CN112699413B - 一种可保护数据安全的区块链系统及其数据处理方法 - Google Patents

一种可保护数据安全的区块链系统及其数据处理方法 Download PDF

Info

Publication number
CN112699413B
CN112699413B CN202110075331.1A CN202110075331A CN112699413B CN 112699413 B CN112699413 B CN 112699413B CN 202110075331 A CN202110075331 A CN 202110075331A CN 112699413 B CN112699413 B CN 112699413B
Authority
CN
China
Prior art keywords
data
module
intelligent contract
output
block chain
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110075331.1A
Other languages
English (en)
Other versions
CN112699413A (zh
Inventor
张锴
王平江
黄瑞
李佳昌
苏德瑜
陈永煌
何静
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.)
Quanzhou-Hust Intelligent Manufacturing Future
Original Assignee
Quanzhou-Hust Intelligent Manufacturing Future
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 Quanzhou-Hust Intelligent Manufacturing Future filed Critical Quanzhou-Hust Intelligent Manufacturing Future
Priority to CN202110075331.1A priority Critical patent/CN112699413B/zh
Publication of CN112699413A publication Critical patent/CN112699413A/zh
Application granted granted Critical
Publication of CN112699413B publication Critical patent/CN112699413B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • 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
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6227—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database where protection concerns the structure of data, e.g. records, types, queries
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Storage Device Security (AREA)

Abstract

本发明提供一种可保护数据安全的区块链系统的数据处理方法，包括如下步骤：区块链系统初始化；用户上传的敏感数据记录在智能合约模块的存储模块内；数据收集者发起数据发布请求；差分隐私模块计算存储模块内当前数据的敏感度，并根据敏感度对敏感数据加上满足拉普拉斯分布的随机噪声，得到输出数据；输出优化模块根据被请求发布的数据情况设置上限值、下限值和临界值，优化输出数据；智能合约模块的差分隐私模块利用查询函数对优化后的输出数据进行查询，并查询结果反馈至数据收集者。本发明还提供一种区块链系统。本发明将差分隐私模块集成在智能合约模块内，更好的保护用户数据隐私，且能够对极端情况下的输出进行优化，减少大规模统计分析的误差。

Description

一种可保护数据安全的区块链系统及其数据处理方法
技术领域
本发明涉及一种可保护数据安全的区块链系统及其数据处理方法。
背景技术
现有的区块链系统的本质是一个透明公开的分布式记账系统，这就导致了所有上传到区块链中的信息和交易内容都会被参与该网络的所有节点获取，并且在所有节点的本地留存有一个备份。如果某个节点所上传的信息中包含有敏感信息或隐私信息，则所有节点都可以访问该部分内容，这就出现了数据安全和隐私的问题。现有的区块链系统架构将上传和访问区块链上记录信息的接口进行了拆分，将其设置在本地，然后把进行共识的节点放在云端，这样在一定程度上保护了数据的安全，但对于基于背景知识的攻击，还是没有办法很好的解决。(例如我已经知道数据库中的一栏：订阅报纸的总人数10个人，如果有新的一条数据进来，我只需要再发起一次相同的请求，如果得到的订阅报纸的总人数是11人，那我就可以推断出新进入的人，也同样订阅了报纸)。而利用差分隐私算法则可以解决这个问题，差分隐私的算法提出了基于语义安全的隐私定义并提供了很强的隐私保证，即假设攻击者拥有所有背景知识的情况下，还能够同时保证输出不会泄露隐私信息。
但是在现有具有差分隐私的区块链系统中，通常将差分隐私算法通多第三方服务器置于区块链系统外与区块链系统并行，如此第三方服务器必将涉及原始数据，因此若要保证隐私信息不泄露，必须保证第三方服务器百分之百的可信度，而这非常难做到；然后，现有技术中，存储数据的数据库独立设置在智能合约之外，每次查询，智能合约都需从数据库索要数据，这不仅增加了数据处理的步骤，也使泄密风险更大；再者，因为差分隐私算法是在原始数据基础上施加随机噪声以扰动原始数据，从而达到保护原始数据的目的，但因为随机噪声是一个概率函数，因此有很小的概率出现极端大或者极端小的输出，这种情况虽然有利于单个数据的扰动，但对于大规模数据的统计则会出现非常大的误差，进而导致错误的输出结果。
发明内容
本发明的目的是针对现有技术的不足，提出一种可保护数据安全的区块链系统及其数据处理方法，将差分隐私模块集成在智能合约模块内，更好的保护用户数据隐私，且能够对极端情况下的输出进行优化，减少大规模统计分析的误差。
本发明通过以下技术方案实现：
一种可保护数据安全的区块链系统的数据处理方法，区块链系统包括若干本地客户端、设置在云端的智能合约模块和与智能合约模块连接的若干节点，数据处理方法包括如下步骤：
A、区块链系统初始化；
B、用户通过其本地客户端向智能合约模块上传敏感数据，若上传成功，该敏感数据记录在智能合约模块的存储模块内；
C、数据收集者向智能合约模块发起数据发布请求；
D、智能合约模块的差分隐私模块对存储模块内的敏感数据进行遍历，以计算存储模块内当前数据的敏感度，并根据敏感度对敏感数据加上满足拉普拉斯分布的随机噪声，得到输出数据；
E、智能合约模块的输出优化模块根据被请求发布的数据情况设置上限值、下限值和临界值，当输出数据超过上限值或者低于 下限值时，则令其等于临界值，从而实现输出数据的优化；
F、智能合约模块的差分隐私模块利用查询函数对优化后的输出数据进行查询，并将查询结果反馈至数据收集者。
进一步的，所述步骤B具体包括：用户通过其本地客户端将敏感数据发送至智能合约模块的逻辑模块，逻辑模块的逻辑操作函数将该数据存储在所述存储模块，并将该过程记录为一次事件，智能合约模块对该次事件发起共识投票，若该次事件通过，则将该数据记录在存储模块内，否则，数据无法被记录，返回错误信息给本地客户端。
进一步的，所述步骤E中，所述被请求的数据情况包括数据统计分析的值。
进一步的，所述步骤D中，通过公式
Figure GDA0003631934940000031
计算所述敏感度Δf，其中，D、D′分别为相邻且只相差一个元素的两个数据集，f为查询函数。
进一步的，所述步骤D中，随机噪声Nosie分布为
Figure GDA0003631934940000032
随机噪声Nosie的概率分布密度函数p(x)为：
Figure GDA0003631934940000033
其中，
Figure GDA0003631934940000034
ε为隐私预算，取值是非负数。
进一步的，所述步骤A包括如下步骤：
A1、区块链系统的所有本地客户端与节点进行第一次的数据同步与共识操作，以启动该区块链系统；
A2、配置并创建第一个区块；
A3、各个节点完成第一轮循环检索与共识，成功完成后，即表示区块链系统启动成功；
A4、每个节点都生成自己的公私钥对，公钥广播以使其他节点知悉，私钥留在本地用以签名等操作。
进一步的，所述步骤B还包括：用户通过其本地客户端向智能合约模块上传非敏感数据时，将该非敏感数据进行哈希函数操作并打包成数据包，再利用私钥对该数据包签名后通过智能合约模块广播至其他节点处进行多次验证，验证后由智能合约模块发起投票，若通过，则将该数据包生成新的区块串接在最后一个区块后。
进一步的，所述步骤B中，用户通过其本地客户端向智能合约模块上传敏感数据时，用户需要拥有双向验证的CA证书，并基于CA证书向智能合约模块的逻辑模块模块发起身份验证请求，身份验证通过后用户才可发送该敏感数据。
本发明还通过以下技术方案实现：
一种可保护数据安全的区块链系统，包括若干本地客户端、设置在云端的智能合约模块和与智能合约模块连接的若干节点，用户通过本地客户端向智能合约模块上传敏感数据，并经各节点共识通过后，将该敏感数据存储在智能合约内，经数据收集者请求，智能合约模块向数据收集者发布该敏感数据施加噪声后的查询结果，智能合约模块包括逻辑模块、存储模块、差分隐私模块和输出优化模块，本地客户端与逻辑模块输入端连接，逻辑模块输出端与存储模块连接，差分隐私模块输入端与存储模块输出端连接，输出优化模块输入端与差分隐私模块输出端连接，输出优化模块输出端向数据收集者发布查询结果。
进一步的，所述输出优化模块根据被请求发布的数据情况设置上限值、下限值和临界值，当初始查询结果超过上限值或者低于下限值时，令其等于临界值，从而实现优化。
本发明具有如下有益效果：
1、本发明在敏感数据上传成功后，将敏感数据记录在智能合约模块的存储模块内，数据的读取在智能合约内部进行，减少了数据处理的步骤，自然也减小了隐私泄露的风险；差分隐私模块也集成在智能合约模块内，无需第三方服务器，自然能够更好地保护数据安全，也降低了算法的复杂度，提高计算效率；输出优化模块根据被请求发布的数据情况设置上限值、下限值和临界值，当输出数据超过上限值或者下限值时，则令其等于临界值，如此能够避免当施加的噪声出现极限大或者极限小，从而大规模统计分析出现误差的情况，使输出结果可信度更高。
附图说明
下面结合附图对本发明做进一步详细说明。
图1为本发明区块链系统的架构图。
图2为本发明数据处理方法的流程图。
其中，1、用户；2、本地客户端；3、智能合约模块；31、逻辑模块；32、存储模块；33、差分隐私模块；34、输出优化模块；4、节点；5、数据收集者； 6、云端。
具体实施方式
如图1所示，可保护数据安全的区块链系统包括若干本地客户端2、设置在云端6的智能合约模块3和与智能合约模块3连接的若干节点5，用户1通过本地客户端2向智能合约模块3上传敏感数据，并经各节点5共识通过后，将该敏感数据存储在智能合约内，经数据收集者5请求，智能合约模块3向数据收集者5发布该敏感数据施加噪声后的查询结果，智能合约模块3包括逻辑模块31、存储模块32、差分隐私模块33和输出优化模块34，本地客户端2与逻辑模块31输入端连接，逻辑模块31输出端与存储模块32连接，差分隐私模块33输入端与存储模块32输出端连接，输出优化模块34输入端与差分隐私模块33输出端连接，输出优化模块 34输出端向数据收集者5发布查询结果。输出优化模块34根据被请求发布的数据情况设置上限值、下限值和临界值，当初始查询结果超过上限值或者低于 下限值时，令其等于临界值，从而实现优化。
如图2所示，区块链系统的数据处理方法包括如下步骤：
A、区块链系统初始化；具体包括：
A1、区块链系统的所有本地客户端2与节点5进行第一次的数据同步与共识操作，以启动该区块链系统；
A2、配置并创建第一个区块；
A3、各个节点5完成第一轮循环检索与共识，成功完成后，即表示区块链系统启动成功；
A4、每个节点5都生成自己的公私钥对，公钥广播以使其他节点5知悉，私钥留在本地用以签名等操作；
B、用户1通过其本地客户端2向智能合约模块3上传敏感数据，若上传成功，该敏感数据记录在智能合约模块3的存储模块32内；具体过程为：
B1、用户1上传敏感数据时，需要拥有双向验证的CA证书，用户1基于CA 向智能合约模块3的逻辑模块31发起身份验证请求；
B2、身份验证通过后用户1取得发送数据的权利，通过本地客户端2向智能合约发起一次数据发送的请求；
B3、智能合约接收到请求后，向本地客户端2发送请求许可的消息；
B4、本地客户端2收到请求许可的消息后，将敏感数据发送给云端6智能合约模块3的逻辑模块31；
B5、逻辑模块31的逻辑操作函数将取得的敏感数据存储在存储模块32，并将该过程记录为一次事件；
B6、智能合约模块3随机选择一个节点5作为Leader节点5发起该次事件的共识，与智能合约模块3连接的各节点5分别进行独立验证并投票；
B7、如果得票数超过总节点5数的2/3，则该次事件通过，智能合约模块3 将该数据记录在存储模块32内，否则，该次事件不通过，数据无法被记录，智能合约模块3返回错误信息给本地客户端2；
用户1通过其本地客户端2向智能合约模块3上传非敏感数据时，将该非敏感数据进行哈希函数操作并打包成数据包，再利用私钥对该数据包签名后通过智能合约模块3广播至其他节点5处进行多次验证，验证后由智能合约模块3 发起投票，若通过，则将该数据包生成新的区块串接在最后一个区块后(若本次数据上传是区块链系统第一次上传数据，则新的区块串接在第一区块后)；
C、数据收集者5向智能合约模块3发起数据发布请求；
D、智能合约模块3的差分隐私模块33对存储模块32内的敏感数据进行遍历，以计算存储模块32内当前数据的敏感度Δf，并根据敏感度对敏感数据加上满足拉普拉斯分布的随机噪声，得到输出数据；
具体为：通过公式
Figure GDA0003631934940000071
计算敏感度Δf，其中，D、D′分别为相邻且只相差一个元素的两个数据集，f为查询函数，该查询函数f由数据收集者5根据其需要获得的统计数据类型而确定；
随机噪声Nosie分布为
Figure GDA0003631934940000072
随机噪声Nosie的概率分布密度函数p(x)为：
Figure GDA0003631934940000073
其中，
Figure GDA0003631934940000074
ε为隐私预算，取值是非负数，隐私预算越大，单词查询加的噪声越小，隐私预算越小，噪声越大，理论上当ε＝0的时候，加的噪声趋近于无穷，此种情况下下的样本数据没有可用性；
E、智能合约模块3的输出优化模块34根据被请求发布的数据情况设置上限值、下限值和临界值，当输出数据超过上限值或者低于下限值时，则令其等于临界值，从而实现输出数据的优化；该被请求发布的数据情况包括数据统计分析的值；例如对于数据序列A＝[30,-50,100,35,-5,10,5],假设输出优化的上下限值为[-40，40]，则优化后的输出范围序列A’＝[30,-40,40,35,-5,10,5]；
F、智能合约模块3的差分隐私模块33利用查询函数对优化后的输出数据进行查询，并将查询结果反馈至数据收集者5。
以上所述，仅为本发明的较佳实施例而已，故不能以此限定本发明实施的范围，即依本发明申请专利范围及说明书内容所作的等效变化与修饰，皆应仍属本发明专利涵盖的范围内。

Claims (9)

1.一种可保护数据安全的区块链系统的数据处理方法，其特征在于：区块链系统包括若干本地客户端、设置在云端的智能合约模块和与智能合约模块连接的若干节点，数据处理方法包括如下步骤：
A、区块链系统初始化；
B、用户通过其本地客户端向智能合约模块上传敏感数据，若上传成功，该敏感数据记录在智能合约模块的存储模块内；
C、数据收集者向智能合约模块发起数据发布请求；
D、智能合约模块的差分隐私模块对存储模块内的敏感数据进行遍历，以计算存储模块内当前数据的敏感度，并根据敏感度对敏感数据加上满足拉普拉斯分布的随机噪声，得到输出数据；
E、智能合约模块的输出优化模块根据被请求发布的数据情况设置上限值、下限值和临界值，输出数据为序列，当输出的序列中的数据超过上限值或者低于下限值时，则令该数据等于临界值，从而实现输出数据的优化；
F、智能合约模块的差分隐私模块利用查询函数对优化后的输出数据进行查询，并将查询结果反馈至数据收集者。
2.根据权利要求1所述的一种可保护数据安全的区块链系统的数据处理方法，其特征在于:所述步骤B具体包括：用户通过其本地客户端将敏感数据发送至智能合约模块的逻辑模块，逻辑模块的逻辑操作函数将该数据存储在所述存储模块，并将该过程记录为一次事件，智能合约模块对该次事件发起共识投票，若该次事件通过，则将该数据记录在存储模块内，否则，数据无法被记录，返回错误信息给本地客户端。
3.根据权利要求1所述的一种可保护数据安全的区块链系统的数据处理方法，其特征在于:所述步骤E中，所述被请求的数据情况包括数据统计分析的值。
4.根据权利要求1或2或3所述的一种可保护数据安全的区块链系统的数据处理方法，其特征在于:所述步骤D中，通过公式
Figure FDA0003631934930000021
计算所述敏感度Δf，其中，D、D′分别为相邻且只相差一个元素的两个数据集，f为查询函数。
5.根据权利要求4所述的一种可保护数据安全的区块链系统的数据处理方法，其特征在于:所述步骤D中，随机噪声Nosie分布为
Figure FDA0003631934930000022
随机噪声Nosie的概率分布密度函数p(x)为：
Figure FDA0003631934930000023
其中，
Figure FDA0003631934930000024
ε为隐私预算，取值是非负数。
6.根据权利要求1或2或3所述的一种可保护数据安全的区块链系统的数据处理方法，其特征在于:所述步骤A包括如下步骤：
A1、区块链系统的所有本地客户端与节点进行第一次的数据同步与共识操作，以启动该区块链系统；
A2、配置并创建第一个区块；
A3、各个节点完成第一轮循环检索与共识，成功完成后，即表示区块链系统启动成功；
A4、每个节点都生成自己的公私钥对，公钥广播以使其他节点知悉，私钥留在本地用以签名操作。
7.根据权利要求5所述的一种可保护数据安全的区块链系统的数据处理方法，其特征在于:所述步骤B还包括：用户通过其本地客户端向智能合约模块上传非敏感数据时，将该非敏感数据进行哈希函数操作并打包成数据包，再利用私钥对该数据包签名后通过智能合约模块广播至其他节点处进行多次验证，验证后由智能合约模块发起投票，若通过，则将该数据包生成新的区块串接在最后一个区块后。
8.根据权利要求1或2或3所述的一种可保护数据安全的区块链系统的数据处理方法，其特征在于:所述步骤B中，用户通过其本地客户端向智能合约模块上传敏感数据时，用户需要拥有双向验证的CA证书，并基于CA证书向智能合约模块的逻辑模块发起身份验证请求，身份验证通过后用户才可发送该敏感数据。
9.一种可保护数据安全的区块链系统，其特征在于：包括若干本地客户端、设置在云端的智能合约模块和与智能合约模块连接的若干节点，用户通过本地客户端向智能合约模块上传敏感数据，并经各节点共识通过后，将该敏感数据存储在智能合约内，经数据收集者请求，智能合约模块向数据收集者发布该敏感数据施加噪声后的查询结果，智能合约模块包括逻辑模块、存储模块、差分隐私模块和输出优化模块，本地客户端与逻辑模块输入端连接，逻辑模块输出端与存储模块连接，差分隐私模块输入端与存储模块输出端连接，输出优化模块输入端与差分隐私模块输出端连接，输出优化模块输出端向数据收集者发布查询结果，逻辑模块的操作函数将客户端上传的敏感数据存储在存储模块，并将该过程记录为一次事件，差分隐私模块用于对存储模块内的敏感数据进行遍历，以计算存储模块内当前数据的敏感度，并根据敏感度对敏感数据加上满足拉普拉斯分布的随机噪声，得到输出数据，所述输出优化模块根据被请求发布的数据情况设置上限值、下限值和临界值，输出数据为序列，当输出的序列中的数据超过上限值或者低于下限值时，则令该数据等于临界值，从而实现输出数据的优化，差分隐私模块利用查询函数对优化后的输出数据进行查询，并将查询结果反馈至数据收集者。
CN202110075331.1A 2021-01-20 2021-01-20 一种可保护数据安全的区块链系统及其数据处理方法 Active CN112699413B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110075331.1A CN112699413B (zh) 2021-01-20 2021-01-20 一种可保护数据安全的区块链系统及其数据处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110075331.1A CN112699413B (zh) 2021-01-20 2021-01-20 一种可保护数据安全的区块链系统及其数据处理方法

Publications (2)

Publication Number Publication Date
CN112699413A CN112699413A (zh) 2021-04-23
CN112699413B true CN112699413B (zh) 2022-07-01

Family

ID=75515804

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110075331.1A Active CN112699413B (zh) 2021-01-20 2021-01-20 一种可保护数据安全的区块链系统及其数据处理方法

Country Status (1)

Country Link
CN (1) CN112699413B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110933093A (zh) * 2019-12-04 2020-03-27 广西民族大学 一种基于差分隐私保护技术的区块链数据共享平台及方法
KR20200077366A (ko) * 2018-12-20 2020-06-30 공주대학교 산학협력단 허가형 블록체인 시스템 상에서의 프라이버시 보존형 데이터 분석 방법
CN111737744A (zh) * 2020-06-22 2020-10-02 安徽工业大学 一种基于差分隐私的数据发布方法
CN111914272A (zh) * 2020-07-13 2020-11-10 华中科技大学 一种移动边缘计算环境下起源数据的加密检索方法与系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110941856A (zh) * 2019-12-04 2020-03-31 广西民族大学 一种基于区块链的数据差分隐私保护共享平台
CN111191286B (zh) * 2019-12-28 2020-09-25 南京理工大学 Hyperledger Fabric区块链隐私数据存储与访问系统及其方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200077366A (ko) * 2018-12-20 2020-06-30 공주대학교 산학협력단 허가형 블록체인 시스템 상에서의 프라이버시 보존형 데이터 분석 방법
CN110933093A (zh) * 2019-12-04 2020-03-27 广西民族大学 一种基于差分隐私保护技术的区块链数据共享平台及方法
CN111737744A (zh) * 2020-06-22 2020-10-02 安徽工业大学 一种基于差分隐私的数据发布方法
CN111914272A (zh) * 2020-07-13 2020-11-10 华中科技大学 一种移动边缘计算环境下起源数据的加密检索方法与系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
持续监控下差分隐私保护;梁文娟 等;《软件学报》;20200630;第31卷(第6期);1761-1785 *

Also Published As

Publication number Publication date
CN112699413A (zh) 2021-04-23

Similar Documents

Publication Publication Date Title
EP3520047B1 (en) Immutable cryptographically secured ledger-backed databases
US10296764B1 (en) Verifiable cryptographically secured ledgers for human resource systems
US10396992B2 (en) Authentication of a user and/or a device through parallel synchronous update of immutable hash histories
US11296863B2 (en) Blockchain enterprise data management
US20190207751A1 (en) Blockchain enterprise data management
US8590030B1 (en) Credential seed provisioning system
Li et al. Integrity-verifiable conjunctive keyword searchable encryption in cloud storage
US10650003B1 (en) Expiration of elements associated with a probabilistic data structure
US11343101B2 (en) Authentication through verification of an evolving identity credential
US20220405765A1 (en) Know your customer (kyc) and anti-money laundering (aml) verification in a multi-decentralized private blockchains network
CN111291394B (zh) 一种虚假信息管理方法、装置和存储介质
EP4173248A1 (en) Data access control with a confidential blockchain network
CN112367338A (zh) 恶意请求检测方法及装置
CN112330309A (zh) 基于区块链的行政服务数据交换系统和方法
US10951708B2 (en) Systems and methods for data access authentication using searchable encryption
CN112699413B (zh) 一种可保护数据安全的区块链系统及其数据处理方法
Hong et al. Privacy protection and integrity verification of aggregate queries in cloud computing
Shahin et al. Big data platform privacy and security, a review
Gang et al. [Retracted] Dynamic Deduplication Algorithm for Cross‐User Duplicate Data in Hybrid Cloud Storage
Le et al. Query access assurance in outsourced databases
Nithya et al. Data Fragmentation and Duplication in Cloud for Secure Performance
US11941053B1 (en) Secure data interactions performed by an internet of things (IoT) device
Mahajan et al. Clustering based efficient privacy preserving multi keyword search over encrypted data
US11451588B2 (en) Exchanging and acting on security events at an enterprise using permissioned blockchain
CN115544170B (zh) 基于区块链的数据托管方法和装置、电子设备、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