户的数字货币分布式存储防篡改请求进行动态深度分析，可以降低响应延迟低，提高一致率和可用率，从而提高防篡改能力，提高数据的安全性，进而提高抗网络攻击的能力。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。
图1为本申请实施例提供的基于区块链的分布式存储防篡改方法的应用场景；
图2为本申请实施例提供的基于区块链的分布式存储防篡改方法中的深度分析的原理图；
图3为本申请实施例提供的基于区块链的分布式存储防篡改方法的流程图；
图4为本申请实施例提供的利用深度分析模型对数字货币分布式存储防篡改请求进行分析，获得分析结果的流程图；
图5为本申请实施例提供的基于区块链的分布式存储防篡改装置的原理框图；
图6为本申请实施例提供的分析模块的原理框图；
图7为本申请实施例提供的存储模型的原理图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
如本公开所使用的，术语“和/或”包括一个或多个相关列举条目的任何和全部组合。
本公开所使用的术语仅用于描述特定实施例，且不意欲限制本公开。如本公开所使用的，单数形式“一个”和“该”也意欲包括复数形式，除非上下文另外清楚指出。
当本公开中使用术语“包括”和/或“由……制成”时，指定存在特征、整体、步骤、操作、元件和/或组件，但不排除存在或添加一个或多个其它特征、整体、步骤、操作、元件、组件和/或其群组。
本公开实施例可借助本公开的理想示意图而参考平面图和/或截面图进行描述。因此，可根据制造技术和/或容限来修改示例图示。
除非另外限定，否则本公开所用的全部术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解，诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义，且将不解释为具有理想化或过度形式上的含义，除非本公开明确如此限定。
图1为本申请实施例提供的基于区块链的分布式存储防篡改方法的应用场景。
参考图1，数字货币通常涉及三方，即中央银行、商业银行和用户，其中，商业银行属于第一银行层(商业银行层)11，可以对用户发起的数字货币分布式存储防篡改请求的进行分布式分析，即第一层分析。中央银行属于第二银行层(中央银行层)12，可以对用户发起的数字货币分布式存储防篡改请求的进行统一分析，即第二层分析。用户属于用户层13，可以发出数字货币分布式存储防篡改请求以及接收中央银行和商业银行的反馈消息。
在用户层13的用户包括但不限于个人131、家庭132、公共事业单位和企业单位133中的一种或多种类型，而且，每种用户类型可以包括一个或多个用户。
例如，用户层包括个人和企业单位两种类型的用户，而且，个人用户有一个，企业单位的用户有两个。
第一银行层11可以包括一个或多个商业银行及服务器111。例如，第一银行层包括三个商业银行及服务器。商业银行及服务器接收用户的数字货币分布式存储防篡改请求后，对该请求进行分布式分析，获得分布式分析结果，并将分布式分析结果发送给第二银行层。
第二银行层12可以包括一个或多个中央银行服务器121。例如，第二银行层包括三个中央银行服务器。中央银行服务器对分布式分析结果进行统一分析，获得统一分析结果，并将统一分析结果发给用户。
图2为本申请实施例提供的基于区块链的分布式存储防篡改方法中的深度分析的原理图。
参考图2，在多维空间中，深度分析包括多层神经元、分布式存储和拟态防篡改，在深度分析过程中，每次迭代均根据多层神经元、分布式存储、拟态防篡改策略方式向最优化任务优先方案确定的方向迁移，如图2中(a)的实线圆球所在位置，三个实心圆球均向空心圆球方向迁移。
图3为本申请实施例提供的基于区块链的分布式存储防篡改方法的流程图。该基于区块链的分布式存储防篡改方法可以应用于商业银行及服务器，也可以应用于中央银行服务器。参考图3，在本实施例中，基于区块链的分布式存储防篡改方法包括：
步骤301，获取数字货币分布式存储防篡改请求。
其中，数字货币分布式存储防篡改请求是由用户发起的请求S。数字货币分布式存储防篡改请求包含用户的标识和信息明文Tijt，其中，i、j、t表示信息明文的三个维度。
在一些实施例中，商业银行接收到n个数字货币分布式存储防篡改请求S1、S2、……、Sn，其中，n为大于或等于1的整数。n个数字货币分布式存储防篡改请求可以来自于相同的用户，也可以来自于不同的用户。例如，某商业银行接受到3个数字货币分布式存储防篡改请求，其中一个数字货币分布式存储防篡改请求来自于第一用户，另外两个数字货币分布式存储防篡改请求来自于第二用户。
在一些实施例中，n个数字货币分布式存储防篡改请求S1、S2、……、Sn可以按照到达商业银行服务器的先后顺序排列，并按照顺序进行分析。在一些实施例中，若商业银行服务器收到的数字货币分布式存储防篡改请求被延迟，则赋予该数字货币分布式存储防篡改请求较高的分析调度优先权。
步骤302，利用深度分析模型对数字货币分布式存储防篡改请求进行分析，获得分析结果。
其中，深度分析模型包括多层神经元分析、分布式存储和拟态防篡改运算，经过分析计算，获得分析结果，如图2中(b)所示。对于商业银行及服务器，通过深度分析模型分析数字货币分布式存储防篡改请求获得分布式分析结果。对于中央银行服务器，通过深度分析模型分析数字货币分布式存储防篡改请求和分布式分析结果，获得统一分析结果。
在一些实施例中，采用稀疏矩阵模型对数字货币分布式存储防篡改请求进行分布式存储。在一些实施例中，数字货币分布式存储防篡改请求被转换成二进制码并存储。
例如，稀疏矩阵存储模型，可用公式(1)表示。
Figure BDA0002793013350000081
其中，Avh表示被转换为二进制码的数字货币分布式存储防篡改请求。
在一些实施例中，商业银行及服务器得到数字货币分布式存储防篡改请求，基于数字货币分布式存储防篡改请求依次进行多层神经元分析、分布式存储和拟态防篡改运算，获得分布式分析结果。
在一些实施例中，如图4所示，步骤302包括：
步骤401，基于请求明文信息和数字货币分布式存储防篡改分析评估参数获得分析结果。
在一些实施例中，分布式存储防篡改方法将数字货币分布式存储防篡改请求输入深度分析模型，经过多层神经元、分布式存储、拟态防篡改分析后输出相应分析结果。
其中，输入深度分析模型的输入信息包括数字货币分布式存储防篡改信息明文Tijt和数字货币分布式存储防篡改分析评估参数，其中，数字货币分布式存储防篡改分析评估参数包括一致率W、可用率C和响应延迟率E。如，第K次迭代的一致率
Figure BDA0002793013350000082
可用率
Figure BDA0002793013350000083
响应延迟率
Figure BDA0002793013350000084
其中，i、j、t表示信息明文的三个维度，k表示第k次迭代，k∈[0,1,…,50]。
在一些实施例中，一致率W是指数字货币分布式存储防篡改请求中未被篡改信息总数量与实际数字货币分布式存储防篡改请求中信息总量的比值。可用率C是指数字货币分布式存储防篡改请求中可使用信息总量与实际数字货币分布式存储防篡改请求中应可使用信息总量的比值。响应延迟率E是指单位时间内数字货币分布式存储防篡改请求分析有效占用时间量与单位时间总量的比值。
步骤402，选择匹配度最优方案。
在深度分析运算过程中，基于一致率
Figure BDA0002793013350000091
可用率
Figure BDA0002793013350000092
响应延迟率
Figure BDA0002793013350000093
以及预先设定的历史最大一致率WGmax、历史最大可用率CGmax、历史最小响应延迟率EGmin获得选择匹配度最优的存储方案。
例如，按照公式(2)选择匹配度Z最优的存储方案。
Figure BDA0002793013350000094
其中，Z表示匹配度，k表示迭代次数，k∈[0,1,…,50]，
Figure BDA0002793013350000095
表示可用率，
Figure BDA0002793013350000096
表示响应延迟率，
Figure BDA0002793013350000097
表示一致率，CGmax表示历史最大可用率、EGmin表示历史最小响应延迟率，WGmax表示历史最大一致率阈值，i、j、t表示信息明文的三个维度。
步骤403，动态异构防篡改运算，获得分析结果。
在一些实施例中，拟态防篡改运算基于数字货币分布式存储防篡改信息明文Tijt和银行服务节点数目进行运算，获得拟态防篡改结果。
具体地，拟态防篡改运算是通过动态异构防篡改公式(3)计算获得：
Figure BDA0002793013350000098
其中，
Figure BDA0002793013350000099
表示拟态防篡改结果，Tijt表示数字货币分布式存储防篡改信息明文，mod表示取余数，L表示银行服务节点数目，k表示迭代次数，k∈[0,1,…,50]，i、j、t表示信息明文的三个维度，m、n、p取正整数。
在一些实施例中，基于区块链的分布式存储防篡改方法还包括：
步骤404，对分析结果进行评估检测。
在一些实施例中，对分析结果进行评估是依据一致率
Figure BDA00027930133500000910
可用率
Figure BDA00027930133500000911
响应延迟率
Figure BDA00027930133500000912
计算第一评估结果T1和第二评估结果T2，其中，第一评估结果T1按照(4-1)计算获得。
Figure BDA00027930133500000913
其中，P表示拟态防篡改结果，k表示迭代次数，
Figure BDA00027930133500000914
表示可用率，
Figure BDA0002793013350000101
表示一致率，
Figure BDA0002793013350000102
表示响应延迟率，k表示迭代次数，k∈[0,1,…,50]，i、j、t表示信息明文的三个维度，m、n、p取正整数。
第二评估结果T2按照(4-2)计算获得。
Figure BDA0002793013350000103
其中，P表示拟态防篡改结果，k表示迭代次数，
Figure BDA0002793013350000104
表示可用率，
Figure BDA0002793013350000105
表示一致率，
Figure BDA0002793013350000106
表示响应延迟率，k表示迭代次数，k∈[0,1,…,50]，i、j、t表示信息明文的三个维度，m、n、p取正整数。
在一些实施例中，当第一评估结果T1小于或等于第二评估结果T2时，分析结果为正确。当第一评估结果T1大于第二评估结果T2时，分析结果为错误。
步骤405，对分析过程进行监督学习。
在一些实施例中，利用深度分析模型对数字货币分布式存储防篡改请求进行分析过程中，需要对分析过程进行监督学习。
Figure BDA0002793013350000107
其中，Mijt表示监督结果，μ表示影响因子，
Figure BDA0002793013350000108
Figure BDA0002793013350000109
第k次迭代循环递归激励函数，
Figure BDA00027930133500001010
表示可用率，
Figure BDA00027930133500001011
表示一致率，
Figure BDA00027930133500001012
表示响应延迟率，k表示迭代次数，k∈[0,1,…,50]，i、j、t表示信息明文的三个维度。
在一些实施例中，深度无监督学习加强因子通过公式(6)计算获得。
Figure BDA00027930133500001013
其中，
Figure BDA00027930133500001014
表示第k次迭代循环递归激励函数，
Figure BDA00027930133500001015
主要包括第k次迭代循环递归可用率
Figure BDA00027930133500001016
第k次迭代循环递归响应延迟率
Figure BDA00027930133500001017
和第k次迭代循环递归一致率
Figure BDA0002793013350000111
三方面的信息量。
Figure BDA0002793013350000112
表示可用率，
Figure BDA0002793013350000113
表示一致率，
Figure BDA0002793013350000114
表示响应延迟率，k表示迭代次数，k∈[0,1,…,50]，i、j、t表示信息明文的三个维度，CGmax表示历史最大可用率、EGmin表示历史最小响应延迟率，WGmax表示历史最大一致率，mod表示取余数，m、n、p取正整数。
步骤406，判断迭代循环递归次数。
在一些实施例中，设定迭代循环递归次数为50。在运算过程中，当前递归次数k加1，然后判断k+1是小于或等于50，若k+1小于或等于50，则返回步骤401；若“否”则输出结果。
需要说明的是，本实施例提供的基于区块链的分布式存储防篡改方法不仅可以应用于商业银行及服务器，也可以应用于中央银行服务器。用户、商业银行及服务器和中央银行服务器通过区块链连接，即用户层的用户、第一银行层的商业银行节点以及第二银行层的中央银行节点均可以在区块链中广播和获取所需的信息。这些信息包括数字货币分布式存储防篡改请求、分布式分析结果和统一分析结果。
还需要说明的是，在用户层，可以有多个不同的用户，不同的用户在区块链中广播多个数字货币分布式存储防篡改请求，也可以同一用户在区块链中广播多个数字货币分布式存储防篡改请求。
在第一银行层包括至少一个商业银行节点，商业银行节点从区块链中获得用户广播的数字货币分布式存储防篡改请求，以及在区块链中广播分布式分析结果。
在第二银行层包括至少一个中央银行节点，中央银行节点从区块链中获得用户广播的数字货币分布式存储防篡改请求，以及在区块链中广播统一分析结果。
在一些实施例中，用户、商业银行节点和中央银行节点在区块链广播消息之前，可对这些信息进行加密，以提高信息的安全性。用户、商业银行节点和中央银行节点可以通过所有适用于区块链的加密方法对广播的消息进行加密。
本实施例提供的基于区块链的分布式存储防篡改方法，通过拟态防篡改运算对用户的数字货币分布式存储防篡改请求进行动态深度分析，可以降低响应延迟低，提高一致率和可用率，从而提高防篡改能力，提高数据的安全性，进而提高抗网络攻击的能力。
第二方面，本申请实施例还提供一种基于区块链的分布式存储防篡改装置。图5为本申请实施例提供的基于区块链的分布式存储防篡改装置的原理框图。
如图5所示，本申请实施例提供的基于区块链的分布式存储防篡改装置，包括：
获取模块501，用于获取用户发起的数字货币分布式存储防篡改请求。
其中，数字货币分布式存储防篡改请求是用户广播在区块链中的消息，而且，数字货币分布式存储防篡改请求包括用户的用户标识。
其中，数字货币分布式存储防篡改请求是由用户发起的请求S。数字货币分布式存储防篡改请求包含用户的标识和信息明文Tijt，其中，i、j、t表示信息明文的三个维度。
在一些实施例中，商业银行接收到n个数字货币分布式存储防篡改请求S1、S2、……、Sn，其中，n为大于或等于1的整数。n个数字货币分布式存储防篡改请求可以来自于相同的用户，也可以来自于不同的用户。例如，某商业银行接受到3个数字货币分布式存储防篡改请求，其中一个数字货币分布式存储防篡改请求来自于第一用户，另外两个数字货币分布式存储防篡改请求来自于第二用户。
在一些实施例中，n个数字货币分布式存储防篡改请求S1、S2、……、Sn可以按照到达商业银行服务器的先后顺序排列，并按照顺序进行分析。在一些实施例中，若商业银行服务器收到的数字货币分布式存储防篡改请求被延迟，则赋予该数字货币分布式存储防篡改请求较高的分析调度优先权。
在一些实施例中，获取模块501还用于获取一致率W、响应延迟率E和可用率C。
分析模块502，用于利用深度分析模型对数字货币分布式存储防篡改请求进行分析，获得分析结果。
其中，深度分析模型基于明文信息和银行节点数目获得分析结果，其中，明文信息是数字货币分布式存储防篡改请求的明文信息。
当商业银行从区块链获得数字货币分布式存储防篡改请求时，对数字货币分布式存储防篡改请求进行分析，获得分布式分析结果。当中央银行从区块链获得数字货币分布式存储防篡改请求时，对数字货币分布式存储防篡改请求进行分析，获得统一分析结果。
输出模块503，用于输出分析结果。
在一些实施例中，如图6所示，分析模块502包括：
多层神经元单元601，用于基于数字货币分布式存储防篡改请求的信息明文Tijt和数字货币分布式存储防篡改分析评估参数进行计算。
其中，数字货币分布式存储防篡改分析评估参数包括一致率W、可用率C和响应延迟率E。如，第K次迭代的一致率
Figure BDA0002793013350000131
可用率
Figure BDA0002793013350000132
响应延迟率
Figure BDA0002793013350000133
其中，i、j、t表示信息明文的三个维度，k表示第k次迭代，k∈[0,1,…,50]。
在一些实施例中，一致率W是指数字货币分布式存储防篡改请求中未被篡改信息总数量与实际数字货币分布式存储防篡改请求中信息总量的比值。可用率C是指数字货币分布式存储防篡改请求中可使用信息总量与实际数字货币分布式存储防篡改请求中应可使用信息总量的比值。响应延迟率E是指单位时间内数字货币分布式存储防篡改请求分析有效占用时间量与单位时间总量的比值。
在一些实施例中，多层神经元单元601基于一致率
Figure BDA0002793013350000134
可用率
Figure BDA0002793013350000135
响应延迟率
Figure BDA0002793013350000136
以及预先设定的历史最大一致率WGmax、历史最大可用率CGmax、历史最小响应延迟率EGmin获得选择匹配度最优的存储方案。
例如，按照公式(2)选择匹配度Z最优的存储方案。
Figure BDA0002793013350000137
其中，Z表示匹配度，k表示迭代次数，k∈[0,1,…,50]，
Figure BDA0002793013350000138
表示可用率，
Figure BDA0002793013350000139
表示响应延迟率，
Figure BDA00027930133500001310
表示一致率，CGmax表示历史最大可用率、EGmin表示历史最小响应延迟率，WGmax表示历史最大一致率阈值，i、j、t表示信息明文的三个维度。
分布式存储单元602，用于计算数字货币分布式存储防篡改请求的存储方式。
在一些实施例中，分布式存储单元602利用存储模型存储数据。图7为本申请实施例提供的存储模型。
拟态防篡改运算单元603，用于对输入信息进行动态异构防篡改运算，获得拟态防篡改结果。
在一些实施例中，拟态防篡改运算单元603基于数字货币分布式存储防篡改信息明文Tijt和银行服务节点数目进行运算，获得拟态防篡改结果。
具体地，拟态防篡改运算是通过动态异构防篡改公式(3)计算获得：
Figure BDA0002793013350000141
其中，
Figure BDA0002793013350000142
表示拟态防篡改结果，Tijt表示数字货币分布式存储防篡改信息明文，mod表示取余数，L表示银行服务节点数目，k表示迭代次数，k∈[0,1,…,50]，i、j、t表示信息明文的三个维度，m、n、p取正整数。
在一些实施例中，分析模块502还包括评估检测单元，用于对分析结果进行评估。
在一些实施例中，对分析结果进行评估是依据一致率
Figure BDA0002793013350000143
可用率
Figure BDA0002793013350000144
响应延迟率
Figure BDA0002793013350000145
计算第一评估结果T1和第二评估结果T2，其中，第一评估结果T1按照(4-1)计算获得。
Figure BDA0002793013350000146
其中，P表示拟态防篡改结果，k表示迭代次数，
Figure BDA0002793013350000147
表示可用率，
Figure BDA0002793013350000148
表示一致率，
Figure BDA0002793013350000149
表示响应延迟率，k表示迭代次数，k∈[0,1,…,50]，i、j、t表示信息明文的三个维度，m、n、p取正整数。
第二评估结果T2按照(4-2)计算获得。
Figure BDA00027930133500001410
其中，P表示拟态防篡改结果，k表示迭代次数，
Figure BDA00027930133500001411
表示可用率，
Figure BDA0002793013350000151
表示一致率，
Figure BDA0002793013350000152
表示响应延迟率，k表示迭代次数，k∈[0,1,…,50]，i、j、t表示信息明文的三个维度，m、n、p取正整数。
在一些实施例中，当第一评估结果T1小于或等于第二评估结果T2时，分析结果为正确。当第一评估结果T1大于第二评估结果T2时，分析结果为错误。
在一些实施例中，分析模块502还包括监督学习单元，用于对分析结果进行评估。
在一些实施例中，利用深度分析模型对数字货币分布式存储防篡改请求进行分析过程中，需要对分析过程进行监督学习。
Figure BDA0002793013350000153
其中，Mijt表示监督结果，μ表示影响因子，
Figure BDA0002793013350000154
Figure BDA0002793013350000155
第k次迭代循环递归激励函数，
Figure BDA0002793013350000156
表示可用率，
Figure BDA0002793013350000157
表示一致率，
Figure BDA0002793013350000158
表示响应延迟率，k表示迭代次数，k∈[0,1,…,50]，i、j、t表示信息明文的三个维度。
在一些实施例中，深度无监督学习加强因子通过公式(6)计算获得。
Figure BDA0002793013350000159
其中，
Figure BDA00027930133500001510
表示第k次迭代循环递归激励函数，
Figure BDA00027930133500001511
主要包括第k次迭代循环递归可用率
Figure BDA00027930133500001512
第k次迭代循环递归响应延迟率
Figure BDA00027930133500001513
和第k次迭代循环递归一致率
Figure BDA00027930133500001514
三方面的信息量。
Figure BDA00027930133500001515
表示可用率，
Figure BDA00027930133500001516
表示一致率，
Figure BDA00027930133500001517
表示响应延迟率，k表示迭代次数，k∈[0,1,…,50]，i、j、t表示信息明文的三个维度，CGmax表示历史最大可用率、EGmin表示历史最小响应延迟率，WGmax表示历史最大一致率，mod表示取余数，m、n、p取正整数。
本实施例提供的基于区块链的分布式存储防篡改装置，分析模块通过拟态防篡改运算对用户的数字货币分布式存储防篡改请求进行动态深度分析，可以降低响应延迟低，提高一致率和可用率，从而提高防篡改能力，提高数据的安全性，进而提高抗网络攻击的能力。
上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。
需要说明的是，本实施方式中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本发明的创新部分，本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，但这并不表明本实施方式中不存在其它的单元。
本实施例还提供一种电子设备，包括一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现本实施例提供的基于区块链的分布式存储防篡改方法，为避免重复描述，在此不再赘述基于区块链的分布式存储防篡改方法的具体步骤。
本实施例还提供一种计算机可读介质，其上存储有计算机程序，程序被处理器执行时实现本实施例提供的基于区块链的分布式存储防篡改方法，为避免重复描述，在此不再赘述基于区块链的分布式存储防篡改方法的具体步骤。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其它数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其它存储器技术、CD-ROM、数字多功能盘(DVD)或其它光盘存储、磁盒、磁带、磁盘存储或其它磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其它的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其它传输机制之类的调制数据信号中的其它数据，并且可包括任何信息递送介质。
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本实施例的范围之内并且形成不同的实施例。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (10)

1.一种基于区块链的分布式存储防篡改方法，其特征在于，所述方法包括：
获取用户发起的数字货币分布式存储防篡改请求，其中，所述数字货币分布式存储防篡改请求是所述用户广播在区块链中的消息，而且，所述数字货币分布式存储防篡改请求包括所述用户的用户标识；
利用深度分析模型对所述数字货币分布式存储防篡改请求进行分析，获得分析结果；
其中，所述深度分析模型基于明文信息和银行节点数目获得分析结果，所述明文信息是所述数字货币分布式存储防篡改请求的明文信息。
2.根据权利要求1所述的方法，其特征在于，所述利用深度分析模型对所述数字货币分布式存储防篡改请求进行分析，获得分析结果，包括：
通过动态异构防篡改公式计算获得分析结果；
Figure FDA0002793013340000011
其中，
Figure FDA0002793013340000012
表示拟态防篡改结果，Tijt表示数字货币分布式存储防篡改信息明文，mod表示取余数，L表示银行服务节点数目，k表示迭代次数，k∈[0,1,…,50]，i、j、t表示信息明文的三个维度，m、n、p取正整数。
3.根据权利要求2所述的方法，其特征在于，所述深度分析模型结合多层神经元、分布式存储和拟态防篡改计算，对所述数字货币分布式存储防篡改请求的明文信息进行迭代运算，获得分析结果。
4.根据权利要求2所述的方法，其特征在于，所述深度分析模型基于所述数字货币分布式存储防篡改请求的明文信息、一致率、可用率、响应延迟率获得所述分析结果；
其中，所述一致率是指所述数字货币分布式存储防篡改请求中未被篡改信息总数量与实际的数字货币分布式存储防篡改请求中信息总量的比值；所述可用率是指所述数字货币分布式存储防篡改请求中可使用信息总量与实际数字货币分布式存储防篡改请求中应可使用信息总量的比值；所述响应延迟率是指单位时间内所述数字货币分布式存储防篡改请求分析有效占用时间量与单位时间总量的比值。
5.根据权利要求4所述的方法，其特征在于，所述通过动态异构防篡改公式计算获得分析结果之前，还包括：
基于所述一致率、所述可用率、所述响应延迟率、预先设定的历史最大一致率、历史最大可用率、历史最小响应延迟率获得选择匹配度最优的存储方案。
6.根据权利要求5所述的方法，其特征在于，基于所述一致率、所述可用率、所述响应延迟率、预先设定的历史最大一致率、历史最大可用率、历史最小响应延迟率获得选择匹配度最优的存储方案，包括：
基于所述一致率、所述可用率、所述响应延迟率、预先设定的历史最大一致率、历史最大可用率、历史最小响应延迟率，并利用下面公式获得选择匹配度最优的存储方案
Figure FDA0002793013340000021
其中，Z表示匹配度，k表示迭代次数，k∈[0,1,…,50]，
Figure FDA0002793013340000022
表示可用率，
Figure FDA0002793013340000023
表示响应延迟率，
Figure FDA0002793013340000024
表示一致率，CGmax表示历史最大可用率、EGmin表示历史最小响应延迟率，WGmax表示历史最大一致率阈值，i、j、t表示信息明文的三个维度。
7.根据权利要求4所述的方法，其特征在于，所述通过动态异构防篡改公式计算获得分析结果之后，还包括：
利用公式(7-1)获得第一评估结果；
Figure FDA0002793013340000031
利用公式(7-2)获得第二评估结果，
Figure FDA0002793013340000032
其中，P表示拟态防篡改结果，k表示迭代次数，
Figure FDA0002793013340000033
表示可用率，
Figure FDA0002793013340000034
表示一致率，
Figure FDA0002793013340000035
表示响应延迟率，k表示迭代次数，k∈[0,1,…,50]，i、j、t表示信息明文的三个维度，m、n、p取正整数；
基于所述第一评估结果和所述第二评估结果获得分析结果的评估检测结果。
8.根据权利要求7所述的方法，其特征在于，所述基于所述第一评估结果和所述第二评估结果获得分析结果的评估检测结果，包括：
在第一评估结果T1小于或等于第二评估结果T2的情况下，所述分析结果为正确
在第一评估结果T1大于第二评估结果T2的情况下，所述分析结果为错误。
9.根据权利要求4所述的方法，其特征在于，所述利用深度分析模型对所述数字货币分布式存储防篡改请求进行分析，获得分析结果，包括：
Figure FDA0002793013340000036
Figure FDA0002793013340000037
其中，Mijt表示监督结果，μ表示影响因子，
Figure FDA0002793013340000038
Figure FDA0002793013340000039
第k次迭代循环递归激励函数，
Figure FDA00027930133400000310
表示可用率，
Figure FDA00027930133400000311
表示一致率，
Figure FDA00027930133400000312
表示响应延迟率，k表示迭代次数，k∈[0,1,…,50]，i、j、t表示信息明文的三个维度。
10.一种基于区块链的分布式存储防篡改装置，其特征在于，包括：
获取模块，用于获取用户发起的数字货币分布式存储防篡改请求，其中，所述数字货币分布式存储防篡改请求是所述用户广播在区块链中的消息，而且，所述数字货币分布式存储防篡改请求包括所述用户的用户标识；
分析模块，用于利用深度分析模型对所述数字货币分布式存储防篡改请求进行分析，获得分析结果；
其中，所述深度分析模型基于明文信息和银行节点数目获得分析结果，其中，所述明文信息是所述数字货币分布式存储防篡改请求的明文信息。
CN202011321379.8A 2020-11-23 2020-11-23 基于区块链的分布式存储防篡改方法及系统 Active CN112492015B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011321379.8A CN112492015B (zh) 2020-11-23 2020-11-23 基于区块链的分布式存储防篡改方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011321379.8A CN112492015B (zh) 2020-11-23 2020-11-23 基于区块链的分布式存储防篡改方法及系统

Publications (2)

Publication Number Publication Date
CN112492015A true CN112492015A (zh) 2021-03-12
CN112492015B CN112492015B (zh) 2021-12-07

Family

ID=74933657

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011321379.8A Active CN112492015B (zh) 2020-11-23 2020-11-23 基于区块链的分布式存储防篡改方法及系统

Country Status (1)

Country Link
CN (1) CN112492015B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018223215A1 (en) * 2017-06-07 2018-12-13 Zeu Crypto Networks Inc. Scalable trading platform using central bank issued digital currency
CN109117856A (zh) * 2018-08-23 2019-01-01 中国联合网络通信集团有限公司 基于智能边缘云的人及物追踪方法、装置及系统
CN109951490A (zh) * 2019-03-27 2019-06-28 远光软件股份有限公司 基于区块链的网页防篡改方法、系统及电子设备
US20190251526A1 (en) * 2018-02-15 2019-08-15 Mark Jackson Method and System for Implementing Digital Currency Tied to Physical Precious Metals
CN110472978A (zh) * 2019-08-23 2019-11-19 北京丁牛科技有限公司 一种数字货币地址防篡改方法及系统
CN110599140A (zh) * 2019-08-29 2019-12-20 中国人民银行数字货币研究所 一种数字货币的验证方法及系统
CN111163461A (zh) * 2019-12-23 2020-05-15 中国联合网络通信集团有限公司 终端数据防篡改方法及系统、防篡改服务器和存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018223215A1 (en) * 2017-06-07 2018-12-13 Zeu Crypto Networks Inc. Scalable trading platform using central bank issued digital currency
US20190251526A1 (en) * 2018-02-15 2019-08-15 Mark Jackson Method and System for Implementing Digital Currency Tied to Physical Precious Metals
CN109117856A (zh) * 2018-08-23 2019-01-01 中国联合网络通信集团有限公司 基于智能边缘云的人及物追踪方法、装置及系统
CN109951490A (zh) * 2019-03-27 2019-06-28 远光软件股份有限公司 基于区块链的网页防篡改方法、系统及电子设备
CN110472978A (zh) * 2019-08-23 2019-11-19 北京丁牛科技有限公司 一种数字货币地址防篡改方法及系统
CN110599140A (zh) * 2019-08-29 2019-12-20 中国人民银行数字货币研究所 一种数字货币的验证方法及系统
CN111163461A (zh) * 2019-12-23 2020-05-15 中国联合网络通信集团有限公司 终端数据防篡改方法及系统、防篡改服务器和存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HE SUN: "Multi-Blockchain Model For Central Bank Digital Currency", <2017 18TH INTERNATIONAL CONFERENCE ON PARALLEL AND DISTRIBUTED COMPUTING, APPLICATIONS AND TECHNOLOGIES (PDCAT)> *
张健毅等: "基于区块链的可监管数字货币模型", 《计算机研究与发展》 *

Also Published As

Publication number Publication date
CN112492015B (zh) 2021-12-07

Similar Documents

Publication Publication Date Title
US10609087B2 (en) Systems and methods for generation and selection of access rules
CN111931076B (zh) 基于有权有向图进行关系推荐的方法、装置和计算机设备
CN112785157B (zh) 风险识别系统的更新方法及装置、风险识别方法及装置
CN113111359A (zh) 基于信息安防的大数据资源共享方法及资源共享系统
Gupta et al. SELI: Statistical evaluation based leaker identification stochastic scheme for secure data sharing
CN112446310A (zh) 基于区块链的年龄识别系统、方法及装置
CN111008335A (zh) 一种信息处理方法、装置、设备及存储介质
CN114548300B (zh) 解释业务处理模型的业务处理结果的方法和装置
CN112132576B (zh) 基于区块链通信的支付信息处理方法及区块链信息平台
CN112492015B (zh) 基于区块链的分布式存储防篡改方法及系统
CN115174237B (zh) 一种物联网系统恶意流量的检测方法、装置和电子设备
CN112528276B (zh) 基于区块链的分布式存储防篡改方法及系统
CN116668089A (zh) 基于深度学习的网络攻击检测方法及系统
CN114564749B (zh) 一种针对智慧云服务的用户信息保护方法及服务器
CN111953712B (zh) 一种基于特征融合及密度聚类的入侵检测方法及装置
CN114418767A (zh) 一种交易意图识别方法及装置
CN116070191A (zh) 信息处理方法及其装置、存储介质、程序产品
Ganescu et al. Trust the process: Zero-knowledge machine learning to enhance trust in generative ai interactions
He et al. Multitask Learning‐Based Security Event Forecast Methods for Wireless Sensor Networks
CN113836566B (zh) 基于区块链系统的模型处理方法及装置、设备、介质
Lin et al. Privacy‐Enhanced Data Fusion for Federated Learning Empowered Internet of Things
CN117113304A (zh) 资源交互方法、装置、计算机设备和存储介质
Zhang et al. Noninteractive Lightweight Privacy‐Preserving Auditing on Images in Mobile Crowdsourcing Networks
Karandikar et al. Federated Learning on Tamperproof Data for PHM on Marine Vessels Using a Docker Based Infrastructure
CN117978539A (zh) 网络入侵检测系统、方法、装置、计算机设备和介质

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