CN113781023A - 一种面向支付通道网络的个性化隐私保护路由方法 - Google Patents

一种面向支付通道网络的个性化隐私保护路由方法 Download PDF

Info

Publication number
CN113781023A
CN113781023A CN202111065852.5A CN202111065852A CN113781023A CN 113781023 A CN113781023 A CN 113781023A CN 202111065852 A CN202111065852 A CN 202111065852A CN 113781023 A CN113781023 A CN 113781023A
Authority
CN
China
Prior art keywords
path
user
cost
transaction
task
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
CN202111065852.5A
Other languages
English (en)
Other versions
CN113781023B (zh
Inventor
徐佳
赵鹏程
骆健
蒋凌云
刘林峰
徐力杰
鲁蔚锋
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 University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
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 University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202111065852.5A priority Critical patent/CN113781023B/zh
Publication of CN113781023A publication Critical patent/CN113781023A/zh
Application granted granted Critical
Publication of CN113781023B publication Critical patent/CN113781023B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/04—Payment circuits
    • G06Q20/06—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme
    • G06Q20/065—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme using e-cash
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/10—Payment architectures specially adapted for electronic funds transfer [EFT] systems; specially adapted for home banking systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/30—Payment architectures, schemes or protocols characterised by the use of specific devices or networks
    • G06Q20/308—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using the Internet of Things
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction
    • G06Q20/3821—Electronic credentials
    • G06Q20/38215—Use of certificates or encrypted proofs of transaction rights

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Computing Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Security & Cryptography (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明公开了一种面向支付通道网络的个性化隐私保护路由方法，首先形式化了在通道容量和哈希时间锁容忍值约束下的最小化路径成本问题，然后提出K‑最短路径算法寻找前K个带约束最短路径，再通过概率比较函数确定最终的路径。其中以最小化交易路径的成本为路径选择目标，采用路径选择算法选择一系列获胜支付通道组成一条路径，计算其相应的交易费费用；本发明方法通过使用差分隐私保护用户交易成本，任务发布者在仅知道用户的模糊交易成本报价的情况下，找到一条交易成本最小的路径。本发明的方法能够防止激励攻击和推断攻击，并且能够有效的保护用户的交易成本隐私，并且满足1/2真实性，1/4个体理性以及差分隐私。

Description

一种面向支付通道网络的个性化隐私保护路由方法
技术领域
本发明涉及一种面向支付通道网络的个性化隐私保护路由方法，属于支付通道网络的技术领域。
背景技术
近年来，区块链技术作为一种新兴的分布式账本技术，被广泛地应用于加密货币中，并且逐渐成为研究的热点。区块链的核心在于去中心化，所有交易信息全网确认，使得其具有较高的安全性。然而，正是这种全网确认机制，使得其信息处理效率不高。为了能够将区块链扩展到更多的应用领域，链下支付网络的概念被提出。链下支付是将较小额度的交易在链下的小额支付通道网络中进行，并且只需要将通道的开始和关闭状态在区块链上确认，大大加快了交易确认的速度。
在支付通道网络中，转账任务可以在网络中的任意两个用户之间进行，但是用户之间不可能均存在一对一的支付通道，此时需借助中间的其他用户帮助完成转账；用户帮助完成转账会消耗用户放置在支付通道中的押金、时间等资源，所以用户帮助完成转账是需要收取费用的。当前的支付通道网络转账路径选择问题主要关心的是如何选择中间用户，使得转账路径交易费用最小。
选择最小交易费用的转账路径是支付通道网络中的一个基本问题，另一个值得关注的问题就是安全问题。当前有部分工作关注支付通道网络中的智能合约的不合理、支付通道被恶意阻塞等问题，但是很少关注到路径选择中的用户报价问题。本发明致力于解决以下两个问题：一方面，用户参与转账任务会上报自己的交易成本，但是用户为了能够获得更多的交易费用，可能会虚报自己的交易成本；另一方面，交易成本是用户的私人信息，用户不想在完成任务后，被恶意用户推测到自己的交易成本，所以用户需要对其交易成本进行保护。
对于第一个问题，采用激励机制来实现。现有的激励方法大多为金钱激励，通过支付报酬来激励用户参与任务。这些使用激励方法的工作中大部分是基于拍卖的。本发明设计拍卖机制来激励中间转发用户来参与转账。理想的拍卖机制是满足个体理性和真实性的。即用户的效用不会小于零，以及任意用户无法通过改变自身的报价来提高效用。
对于第二个问题，差分隐私是一种有效的解决方法。对于数值型的输出，常常使用拉普拉斯机制和高斯机制对信息进行保护，这两种方法是在信息中加入符合拉普拉斯分布或高斯分布的噪声，使得攻击者不能够准确获得信息，从而达到隐私保护的效果。但是在支付通道网络中，如果在用户的交易成本报价上加上噪声，那么选出的路径可能并不是真正的最短路径，所以如何找到具有真正最小交易成本的路径是一个棘手的问题，目前也没有现成的方法可以直接解决该问题。
发明内容
针对上述问题，本发明提供了一种面向支付通道网络的个性化隐私保护路由方法，其目的是在使用差分隐私保护用户交易成本，任务发起者在仅知道用户的模糊交易成本报价的情况下，找到一条交易成本最小的路径，能够有效的保护用户的交易成本隐私。
本发明具体采用以下技术方案解决上述技术问题：
一种面向支付通道网络的个性化隐私保护路由方法，所述方法基于的支付通道网络系统由n个用户组成，W表示n个用户的集合，该方法包括步骤如下：
步骤一、接收者生成一个随机数并将该随机数使用哈希加密后，将哈希值通过广播信道发送给任务发布者；
步骤二、当收到接收者发送来的哈希值后，任务发布者将转账任务T发布给所有在支付通道网络中的用户，
Figure BDA0003256862000000027
其中
Figure BDA0003256862000000028
为转账任务的任务发布者，d为转账的接收者，g为转账金额；
步骤三、每个想要参与转账任务的用户wi在收到转账任务后提交一组包含个性化隐私保护预算的用户wi与其所有邻居的支付通道的标书
Figure BDA0003256862000000021
其中，wi∈U，U为感兴趣的用户集合；
Figure BDA0003256862000000022
表示用户wi与邻居
Figure BDA0003256862000000023
的支付通道的标书；
其中，用户将支付通道的标书设置为一个五元组
Figure BDA0003256862000000024
其中，Bij表示用户wi与其邻居wj之间通道＜i,j＞的标书，j∈Ni，所述邻居
Figure BDA0003256862000000025
为用户的邻居wj的集合；
Figure BDA0003256862000000026
表示通道＜i,j>的模糊交易成本报价；rij表示通道<i,j＞的通道容量；tij表示用户wi将转账金额转给用户wj与用户wj将解密密钥传送给用户wi的时间总和；∈ij是用户wi的通道＜i,j>的隐私预算，∈ij∈(0,1]；σij是用户wi的通道＜i,j＞的哈希时间锁HTLC容忍值；
并且，每个用户wi的支付通道＜i,j＞的交易成本报价为
Figure BDA0003256862000000031
其交易成本为
Figure BDA0003256862000000032
交易成本仅对用户wi已知；用户wi提交的标书Bi包含用户的通道＜i,j>的隐私预算∈ij，则用户产生相应的隐私成本，隐私成本与隐私预算成正比，将隐私成本定义为：
Figure BDA0003256862000000033
其中α＞0，α是衡量隐私成本价值的系数；
则对于获胜的支付通道，该通道对应用户的成本为：
Figure BDA0003256862000000034
以及，在两个用户之间建立一个支付通道的最大成本为Cmax；
步骤四、给定一个转账任务以及标书集合B＝(B1,B2,…,Bn)，
Figure BDA0003256862000000035
任务发布者构建一个支付通道网络G＝(W,E)，其中W是所有用户的集合，包括转账任务的任务发布者、接收者和想要参与转账任务的用户，E是所有支付通道的集合；所述支付通道网络G由n个用户和m条支付通道构成，每个通道＜i,j＞∈都包含模糊交易成本报价
Figure BDA0003256862000000036
通道容量rij、交易时间tij、隐私预算∈ij和HTLC容忍值σij；
该转账任务的任务发布者以最小化交易路径的成本ci为路径选择目标，采用路径选择算法选择一系列获胜支付通道组成一条路径lf，该路径完成从任务发布者到接收者之间的转账任务；对每一个获胜的支付通道＜i,j>，任务发布者计算其相应的交易费用pij；路径lf中的所有用户为获胜者，将被加入到获胜者集合Sf；对于获胜者集合Sf中的用户，每个用户都有且只有一条路径被选择成为交易路径，因此将路径＜i,j＞的交易费用pij表示为用户wi的交易费用pi；
步骤五、任务发布者将转账金额、计算的每个用户的交易费用pi以及接收者发送的哈希值发送给获胜者，获胜者将自己的交易费用以及哈希值保留，将剩余的其他获胜者的交易费用pi、转账金额和哈希值依次传输，直至接收者收到转账金额；
步骤六、接收者收到转账金额并确认无误后，接收者沿着金额转账路径的反向路径传输哈希值的解密密钥；当获胜者收到解密密钥后，使用密钥解开哈希值，表示获胜者在HTLC的容忍值内完成了任务；该获胜者将解密密钥沿反向路径传输，当任务发布者收到该密钥，表示任务发布者知道接收者收到了转账金额，转账任务结束；反之，如果路径中任意一个获胜者没有在HTLC容忍值内收到解密密钥或者任务发布者未收到解密密钥，表示任务失败，转账金额以及用户的交易费用沿反向路径退回到任务发布者。
进一步地，作为本发明的一种优选技术方案，所述步骤三中用户所提交的标书使用拉普拉斯的差分隐私机制对交易成本报价进行个性化隐私保护，具体为：用户使用拉普拉斯的差分隐私机制在交易成本报价上加上符合拉普拉斯分布的噪声：
Figure BDA0003256862000000041
Figure BDA0003256862000000042
其中
Figure BDA0003256862000000043
即通道＜i,j＞的模糊交易成本报价，ηij是符合拉普拉斯分布的噪声，该分布的均值为0，方差为
Figure BDA0003256862000000044
f(ηij)是拉普拉斯的分布函数；
并且，所述任务发布者计算得到用户的通道＜i,j>的模糊成本为通道<i,j＞的模糊交易成本报价
Figure BDA0003256862000000045
与隐私成本
Figure BDA0003256862000000046
之和，即：
Figure BDA0003256862000000047
进一步地，作为本发明的一种优选技术方案，所述步骤四中任务发布者以最小化交易路径的成本ci为路径选择目标，构建的目标函数为：
min∑ci,i∈Sf (7)
Figure BDA0003256862000000048
Figure BDA0003256862000000049
Figure BDA00032568620000000410
Figure BDA00032568620000000411
其中，约束条件的公式(8)表示支付通道＜i,i+1＞的HTLC容忍值σi,i+1不小于其下一跳支付通道＜i+1,i+2>的HTLC容忍值σi+1,i+2与该通道的交易时间ti,i+1的总和，其中|Sf|为获胜者的数量，i∈{0,1,…,|Sf|-1}表示用户wi可以取转账任务的发布者以及前|Sf|-1个获胜者；公式(9)表示路径中的最后一跳支付通道＜|Sf|,|Sf|+1＞的HTLC容忍值
Figure BDA00032568620000000412
不小于其交易时间
Figure BDA00032568620000000413
公式(10)表示路径中支付通道＜i,i+1＞的容量ri,i+1不小于转账金额g与其后的所有获胜者的交易费用
Figure BDA00032568620000000414
总和，其中pj∈p；公式(11)表示路径中最后一跳支付通道＜|Sf|,|Sf|+1＞的通道容量
Figure BDA0003256862000000051
不小于转账金额g。
进一步地，作为本发明的一种优选技术方案，所述步骤四中任务发布者采用路径选择算法选择一系列获胜支付通道组成一条路径lf，包括以下步骤：
步骤4.1：输入支付通道网络G，路径数量
Figure BDA0003256862000000052
转账金额g，近似参数γ；
步骤4.2：调用
Figure BDA0003256862000000053
-最短路径算法
Figure BDA0003256862000000054
得到前
Figure BDA0003256862000000055
条最短路径，即
Figure BDA0003256862000000056
Figure BDA0003256862000000057
其中
Figure BDA0003256862000000058
为
Figure BDA0003256862000000059
条路径的集合，
Figure BDA00032568620000000510
为
Figure BDA00032568620000000511
条路径的模糊路径报价集合，
Figure BDA00032568620000000512
为
Figure BDA00032568620000000513
条路径的获胜者集合；
步骤4.3：初始化最小模糊路径成本的路径lmin为
Figure BDA00032568620000000514
条路径中的第一条路径，即l1，初始化最终路径lf为空集，即
Figure BDA00032568620000000515
初始化最终路径中获胜者集合Sf为空集，即
Figure BDA00032568620000000516
步骤4.4：将剩余的
Figure BDA00032568620000000517
条路径分别与lmin进行比较，如果第k条路径lk的交易成本报价
Figure BDA00032568620000000518
比路径lmin的交易成本报价
Figure BDA00032568620000000537
低的概率大于1/2即
Figure BDA00032568620000000519
那么就将lmin替换为路径lk即lmin＝lk，其中Pr为概率比较函数；
步骤4.5：将步骤4.4所得路径lmin确定为最终路径，即lf＝lmin；路径lf中的获胜者集合Sf为lmin中的用户集合
Figure BDA00032568620000000538
即
Figure BDA00032568620000000539
进一步地，作为本发明的一种优选技术方案，所述步骤4.2中调用
Figure BDA00032568620000000520
-最短路径算法
Figure BDA00032568620000000521
得到前
Figure BDA00032568620000000522
条最短路径，包括以下步骤：
步骤5.1：输入支付通道网络G，路径数量
Figure BDA00032568620000000523
转账金额g，近似参数γ；
步骤5.2：初始化路径序号k＝1，初始化候选路径集合
Figure BDA00032568620000000524
初始化
Figure BDA00032568620000000525
条路径集合
Figure BDA00032568620000000526
初始化
Figure BDA00032568620000000527
条路径的模糊路径报价集合
Figure BDA00032568620000000528
初始化
Figure BDA00032568620000000529
条路径获胜者集合
Figure BDA00032568620000000530
步骤5.3：使用DCLC算法选出第一条路径，以及其模糊路径报价和获胜者集合，即
Figure BDA00032568620000000531
其中lk保存选出的路径，
Figure BDA00032568620000000532
是模糊路径报价，为路径中所有支付通道的模糊成本之和，即
Figure BDA00032568620000000533
Sk是获胜者集合，
Figure BDA00032568620000000534
在支付通道网络为G，以
Figure BDA00032568620000000535
为起点，d为终点，转账金额为g，近似参数为γ的条件下，返回一条满足所构建目标函数的公式(8)-(11)的最短路径；
步骤5.4：初始化路径存储
Figure BDA00032568620000000536
用户集合W′初始化为W，支付通道集合E′初始化为E；
步骤5.5：对于第k条路径中的所有节点
Figure BDA0003256862000000061
按照在路径中的顺序依次执行步骤5.6-步骤5.9；
步骤5.6：如果节点
Figure BDA0003256862000000062
不是第一个节点，那么将节点的前驱
Figure BDA0003256862000000063
从网络中删除，即
Figure BDA0003256862000000064
并将前一跳支付通道＜v-1,v>加入到l0中，即
Figure BDA0003256862000000065
其中运算
Figure BDA0003256862000000066
指路径拼接；若节点
Figure BDA0003256862000000067
是第一个节点，则执行步骤5.7；
步骤5.7：将节点
Figure BDA0003256862000000068
与下一跳相连的支付通道从网络中删除，即E′＝E′\{<v,v+1＞}，构造支付通道网络G′＝(W′,E′)；
步骤5.8：使用新的网络G′以及当前的节点
Figure BDA0003256862000000069
作为起始点，使用DCLC算法选出新的最短路径，其中包含路径
Figure BDA00032568620000000610
模糊路径报价
Figure BDA00032568620000000611
以及获胜节点集合
Figure BDA00032568620000000612
即
Figure BDA00032568620000000613
Figure BDA00032568620000000614
步骤5.9：如果获得的路径
Figure BDA00032568620000000615
不是空集，那么就将该路径与l0连接，即
Figure BDA00032568620000000616
并将该路径存入候选路径集合tem，即
Figure BDA00032568620000000617
若
Figure BDA00032568620000000618
是空集，则执行步骤5.5；
步骤5.10：令k＝k+1，在tem集合中选择一个模糊路径报价最低的路径作为第k条路径，即
Figure BDA00032568620000000619
将该路径从候选路径集合tem中删除，即
Figure BDA00032568620000000620
步骤5.11：令
Figure BDA00032568620000000621
如果
Figure BDA00032568620000000622
则执行步骤5.4，否则执行步骤5.12；
步骤5.12：返回
Figure BDA00032568620000000623
条路径的路径集合
Figure BDA00032568620000000624
模糊路径报价集合
Figure BDA00032568620000000625
和获胜者集合
Figure BDA00032568620000000626
进一步地，作为本发明的一种优选技术方案，所述步骤4.4中概率比较的计算方法包括以下步骤：
步骤6.1：输入路径
Figure BDA00032568620000000627
获胜者集合
Figure BDA00032568620000000628
Sξ，模糊路径报价
Figure BDA00032568620000000629
获胜用户的标书
Figure BDA00032568620000000630
步骤6.2：由通道＜i,j>模糊交易成本报价
Figure BDA00032568620000000631
的计算可知，每个支付通道都加入了服从拉普拉斯分布的噪声；路径的模糊交易成本报价为路径中每个支付通道的模糊交易成本报价之和，即
Figure BDA00032568620000000632
由
Figure BDA00032568620000000633
的计算可知则有：
Figure BDA00032568620000000634
Figure BDA0003256862000000071
其中
Figure BDA0003256862000000072
Figure BDA0003256862000000073
分别为路径
Figure BDA0003256862000000074
和lξ的噪声；
步骤6.3：模糊路径报价为路径中所有支付通道的模糊成本之和，结合用户的通道＜i,j＞的模糊成本
Figure BDA0003256862000000075
的计算可得到
Figure BDA0003256862000000076
Figure BDA0003256862000000077
其中
Figure BDA0003256862000000078
分别为路径
Figure BDA0003256862000000079
和lξ的隐私成本；
步骤6.4：计算路径
Figure BDA00032568620000000710
的报价
Figure BDA00032568620000000711
不大于路径lξ的报价
Figure BDA00032568620000000712
的概率即
Figure BDA00032568620000000713
路径
Figure BDA00032568620000000714
和lξ的路径报价为每段支付通道的交易成本报价和隐私成本之和，即
Figure BDA00032568620000000715
Figure BDA00032568620000000716
其中
Figure BDA00032568620000000717
结合步骤6.2，可得
Figure BDA00032568620000000718
步骤6.5：步骤6.4中的概率可以看成二维连续变量
Figure BDA00032568620000000719
在平面集合A上的概率，
Figure BDA00032568620000000720
可以使用二重积分计算得到
Figure BDA00032568620000000721
Figure BDA00032568620000000722
其中
Figure BDA00032568620000000723
是
Figure BDA00032568620000000724
的联合概率分布函数；由于每个用户添加的拉普拉斯噪声是独立的，于是可以概率可以转换为
Figure BDA00032568620000000725
Figure BDA00032568620000000726
根据拉普拉斯的分布函数f(ηij)，有
Figure BDA00032568620000000727
步骤6.6：返回概率
Figure BDA00032568620000000728
的值。
进一步地，作为本发明的一种优选技术方案，所述步骤四中任务发布者采用交易费用决定算法计算获胜者wi的交易费用pi，包括以下步骤：
步骤7.1：初始化交易费用集合p为空集，即
Figure BDA00032568620000000729
步骤7.2：对于所有获胜者wi∈Sf，初始化交易费用pi＝0；
步骤7.3：对于所有获胜者wi∈Sf，执行步骤7.4-7.8；
步骤7.4：将获胜者wi及其相关的支付通通道从网络中删除并重新构建支付通道网络，即W′＝W\{wi}，
Figure BDA0003256862000000081
G′＝(W′,E′)；
步骤7.5：利用
Figure BDA0003256862000000082
-最短路径算法
Figure BDA0003256862000000083
找到支付通道网络G′中
Figure BDA0003256862000000084
条路径的路径集合
Figure BDA0003256862000000085
模糊路径报价集合
Figure BDA0003256862000000086
和获胜者集合
Figure BDA0003256862000000087
即
Figure BDA0003256862000000088
步骤7.6：令获胜者wi的交易费用上界
Figure BDA0003256862000000089
Figure BDA00032568620000000810
其中numi是
Figure BDA00032568620000000811
中包含获胜者wi的路径数量，
Figure BDA00032568620000000812
是路径l′k的模糊路径报价；
步骤7.7：在区间
Figure BDA00032568620000000813
上执行二分搜索找到使得获胜者wi成为失败者的最小的价格，令获胜者wi的交易费用pi等于该最小价格；
步骤7.8：将获胜者wi的交易费用存入交易费用集合p，即p＝p∪{pi}；
步骤7.9：返回最终路径lf，所有获胜者的交易费用集合p和路径中的获胜者集合Sf
本发明采用上述技术方案，能产生如下技术效果：
本发明提出的一种面向支付通道网络的个性化隐私保护路由方法，首先形式化了在通道容量和哈希时间锁容忍值约束下的最小化路径成本问题，然后提出了
Figure BDA00032568620000000814
-最短路径算法寻找前
Figure BDA00032568620000000815
个带约束最短路径，再通过概率比较函数确定最终的路径。
因此，本发明方法与现有方法相比，具备的有益效果是：1、能够防止激励攻击和推断攻击，并且能够有效的保护用户的交易成本隐私，并且针对每个用户的实际需求，提供个性化的隐私保护；2、本发明在保护用户的隐私的情况下，能够保证转账任务发起者支付的交易费用较低；3、本发明方法可以满足1/2真实性；4、本发明方法是可以满足1/4个体理性以及差分隐私。
附图说明
图1是本发明面向支付通道网络的个性化隐私保护路由方法的原理示意图。
图2是本发明方法采用的路径选择算法的流程图。
图3是本发明方法采用的
Figure BDA00032568620000000816
-最短路径算法的流程图。
图4是本发明方法采用的概率比较算法的流程图。
图5是发明方法采用的交易费用决定算法的流程图。
图6是本发明实施例的网络拓扑图。
具体实施方式
下面结合说明书附图对本发明的实施方式进行描述。
如图1所示，本发明涉及一种面向支付通道网络的个性化隐私保护路由方法，所述方法基于的支付通道网络系统由n个用户组成，W表示n个用户的集合，该方法包括步骤如下：
步骤一、首先，接收者生成一个随机数并将该随机数使用哈希加密后，将哈希值通过广播信道发送给任务发布者；
步骤二、当收到接收者发送来的哈希值后，任务发布者将转账任务T发布给所有在支付通道网络中的用户，
Figure BDA0003256862000000091
其中
Figure BDA0003256862000000092
为转账任务的任务发布者，d为转账的接收者，g为转账金额；
步骤三、每个想要参与转账任务的用户wi在收到转账任务后提交一组包含个性化隐私保护预算的用户wi与其所有邻居的支付通道的标书
Figure BDA0003256862000000093
其中，wi∈U，U为感兴趣的用户集合；
Figure BDA0003256862000000094
表示用户wi与邻居
Figure BDA0003256862000000095
的支付通道的标书；
其中，用户wi将支付通道的标书设置为一个五元组
Figure BDA0003256862000000096
其中，Bij表示用户wi与其邻居wj之间通道＜i,j>的标书，j∈Ni，所述邻居
Figure BDA0003256862000000097
为用户的邻居wj的集合；
Figure BDA0003256862000000098
表示通道＜i,j>的模糊交易成本报价；rij表示通道＜i,j＞的通道容量；tij表示用户wi将转账金额转给用户wj与用户wj将解密密钥传送给用户wi的时间总和；∈ij是用户wi的通道＜i,j＞的隐私预算，∈ij∈(0,1]；σij是用户wi的通道＜i,j＞的哈希时间锁HTLC容忍值；
并且，每个用户wi的支付通道＜i,j>的交易成本报价为
Figure BDA0003256862000000099
其交易成本为
Figure BDA00032568620000000910
交易成本仅对用户wi已知；用户需要保护其交易成本，用户提交隐私需求，即隐私预算∈ij，则用户产生相应的隐私成本，隐私成本与隐私预算成正比，隐私成本定义为：
Figure BDA00032568620000000911
其中α＞0，α是衡量隐私成本价值的系数；
则对于获胜的支付通道，该通道对应用户的成本为：
Figure BDA0003256862000000101
其中
Figure BDA0003256862000000102
是交易成本，
Figure BDA0003256862000000103
是隐私成本；
以及，设两个用户之间建立一个支付通道的最大成本为Cmax；所有获胜路径对应用户的总成本或者支付的交易费用不能够超过建立支付通道的最大成本Cmax，否则用户之间可以建立通道进行转账交易。
步骤四、给定一个转账任务以及标书集合B＝(B1,B2,…,Bn)，
Figure BDA0003256862000000104
任务发布者构建一个支付通道网络G＝(W,E)，其中W是所有用户的集合，包括转账任务的任务发布者、接收者和想要参与转账任务的用户，E是所有支付通道的集合；所述支付通道网络G由n个用户和m条支付通道构成，每个通道＜i,j>∈都包含模糊交易成本报价
Figure BDA0003256862000000105
通道容量rij、交易时间tij、隐私预算∈ij和HTLC容忍值σij；
所述转账任务的任务发布者以最小化交易路径的成本ci为路径选择目标，采用路径选择算法选择一系列获胜支付通道组成一条路径lf，该路径完成从任务发布者到接收者之间的转账任务；路径
Figure BDA0003256862000000106
其中
Figure BDA0003256862000000107
对每一个获胜的支付通道＜i,j＞，转账任务的任务发布者计算其相应的交易费用pij；路径lf中的所有用户为获胜者，将被加入到获胜者集合Sf；对于获胜者集合Sf中的用户，每个用户都有且只有一条路径被选择成为交易路径，因此将路径<i,j＞的交易费用pij表示为用户wi的交易费用pi。所述路径中的获胜者集合Sf以及交易费用集合
Figure BDA0003256862000000108
其中每个获胜者wi∈Sf的交易费用为pi，pi∈p。
其中，用户wi的效用被定义为交易费用与交易成本之间的差额：
Figure BDA0003256862000000109
步骤五、当获胜路径lf、获胜用户Sf以及每个用户wi∈Sf对应的交易费用pi均完成计算后，转账任务的任务发布者将转账金额、计算的每个用户的交易费用pi以及接收者发送的哈希值发送给获胜者，用户将自己的交易费用以及哈希值保留，将剩余的其他获胜者的交易费用pi、转账金额和哈希值依次传输，直至接收者收到转账金额。
步骤六、接收者收到转账金额并确认无误后，接收者沿着金额转账路径的反向路径传输哈希值的解密密钥；当获胜者收到解密密钥后，使用密钥解开哈希值，表示获胜者在HTLC的容忍值内完成了任务；该获胜者将解密密钥沿反向路径传输，当任务发布者收到该密钥，表示任务发布者知道接收者收到了转账金额，转账任务结束；反之，如果路径中任意一个用户没有在HTLC容忍值内收到解密密钥或者任务发布者未收到解密密钥，表示任务失败，转账金额以及用户的交易费用沿反向路径退回到任务发布者。
本发明方法的步骤三中，用户wi所提交的标书Bi使用拉普拉斯的差分隐私机制对交易成本报价进行个性化隐私保护，能够保护用户的交易成本隐私，并且针对每个用户的实际需求，提供个性化的隐私保护，其过程具体如下：
用户wi的支付通道＜i,j＞的交易成本为
Figure BDA0003256862000000111
交易成本只有用户自己知道，在不使用隐私保护技术的方法中，用户在提交标书时，提交交易成本报价
Figure BDA0003256862000000112
交易成本报价可能会与交易成本不一致，因为用户是自私的，其可能会虚报交易成本以提高自身收益；本发明使用的激励机制方法保证了1/4-个体理性和1/2真实性，这样可以保证用户有至少1/2的概率不会因为改变自身报价增加效用，并且用户有至少1/4的概率能够获得非负的效用，但是这样用户依然存在交易成本泄露的风险；
用户帮助转账任务发布者完成转账任务，会消耗用户通道资源，所以会产生相应的交易成本，那么转账任务发布者需要支付给用户相应的交易费用以补偿用户的交易成本；当每个用户都提交真实的标书，其中包含交易成本，这样在获胜路径被选出之后，失败的用户可能会发起推断攻击，通过在后面的转账任务中调整自己的交易成本，使自己成为获胜用户，就可以知道其他用户的交易成本的范围，经过多次尝试后，能够准确推断出用户的交易成本。
为解决用户面临的推断攻击风险，本发明方法使用拉普拉斯的差分隐私机制在交易成本报价上加上符合拉普拉斯分布的噪声：
Figure BDA0003256862000000113
Figure BDA0003256862000000114
其中，
Figure BDA0003256862000000115
即通道＜i,j＞模糊交易成本报价，ηij是符合拉普拉斯分布的噪声，该分布的均值为0，方差为
Figure BDA0003256862000000116
公式(5)是拉普拉斯的分布函数。
通过公式(4)加入噪声之后，恶意用户只能够推断出用户的模糊交易成本报价，这样用户的交易成本能够得到保护；同时，公式(5)中的拉普拉斯分布函数和用户的隐私预算∈ij相关，用户的隐私预算不同，噪声的分布也不同，可以提供个性化的隐私保护。
根据公式(2)和(4)，则任务发布者得到的用户的通道＜i,j＞的模糊成本为模糊交易成本报价与隐私成本之和，即：
Figure BDA0003256862000000121
本发明方法的步骤四中，转账任务的任务发布者以最小化交易路径的成本ci为路径选择目标，构建的目标函数具体为：
min∑ci,i∈Sf (7)
Figure BDA0003256862000000122
Figure BDA0003256862000000123
Figure BDA0003256862000000124
Figure BDA0003256862000000125
其中，约束条件的公式(8)表示支付通道＜i,i+1＞的HTLC容忍值σi,i+1不小于其下一跳支付通道＜i+1,i+2＞的HTLC容忍值σi+1,i+2与该通道的交易时间ti,i+1的总和，其中，|Sf|为获胜者的数量，i∈{0,1,…,|Sf|-1}表示用户wi可以取转账任务的发布者以及前|Sf|-1个获胜者；公式(9)表示路径中的最后一跳支付通道＜|Sf|,|Sf|+1>的HTLC容忍值
Figure BDA0003256862000000126
不小于其交易时间
Figure BDA0003256862000000127
公式(10)表示路径中支付通道＜i,i+1＞的容量ri,i+1不小于转账金额g与其后的所有获胜者的交易费用
Figure BDA0003256862000000128
总和，其中pj∈p；公式(11)表示路径中最后一跳支付通道<|Sf|,|Sf|+1＞的通道容量
Figure BDA0003256862000000129
不小于转账金额g。
本发明方法的步骤四中，转账任务的任务发布者采用路径选择算法选择一系列获胜支付通道组成一条路径lf，如图2所示，包括以下步骤：
步骤4.1：输入支付通道网络G，路径数量
Figure BDA00032568620000001210
转账金额g，近似参数γ；
步骤4.2：调用
Figure BDA00032568620000001211
-最短路径算法
Figure BDA00032568620000001212
得到前
Figure BDA00032568620000001213
条最短路径，即
Figure BDA00032568620000001214
Figure BDA00032568620000001215
其中
Figure BDA00032568620000001216
为
Figure BDA00032568620000001217
条路径的集合，
Figure BDA00032568620000001218
为
Figure BDA00032568620000001219
条路径的模糊路径报价集合，
Figure BDA00032568620000001220
为
Figure BDA00032568620000001221
条路径的获胜者集合；
步骤4.3：初始化最小模糊路径成本的路径lmin为
Figure BDA0003256862000000131
条路径中的第一条路径，即l1，初始化最终路径lf为空集，即
Figure BDA0003256862000000132
初始化最终路径中获胜者集合Sf为空集，即
Figure BDA0003256862000000133
步骤4.4：将剩余的
Figure BDA0003256862000000134
条路径分别与lmin进行比较，如果第k条路径lk的交易成本报价
Figure BDA0003256862000000135
比路径lmin的交易成本报价
Figure BDA0003256862000000136
低的概率大于1/2即
Figure BDA0003256862000000137
那么就将lmin替换为路径lk即lmin＝lk，其中Pr为概率比较函数；
步骤4.5：将步骤4.4所得路径lmin确定为最终路径，即lf＝lmin；路径lf中的获胜者集合Sf为lmin中的用户集合
Figure BDA0003256862000000138
即
Figure BDA0003256862000000139
更进一步地，所述步骤4.2中调用
Figure BDA00032568620000001310
-最短路径算法
Figure BDA00032568620000001311
得到前
Figure BDA00032568620000001312
条最短路径，如图3所示，包括以下步骤：
步骤5.1：输入支付通道网络G，路径数量
Figure BDA00032568620000001313
转账金额g，近似参数γ；
步骤5.2：初始化路径序号k＝1，初始化候选路径集合
Figure BDA00032568620000001314
初始化
Figure BDA00032568620000001315
条路径集合
Figure BDA00032568620000001316
初始化
Figure BDA00032568620000001317
条路径的模糊路径报价集合
Figure BDA00032568620000001318
初始化
Figure BDA00032568620000001319
条路径获胜者集合
Figure BDA00032568620000001320
步骤5.3：使用DCLC算法选出第一条路径，以及其模糊路径报价和获胜者集合，即
Figure BDA00032568620000001321
其中lk保存选出的路径，
Figure BDA00032568620000001322
是模糊路径报价，为路径中所有支付通道的模糊成本之和，即
Figure BDA00032568620000001323
Sk是获胜者集合，
Figure BDA00032568620000001324
在支付通道网络为G，以
Figure BDA00032568620000001325
为起点，d为终点，转账金额为g，近似参数为γ的条件下，返回一条满足所构建的目标函数的公式(8)-(11)的最短路径；
步骤5.4：初始化路径存储
Figure BDA00032568620000001326
用户集合W′初始化为W，支付通道集合E′初始化为E；
步骤5.5：对于第k条路径中的所有节点
Figure BDA00032568620000001327
按照在路径中的顺序依次执行步骤5.6-步骤5.9；
步骤5.6：如果节点
Figure BDA00032568620000001328
不是第一个节点，那么将节点的前驱
Figure BDA00032568620000001329
从网络中删除，即
Figure BDA00032568620000001330
并将前一跳支付通道＜v-1,v＞加入到l0中，即
Figure BDA00032568620000001331
其中运算
Figure BDA00032568620000001332
指路径拼接；若节点
Figure BDA00032568620000001333
是第一个节点，则执行步骤5.7；
步骤5.7：将节点
Figure BDA00032568620000001334
与下一跳相连的支付通道从网络中删除，即E′＝E′\{<v,v+1＞}，构造支付通道网络G′＝(W′,E′)；
步骤5.8：使用新的网络G′以及当前的节点
Figure BDA00032568620000001335
作为起始点，使用DCLC算法选出新的最短路径，其中包含路径
Figure BDA0003256862000000141
模糊路径报价
Figure BDA0003256862000000142
以及获胜节点集合
Figure BDA0003256862000000143
即
Figure BDA0003256862000000144
Figure BDA0003256862000000145
步骤5.9：如果获得的路径
Figure BDA0003256862000000146
不是空集，那么就将该路径与l0连接，即
Figure BDA0003256862000000147
并将该路径存入候选路径集合tem，即
Figure BDA0003256862000000148
若
Figure BDA0003256862000000149
是空集，则执行步骤5.5；
步骤5.10：令k＝k+1，在tem集合中选择一个模糊路径报价最低的路径作为第k条路径，即
Figure BDA00032568620000001410
将该路径从候选路径集合tem中删除，即
Figure BDA00032568620000001411
步骤5.11：令
Figure BDA00032568620000001412
如果
Figure BDA00032568620000001413
则执行步骤5.4，否则执行步骤5.12；
步骤5.12：返回
Figure BDA00032568620000001414
条路径的路径集合
Figure BDA00032568620000001415
模糊路径报价集合
Figure BDA00032568620000001416
和获胜者集合
Figure BDA00032568620000001417
更进一步地，所述步骤4.4中概率比较的计算方法，如图4所示，包括以下步骤：
步骤6.1：输入路径
Figure BDA00032568620000001418
获胜者集合
Figure BDA00032568620000001419
模糊路径报价
Figure BDA00032568620000001420
获胜用户的标书
Figure BDA00032568620000001421
步骤6.2：由公式(4)可知，每个支付通道都加入了服从拉普拉斯分布的噪声；路径的模糊交易成本报价为路径中每个支付通道的模糊交易成本报价之和，即
Figure BDA00032568620000001422
Figure BDA00032568620000001423
由公式(4)有
Figure BDA00032568620000001424
Figure BDA00032568620000001425
其中
Figure BDA00032568620000001426
分别为路径
Figure BDA00032568620000001427
和lξ的噪声；
步骤6.3：模糊路径报价为路径中所有支付通道的模糊成本之和，结合公式(6)可得到
Figure BDA00032568620000001428
其中
Figure BDA00032568620000001429
分别为路径
Figure BDA00032568620000001430
和lξ的隐私成本；
步骤6.4：计算路径
Figure BDA00032568620000001431
的报价
Figure BDA00032568620000001432
不大于路径lξ的报价
Figure BDA00032568620000001433
的概率即
Figure BDA00032568620000001434
路径
Figure BDA00032568620000001435
和lξ的路径报价为每段支付通道的交易成本报价和隐私成本之和，即
Figure BDA00032568620000001436
Figure BDA00032568620000001437
其中
Figure BDA00032568620000001438
结合步骤6.2，可得
Figure BDA0003256862000000151
步骤6.5：步骤6.4中的概率可以看成二维连续变量
Figure BDA0003256862000000152
在平面集合A上的概率，
Figure BDA0003256862000000153
可以使用二重积分计算得到
Figure BDA0003256862000000154
Figure BDA0003256862000000155
其中
Figure BDA0003256862000000156
是
Figure BDA0003256862000000157
的联合概率分布函数；由于每个用户添加的拉普拉斯噪声是独立的，于是可以概率可以转换为
Figure BDA0003256862000000158
Figure BDA0003256862000000159
根据公式(5)，有
Figure BDA00032568620000001510
步骤6.6：返回概率
Figure BDA00032568620000001511
的值。
本发明方法的步骤四中，任务发布者采用交易费用决定算法计算获胜者wi的交易费用pi，如图5所示，包括以下步骤：
步骤7.1：初始化交易费用集合p为空集，即
Figure BDA00032568620000001512
步骤7.2：对于所有获胜者wi∈Sf，初始化交易费用pi＝0；
步骤7.3：对于所有获胜者wi∈Sf，执行步骤7.4-7.8；
步骤7.4：将获胜者wi及其相关的支付通通道从网络中删除并重新构建支付通道网络，即W′＝W\{wi}，
Figure BDA00032568620000001513
G′＝(W′,E′)；
步骤7.5：利用
Figure BDA00032568620000001514
-最短路径算法
Figure BDA00032568620000001515
找到支付通道网络G′中
Figure BDA00032568620000001516
条路径的路径集合
Figure BDA00032568620000001517
模糊路径报价集合
Figure BDA00032568620000001518
和获胜者集合
Figure BDA00032568620000001519
即
Figure BDA00032568620000001520
步骤7.6：令获胜者wi的交易费用上界
Figure BDA00032568620000001521
Figure BDA00032568620000001522
其中numi是
Figure BDA00032568620000001523
中包含获胜者wi的路径数量，
Figure BDA00032568620000001524
是路径l′k的模糊路径报价；
步骤7.7：在区间
Figure BDA00032568620000001525
上执行二分搜索找到使得获胜者wi成为失败者的最小的价格，令获胜者wi的交易费用pi等于该最小价格；
步骤7.8：将获胜者wi的交易费用存入交易费用集合p，即p＝p∪{pi}；
步骤7.9：返回最终路径lf，所有获胜者的交易费用集合p和路径中的获胜者集合Sf。
因此，本发明提出的一种面向支付通道网络的个性化隐私保护路由方法，能够有效的保护用户的成本隐私；在保护用户的隐私的情况下，能够保证转账任务发起者支付的交易费用较低。并且，本发明方法是满足1/2真实性的、满足1/4个体理性以及差分隐私的。
为了验证本发明的面向支付通道网络的个性化隐私保护路由方法的可行性，现通过计算运行时间、真实性、个体理性、差分隐私性来进行验证说明。具体如下：
1、本发明所述的一种面向支付通道网络的个性化隐私保护路由方法的运行时间为
Figure BDA0003256862000000161
证明：首先分析步骤4.1-4.5的路径选择方法的运行时间；步骤4.2中调用
Figure BDA00032568620000001615
算法得到前
Figure BDA0003256862000000162
条最短路径，
Figure BDA0003256862000000163
算法的运行时间由步骤5.1-5.12的算法得到；步骤5.3的DCLC算法需要的时间为O(mn(loglogn+1/γ))；步骤5.4-5.11，需要选出待选的
Figure BDA0003256862000000164
条路径，并且每次需要遍历第k条路径的每一个节点(步骤5.5)，并以该节点作为起始节点重新计算新的路径，因此步骤5.4-5.11的需要的时间为
Figure BDA0003256862000000165
所以步骤4.2需要的时间为
Figure BDA0003256862000000166
步骤4.4需要通过比较路径交易成本报价低的概率，需要的时间为O(n)，综上步骤4.1-4.5的路径选择方法的运行时间为
Figure BDA0003256862000000167
Figure BDA0003256862000000168
接下来分析步骤7.1-7.9的交易费用计算的运行时间，步骤7.2的交易费用初始化的时间为O(n)，步骤7.3-7.8，针对所有的获胜者，主要的时间是步骤7.7中使用二分搜索找到用户的交易费用，二分搜索需要的时间为
Figure BDA0003256862000000169
由于每个用户的模糊交易成本报价不会高于Cmax，所以需要的时间为
Figure BDA00032568620000001610
每次搜索需要运行
Figure BDA00032568620000001611
算法重新计算
Figure BDA00032568620000001612
条路径，并重新计算获胜者，所以运行时间为
Figure BDA00032568620000001613
综上所述，整个算法的执行时间为
Figure BDA00032568620000001614
2、本发明所述的一种面向支付通道网络的个性化隐私保护路由方法是1/2-真实的；
证明：要证明真实性，就要证明符合梅尔森定理，即一个拍卖方法是真实的，当且仅当：
(a)、选择规则是单调的：如果用户i以bi的报价在拍卖中获胜，那么他以b′i≤bi的报价也能够获胜；
(b)、每个获胜者的报酬是他的关键价值。如果该用户报价高于该值，那么他不再是获胜者。
首先需要证明路径选择算法是单调的。如果路径选择算法是基于交易成本而不是模糊交易成本报价，那么路径选择为单调的；因此，我们需要证明基于模糊交易成本报价满足单调性的概率。不失一般性的，假设有交易成本报价
Figure BDA0003256862000000171
那么
Figure BDA0003256862000000172
的概率可以如下计算：
Figure BDA0003256862000000173
根据步骤6.5，则有：
Figure BDA0003256862000000174
这表明，路径选择算法有至少1/2的概率是单调的。特别的，如果交易成本报价的变化越大，那么单调性的概率越大。
进一步的，证明得到的交易费用pi是关键价值。步骤7.6将
Figure BDA0003256862000000175
设置为二分搜索的最大值，也就是关键价值的最大值；如果用户wi的模糊交易成本报价大于关键价值，即
Figure BDA0003256862000000176
则有：
Figure BDA0003256862000000177
这表示当用户的模糊交易成本报价大于关键价值时，得到的包含用户wi的
Figure BDA0003256862000000178
条最短路径
Figure BDA0003256862000000179
将会被
Figure BDA00032568620000001710
替代。
假设本发明提出的路径选择算法以及交易费用决定算法是单调的，可以使用二分搜索在
Figure BDA00032568620000001711
中搜索到最低的交易费用；但是由于单调的概率至少是1/2，所以本发明提出的算法的真实性为1/2-真实的。
3、本发明所述的一种面向支付通道网络的个性化隐私保护路由方法是1/4-个体理性：每个用户能够以至少1/4的概率通过真实报价获得非负的效用；
证明：根据公式(3)，对于用户wi，则有
Figure BDA0003256862000000181
因此，用户能够获得一个非负效用的概率可以转换为用户获得的交易费用pi大于
Figure BDA0003256862000000182
的概率，如下所示：
Figure BDA0003256862000000183
其中
Figure BDA0003256862000000184
表示真实性的概率，根据真实性概率，我们有
Figure BDA0003256862000000185
由于
Figure BDA0003256862000000186
是交易费用pi的下界，所以
Figure BDA0003256862000000187
更进一步，可以发现
Figure BDA0003256862000000188
Figure BDA0003256862000000189
因此，
Figure BDA00032568620000001810
即用户有至少1/4的概率有非负的效用。
4、本发明所述的一种面向支付通道网络的个性化隐私保护路由方法对于任意的支付通道＜i,j＞是∈ij–差分隐私的；
证明：
Figure BDA00032568620000001811
是通道＜i,j＞的交易成本报价，用户在
Figure BDA00032568620000001812
中加入了符合拉普拉斯分布的噪声，即
Figure BDA00032568620000001813
对任意的两个报价集合Bij和B′ij，输出为模糊交易成本报价
Figure BDA00032568620000001814
因此可以得到：
Figure BDA00032568620000001815
其中最后一个不等式是根据用户的报价不会超过Cmax得到的，即
Figure BDA00032568620000001816
为了更清楚地说明本发明的技术方案，下面将对本发明中进行进一步的叙述；显而易见地，下面描述中的仅仅是一部分的实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些将本发明所述的技术方案应用于其它类似情景；为了更清楚地说明本发明的技术方案，下面结合附图对本发明的技术方案做进一步的详细说明：
本发明所述的一种面向支付通道网络的个性化隐私保护路由方法包含如图1所示的6个步骤。
用一个例子模拟本发明所述一种面向支付通道网络的个性化隐私保护路由方法的运行：这里接收者发送给发布者哈希值的步骤省略，本例子中网络系统中共有7个用户，其网络拓扑结构如图6所示。任务发布者会发布转账任务T＝(1,7,5)表示用户w1向用户w7转账5元。当用户收到任务发布者发布的任务后，用户会提交包含隐私保护预算的标书，用户的标书以及其他参数的取值如表1所示：
表1.参数设置
Figure BDA0003256862000000191
根据表1中的参数设置最终得到的各数据的具体数值如表2-6所示：
表2：各通道模糊交易成本报价
w<sub>1</sub> w<sub>2</sub> w<sub>3</sub> w<sub>4</sub> w<sub>5</sub> w<sub>6</sub> w<sub>7</sub>
w<sub>1</sub> Inf 0.3635 0.87 1.0785 Inf Inf Inf
w<sub>2</sub> 1.1617 0.3211 0.8177 Inf 0.7552 Inf Inf
w<sub>3</sub> 0.9152 Inf Inf 1.2779 Inf 0.5653 Inf
w<sub>4</sub> 1.2755 0.6682 0.7584 Inf Inf Inf 0.9298
w<sub>5</sub> Inf Inf Inf Inf Inf 0.7604 Inf
w<sub>6</sub> Inf Inf 0.9794 Inf 0.3753 Inf 0.5657
w<sub>7</sub> Inf Inf Inf 1.0479 Inf 0.7737 Inf
表3：各通道通道容量报价
Figure BDA0003256862000000192
Figure BDA0003256862000000201
表4：各通道HTCL时间容忍报价
w<sub>1</sub> w<sub>2</sub> w<sub>3</sub> w<sub>4</sub> w<sub>5</sub> w<sub>6</sub> w<sub>7</sub>
w<sub>1</sub> Inf 5 4 4 Inf Inf Inf
w<sub>2</sub> 3 Inf 4 Inf 4 Inf Inf
w<sub>3</sub> 5 5 Inf 5 Inf 4 Inf
w<sub>4</sub> 3 Inf 3 Inf Inf Inf 3
w<sub>5</sub> Inf 4 Inf Inf Inf 5 Inf
w<sub>6</sub> Inf Inf 4 Inf 5 Inf 4
w<sub>7</sub> Inf Inf Inf 4 Inf 4 Inf
表5：各通道传输时间报价
w<sub>1</sub> w<sub>2</sub> w<sub>3</sub> w<sub>4</sub> w<sub>5</sub> w<sub>6</sub> w<sub>7</sub>
w<sub>1</sub> Inf 0.6774 0.9251 0.92937 Inf Inf Inf
w<sub>2</sub> 0.4062 Inf 0.3532 Inf 0.019 Inf Inf
w<sub>3</sub> 0.8475 0.2525 Inf 0.589 Inf 0.2685 Inf
w<sub>4</sub> 0.7373 Inf 0.1222 Inf Inf Inf 0.7696
w<sub>5</sub> Inf 0.7960 Inf Inf Inf 0.9405 Inf
w<sub>6</sub> Inf Inf 0.0076 Inf 0.3953 Inf 0.1151
w<sub>7</sub> Inf Inf Inf 0.2494 Inf 0.4258 Inf
表6：各通道隐私预算报价
w<sub>1</sub> w<sub>2</sub> w<sub>3</sub> w<sub>4</sub> w<sub>5</sub> w<sub>6</sub> w<sub>7</sub>
w<sub>1</sub> Inf 0.2823 0.7174 0.9755 Inf Inf Inf
w<sub>2</sub> 0.9392 Inf 0.0935 Inf 0.9043 Inf Inf
w<sub>3</sub> 0.8171 0.040 Inf 0.9805 Inf 0.7154 Inf
w<sub>4</sub> 0.9484 Inf 0.3802 Inf Inf Inf 0.1581
w<sub>5</sub> Inf 0.5016 Inf Inf Inf 0.4924 Inf
w<sub>6</sub> Inf Inf 0.936 Inf 0.0490 Inf 0.94883
w<sub>7</sub> Inf Inf Inf 0.0607 Inf 0.5209 Inf
任务发布者在收到用户的标书之后，根据表2-表6的通道参数，构成支付通道网络G，接着运行路径选择算法选择一条获胜路径并通知获胜路径中的用户。路径选择算法目的是选择一条路径完成转账任务，并且最小化交易路径的成本，其过程如图2所示，步骤如下：
步骤4.1：输入网络G，路径数量
Figure BDA0003256862000000211
转账金额g＝5，近似参数γ＝2；
步骤4.2：调用
Figure BDA0003256862000000212
-最短路径算法
Figure BDA0003256862000000213
计算前3条最短路径，得到
Figure BDA0003256862000000214
Figure BDA0003256862000000215
其中l1＝1-4-7，
Figure BDA0003256862000000216
S1＝{4}，l2＝1-3-6-7，
Figure BDA0003256862000000217
S2＝{3,6}，l3＝1-4-3-6-7，
Figure BDA0003256862000000218
S3＝{4,3,6}；
步骤4.3：
Figure BDA0003256862000000219
初始化最小模糊路径成本的路径lmin＝l1，
Figure BDA00032568620000002110
步骤4.4：根据步骤4.3，需要比较两条路径之间交易成本报价小的概率，先选择一条路径l2，需要调用方法中的步骤6.1-6.6计算概率值，可以得到
Figure BDA00032568620000002111
1/2，再选择路径l3，同样的方法得到
Figure BDA00032568620000002112
步骤4.5：得到lf＝lmin＝1-4-7，
Figure BDA00032568620000002113
其中，所述步骤4.2中调用
Figure BDA00032568620000002114
-最短路径算法
Figure BDA00032568620000002115
的过程如图3所示，步骤如下：
步骤5.1：输入网络G，路径数量
Figure BDA00032568620000002116
转账金额g＝5，近似参数γ＝2；
步骤5.2：初始化k＝1，
Figure BDA00032568620000002117
步骤5.3：依照方法中步骤5.3中的DCLC算法，可以得到第一条最短路径l1＝1-4-7，
Figure BDA00032568620000002118
S1＝{4}，
Figure BDA00032568620000002119
步骤5.4：初始化
Figure BDA00032568620000002120
W′＝W，E′＝E；
步骤5.5：在l1的基础上求l2，对l1上所有节点，执行步骤5.6-5.9，执行过程如表7所示：
表7：路径l1的节点偏移路径及候选路径集合tem求解流程
Figure BDA00032568620000002121
步骤5.10：令k＝2，选择表7的候选路径集合tem中模糊路径报价最低的路径
Figure BDA00032568620000002122
Figure BDA00032568620000002123
作为第二条最短路径，并将该路径从tem中删除，
Figure BDA00032568620000002124
l2＝1-3-6-7，
Figure BDA00032568620000002125
步骤5.11：
Figure BDA00032568620000002126
所以转步骤5.4，继续计算第三条最短路径；
然后，再次执行步骤5.4至5.11，计算得到第三条最短路径，具体如下：
步骤5.4：初始化
Figure BDA00032568620000002127
W′＝W，E′＝E，
步骤5.5：在l2的基础上求l3，对l2上所有节点，执行步骤5.6-5.9，执行过程如表8所示：
表8：路径l2的节点偏移路径及候选路径集合tem求解流程
Figure BDA0003256862000000221
步骤5.10：令k＝3，选择表8的候选路径集合tem中模糊路径报价最低的路径
Figure BDA0003256862000000222
作为第三条最短路径，并将该路径从tem中删除，
Figure BDA0003256862000000223
l3＝1-4-3-6-7，
Figure BDA0003256862000000224
步骤5.11：
Figure BDA0003256862000000225
所以执行步骤5.12；
最终，执行步骤5.12：返回
Figure BDA0003256862000000226
所述步骤4.4中概率比较的计算方法，如图4所示，具体步骤如下：
步骤6.1：输入l1，l2，获胜者集合S1＝{4}，S2＝{3,6}，
Figure BDA0003256862000000227
获胜用户的标书B4，B3，B6；
步骤6.2：路径l1和l2的路径模糊交易成本报价分别为
Figure BDA0003256862000000228
步骤6.3：模糊路径报价分别为
Figure BDA0003256862000000229
步骤6.4：
Figure BDA00032568620000002210
步骤6.5：
Figure BDA00032568620000002211
Figure BDA00032568620000002212
步骤6.6：返回
Figure BDA00032568620000002213
进一步，从路径选择算法的步骤4.1至4.5中选出最短路径lf之后，lf＝1-4-7，其获胜者集合Sf＝{4}，所以需要计算获胜者w4的交易费用，其算法如图5所示，具体步骤如下：
步骤7.1：初始化
Figure BDA00032568620000002214
步骤7.2：初始化交易费用p4＝0；
步骤7.3：对于获胜者w4∈Sf，执行步骤7.4-7.8；
步骤7.4：将用户w4以及与其相连的支付通道从网络中删除并重新构建支付通道网络，即W′＝W\{w4}，
Figure BDA0003256862000000231
G′＝(W′,E′)；
步骤7.5：利用步骤5.1-5.12重新选取的三条路径分别为l1′＝1-3-6-7，
Figure BDA0003256862000000232
S1′＝{3,6}，l2′＝1-2-3-6-7，
Figure BDA0003256862000000233
S2′＝{3,6}，l3′＝1-2-5-6-7，
Figure BDA0003256862000000234
S3′＝{2,5,6},
Figure BDA00032568620000002312
步骤7.6：令
Figure BDA0003256862000000236
numi＝2，可以计算得到
Figure BDA0003256862000000237
步骤7.7：利用二分法，令
Figure BDA0003256862000000238
此时，当使用
Figure BDA0003256862000000239
算法选择前
Figure BDA00032568620000002310
条路径时，获胜者w4成为了失败者，未被选进前
Figure BDA00032568620000002311
条路径；
步骤7.8：所以，获胜者w4的交易费用p4为1.2326，p＝p∪p4；
步骤7.9：返回lf＝1-4-7，p＝{1.2326，Sf＝{4}。
当lf＝1-4-7，p＝{1.2326}，Sf＝{4]计算完成后，转账任务的任务发布者w1将会将转账金额g＝5、哈希值以及交易费用p4通过路径1-4-7传到接收者w7处，接收者w7收到转账金额后，在确认无误后将解密密钥沿着路径7-4-1传输，获胜者w4收到解密密钥后，表示自己的任务完成了，任务发布者w1收到解密密钥后，知道接收者w7收到转账金额，任务完成。
综上，本发明提出的一种面向支付通道网络的个性化隐私保护路由方法能够防止激励攻击和推断攻击，并且能够有效的保护用户的交易成本隐私，并且是满足1/2真实性，1/4个体理性以及差分隐私的。
根据上述内容，本发明还可以作出不同的变形；本发明披露的主题能够以不同的形式和例子所实现，并且本申请可以被应用于大量的应用程序中；权利要求中所要求保护的所有应用、修饰以及改变都属于本发明申请的范围。
同时，本发明使用了特定词语来描述实施例；如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点；因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例；此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
同理，应当注意的是，为了简化本发明披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本发明实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中；但是，这种披露方法并不意味着本发明对象所需要的特征比权利要求中提及的特征多；实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
最后，应当理解的是，本发明中所述实施例仅用以说明本发明实施例的原则；其他的变形也可能属于本发明的范围；因此，作为示例而非限制，本发明实施例的替代配置可视为与本发明的教导一致；相应地，本发明的实施例不限于本发明明确介绍和描述的实施例。

Claims (7)

1.一种面向支付通道网络的个性化隐私保护路由方法，其特征在于，所述方法基于的支付通道网络系统由n个用户组成，W表示n个用户的集合，该方法包括步骤如下：
步骤一、接收者生成一个随机数并将该随机数使用哈希加密后，将哈希值通过广播信道发送给任务发布者；
步骤二、当收到接收者发送来的哈希值后，任务发布者将转账任务T发布给所有在支付通道网络中的用户，
Figure FDA00032568619900000112
其中
Figure FDA00032568619900000113
为转账任务的任务发布者，
Figure FDA00032568619900000114
为转账的接收者，g为转账金额；
步骤三、每个想要参与转账任务的用户wi在收到转账任务后提交一组包含个性化隐私保护预算的用户wi与其所有邻居的支付通道的标书
Figure FDA0003256861990000011
其中，wi∈U，U为感兴趣的用户集合；
Figure FDA0003256861990000012
表示用户wi与邻居
Figure FDA0003256861990000013
的支付通道的标书；
其中，用户将支付通道的标书设置为一个五元组
Figure FDA0003256861990000014
其中，Bij表示用户wi与其邻居wj之间通道<i,j>的标书，j∈Ni，所述邻居
Figure FDA0003256861990000015
为用户的邻居wj的集合；
Figure FDA0003256861990000016
表示通道<i,j>的模糊交易成本报价；rij表示通道<i,j>的通道容量；tij表示用户wi将转账金额转给用户wj与用户wj将解密密钥传送给用户wi的时间总和；∈ij是用户wi的通道<i,j>的隐私预算，∈ij∈(0,1]；σij是用户wi的通道<i,j>的哈希时间锁HTLC容忍值；
并且，每个用户wi的支付通道<i,j>的交易成本报价为
Figure FDA0003256861990000017
其交易成本为
Figure FDA0003256861990000018
交易成本仅对用户wi已知；用户wi提交的标书Bi包含用户的通道<i,j>的隐私预算∈ij，则用户产生相应的隐私成本，隐私成本与隐私预算成正比，将隐私成本定义为：
Figure FDA0003256861990000019
其中α＞0，α是衡量隐私成本价值的系数；
则对于获胜的支付通道，该通道对应用户的成本为：
Figure FDA00032568619900000110
以及，在两个用户之间建立一个支付通道的最大成本为Cmax；
步骤四、给定一个转账任务以及标书集合B＝(B1,B2,…,Bn)，
Figure FDA00032568619900000111
任务发布者构建一个支付通道网络G＝(W,E)，其中W是所有用户的集合，包括转账任务的任务发布者、接收者和想要参与转账任务的用户，E是所有支付通道的集合；所述支付通道网络G由n个用户和m条支付通道构成，每个通道<i,j>∈都包含模糊交易成本报价
Figure FDA0003256861990000021
通道容量rij、交易时间tij、隐私预算∈ij和HTLC容忍值σij；
该转账任务的任务发布者以最小化交易路径的成本ci为路径选择目标，采用路径选择算法选择一系列获胜支付通道组成一条路径lf，该路径完成从任务发布者到接收者之间的转账任务；对每一个获胜的支付通道<i,j>，任务发布者计算其相应的交易费用pij；路径lf中的所有用户为获胜者，将被加入到获胜者集合Sf；对于获胜者集合Sf中的用户，每个用户都有且只有一条路径被选择成为交易路径，因此将路径<i,j>的交易费用pij表示为用户wi的交易费用pi；
步骤五、任务发布者将转账金额、计算的每个用户的交易费用pi以及接收者发送的哈希值发送给获胜者，获胜者将自己的交易费用以及哈希值保留，将剩余的其他获胜者的交易费用pi、转账金额和哈希值依次传输，直至接收者收到转账金额；
步骤六、接收者收到转账金额并确认无误后，接收者沿着金额转账路径的反向路径传输哈希值的解密密钥；当获胜者收到解密密钥后，使用密钥解开哈希值，表示获胜者在HTLC的容忍值内完成了任务；该获胜者将解密密钥沿反向路径传输，当任务发布者收到该密钥，表示任务发布者知道接收者收到了转账金额，转账任务结束；反之，如果路径中任意一个获胜者没有在HTLC容忍值内收到解密密钥或者任务发布者未收到解密密钥，表示任务失败，转账金额以及用户的交易费用沿反向路径退回到任务发布者。
2.根据权利要求1所述的面向支付通道网络的个性化隐私保护路由方法，其特征在于，所述步骤三中用户所提交的标书使用拉普拉斯的差分隐私机制对交易成本报价进行个性化隐私保护，具体为：用户使用拉普拉斯的差分隐私机制在交易成本报价上加上符合拉普拉斯分布的噪声：
Figure FDA0003256861990000022
Figure FDA0003256861990000023
其中，
Figure FDA0003256861990000024
是通道<i,j>的模糊交易成本报价，ηij是符合拉普拉斯分布的噪声，该分布的均值为0，方差为
Figure FDA0003256861990000025
f(ηij)是拉普拉斯的分布函数；
并且，所述任务发布者计算得到用户的通道<i,j>的模糊成本为通道<i,j>的模糊交易成本报价
Figure FDA0003256861990000031
与隐私成本
Figure FDA0003256861990000032
之和，即：
Figure FDA0003256861990000033
3.根据权利要求1所述的面向支付通道网络的个性化隐私保护路由方法，其特征在于，所述步骤四中任务发布者以最小化交易路径的成本ci为路径选择目标，构建的目标函数为：
min∑ci,i∈Sf (7)
Figure FDA0003256861990000034
Figure FDA0003256861990000035
Figure FDA0003256861990000036
Figure FDA0003256861990000037
其中，约束条件中的公式(8)表示支付通道<i,i+1>的HTLC容忍值σi,i+1不小于其下一跳支付通道<i+1,i+2>的HTLC容忍值σi+1,i+2与通道<i,i+1>的交易时间ti,i+1的总和，其中|Sf|为获胜者的数量，i∈{0,1,…,|Sf|-1}表示用户wi取转账任务的发布者以及前|Sf|-1个获胜者；公式(9)表示路径中的最后一跳支付通道<|Sf|,|Sf|+1>的HTLC容忍值
Figure FDA0003256861990000038
不小于其交易时间
Figure FDA0003256861990000039
公式(10)表示路径中支付通道<i,i+1>的容量ri,i+1不小于转账金额g与其后的所有获胜者的交易费用
Figure FDA00032568619900000310
总和，其中pj∈p；公式(11)表示路径中最后一跳支付通道<|Sf|,|Sf|+1>的通道容量
Figure FDA00032568619900000311
不小于转账金额g。
4.根据权利要求1所述的面向支付通道网络的个性化隐私保护路由方法，其特征在于，所述步骤四中任务发布者采用路径选择算法选择一系列获胜支付通道组成一条路径lf，包括以下步骤：
步骤4.1：输入支付通道网络G，路径数量
Figure FDA00032568619900000312
转账金额g，近似参数γ；
步骤4.2：调用
Figure FDA00032568619900000313
-最短路径算法
Figure FDA00032568619900000314
得到前
Figure FDA00032568619900000315
条最短路径，即
Figure FDA00032568619900000316
Figure FDA00032568619900000317
其中
Figure FDA00032568619900000318
为
Figure FDA00032568619900000319
条路径的集合，
Figure FDA00032568619900000320
为
Figure FDA00032568619900000321
条路径的模糊路径报价集合，
Figure FDA00032568619900000322
为
Figure FDA00032568619900000323
条路径的获胜者集合；
步骤4.3：初始化最小模糊路径成本的路径lmin为
Figure FDA00032568619900000324
条路径中的第一条路径，即l1，初始化最终路径lf为空集，即
Figure FDA00032568619900000325
初始化最终路径中获胜者集合Sf为空集，即
Figure FDA00032568619900000326
步骤4.4：将剩余的
Figure FDA00032568619900000435
条路径分别与lmin进行比较，如果第k条路径lk的交易成本报价
Figure FDA0003256861990000041
比路径lmin的交易成本报价
Figure FDA0003256861990000042
低的概率大于1/2即
Figure FDA0003256861990000043
那么就将lmin替换为路径lk即lmin＝lk，其中Pr为概率比较函数；
步骤4.5：将步骤4.4所得路径lmin确定为最终路径，即lf＝lmin；路径lf中的获胜者集合Sf为lmin中的用户集合
Figure FDA00032568619900000436
即
Figure FDA00032568619900000437
5.根据权利要求4所述的面向支付通道网络的个性化隐私保护路由方法，其特征在于，所述步骤4.2中调用
Figure FDA0003256861990000044
-最短路径算法
Figure FDA0003256861990000045
得到前
Figure FDA0003256861990000046
条最短路径，包括以下步骤：
步骤5.1：输入支付通道网络G，路径数量
Figure FDA0003256861990000047
转账金额g，近似参数γ；
步骤5.2：初始化路径序号k＝1，初始化候选路径集合
Figure FDA0003256861990000048
初始化
Figure FDA0003256861990000049
条路径集合
Figure FDA00032568619900000410
初始化
Figure FDA00032568619900000411
条路径的模糊路径报价集合
Figure FDA00032568619900000412
初始化
Figure FDA00032568619900000413
条路径获胜者集合
Figure FDA00032568619900000414
步骤5.3：使用DCLC算法选出第一条路径，以及其模糊路径报价和获胜者集合，即
Figure FDA00032568619900000415
其中lk保存选出的路径，
Figure FDA00032568619900000416
是模糊路径报价，为路径中所有支付通道的模糊成本之和，即
Figure FDA00032568619900000417
Sk是获胜者集合，
Figure FDA00032568619900000438
在支付通道网络为G，以
Figure FDA00032568619900000439
为起点，
Figure FDA00032568619900000440
为终点，转账金额为g，近似参数为γ的条件下，返回一条满足所构建的目标函数的最短路径；
步骤5.4：初始化路径存储
Figure FDA00032568619900000418
用户集合W′初始化为W，支付通道集合E′初始化为E；
步骤5.5：对于第k条路径中的所有节点
Figure FDA00032568619900000419
按照在路径中的顺序依次执行步骤5.6-步骤5.9；
步骤5.6：如果节点
Figure FDA00032568619900000420
不是第一个节点，那么将节点的前驱
Figure FDA00032568619900000421
从网络中删除，即
Figure FDA00032568619900000422
并将前一跳支付通道<v-1,v>加入到l0中，即
Figure FDA00032568619900000423
其中运算
Figure FDA00032568619900000424
指路径拼接；若节点
Figure FDA00032568619900000425
是第一个节点，则执行步骤5.7；
步骤5.7：将节点
Figure FDA00032568619900000426
与下一跳相连的支付通道从网络中删除，即E′＝E′\{<v,v+1>}，构造支付通道网络G′＝(W′,E′)；
步骤5.8：使用新的网络G′以及当前的节点
Figure FDA00032568619900000427
作为起始点，使用DCLC算法选出新的最短路径，其中包含路径
Figure FDA00032568619900000428
模糊路径报价
Figure FDA00032568619900000429
以及获胜节点集合
Figure FDA00032568619900000430
即
Figure FDA00032568619900000431
Figure FDA00032568619900000432
步骤5.9：如果获得的路径
Figure FDA00032568619900000433
不是空集，那么就将该路径与l0连接，即
Figure FDA00032568619900000434
并将该路径存入候选路径集合tem，即
Figure FDA0003256861990000051
若
Figure FDA0003256861990000052
是空集，则执行步骤5.5；
步骤5.10：令k＝k+1，在tem集合中选择一个模糊路径报价最低的路径作为第k条路径，即
Figure FDA0003256861990000053
将该路径从候选路径集合tem中删除，即
Figure FDA0003256861990000054
步骤5.11：令
Figure FDA0003256861990000055
Figure FDA0003256861990000056
Figure FDA0003256861990000057
如果
Figure FDA0003256861990000058
则执行步骤5.4，否则执行步骤5.12；
步骤5.12：返回
Figure FDA0003256861990000059
条路径的路径集合
Figure FDA00032568619900000510
模糊路径报价集合
Figure FDA00032568619900000511
和获胜者集合
Figure FDA00032568619900000512
6.根据权利要求4所述的面向支付通道网络的个性化隐私保护路由方法，其特征在于，所述步骤4.4中概率比较的计算方法包括以下步骤：
步骤6.1：输入路径
Figure FDA00032568619900000513
获胜者集合
Figure FDA00032568619900000514
Sξ，模糊路径报价
Figure FDA00032568619900000515
获胜用户的标书
Figure FDA00032568619900000516
Figure FDA00032568619900000517
步骤6.2：由通道<i,j>模糊交易成本报价
Figure FDA00032568619900000518
的计算可知，每个支付通道都加入了服从拉普拉斯分布的噪声；路径的模糊交易成本报价为路径中每个支付通道的模糊交易成本报价之和，即
Figure FDA00032568619900000519
Figure FDA00032568619900000520
由
Figure FDA00032568619900000521
的计算则有：
Figure FDA00032568619900000522
Figure FDA00032568619900000523
Figure FDA00032568619900000524
其中
Figure FDA00032568619900000525
Figure FDA00032568619900000526
Figure FDA00032568619900000527
分别为路径
Figure FDA00032568619900000528
和lξ的噪声；
步骤6.3：模糊路径报价为路径中所有支付通道的模糊成本之和，结合用户的通道<i,j>的模糊成本
Figure FDA00032568619900000529
的计算可得到
Figure FDA00032568619900000530
Figure FDA00032568619900000531
Figure FDA00032568619900000532
其中
Figure FDA00032568619900000533
Figure FDA00032568619900000534
分别为路径
Figure FDA00032568619900000535
和lξ的隐私成本；
步骤6.4：计算路径
Figure FDA00032568619900000536
的报价
Figure FDA00032568619900000537
不大于路径lξ的报价
Figure FDA00032568619900000538
的概率即
Figure FDA00032568619900000539
路径
Figure FDA00032568619900000540
和lξ的路径报价为每段支付通道的交易成本报价和隐私成本之和，即
Figure FDA00032568619900000541
Figure FDA00032568619900000542
其中
Figure FDA00032568619900000543
Figure FDA00032568619900000544
结合步骤6.2，可得
Figure FDA00032568619900000545
Figure FDA0003256861990000061
步骤6.5：步骤6.4中的概率可以看成二维连续变量
Figure FDA0003256861990000062
在平面集合A上的概率，
Figure FDA0003256861990000063
可以使用二重积分计算得到
Figure FDA0003256861990000064
Figure FDA0003256861990000065
其中
Figure FDA0003256861990000066
是
Figure FDA0003256861990000067
的联合概率分布函数；由于每个用户添加的拉普拉斯噪声是独立的，于是可以概率可以转换为
Figure FDA0003256861990000068
Figure FDA0003256861990000069
根据拉普拉斯的分布函数f(ηij)，有
Figure FDA00032568619900000610
步骤6.6：返回概率
Figure FDA00032568619900000611
的值。
7.根据权利要求1所述的面向支付通道网络的个性化隐私保护路由方法，其特征在于，所述步骤四中任务发布者采用交易费用决定算法计算获胜者wi的交易费用pi，包括以下步骤：
步骤7.1：初始化交易费用集合p为空集，即
Figure FDA00032568619900000612
步骤7.2：对于所有获胜者wi∈Sf，初始化交易费用pi＝0；
步骤7.3：对于所有获胜者wi∈Sf，执行步骤7.4-7.8；
步骤7.4：将获胜者wi及其相关的支付通通道从网络中删除并重新构建支付通道网络，即W′＝W\{wi}，
Figure FDA00032568619900000613
G′＝(W′,E′)；
步骤7.5：利用
Figure FDA00032568619900000614
-最短路径算法
Figure FDA00032568619900000615
找到支付通道网络G′中
Figure FDA00032568619900000616
条路径的路径集合
Figure FDA00032568619900000617
模糊路径报价集合
Figure FDA00032568619900000618
和获胜者集合
Figure FDA00032568619900000619
即
Figure FDA00032568619900000620
步骤7.6：令获胜者wi的交易费用上界
Figure FDA00032568619900000621
Figure FDA00032568619900000622
其中numi是
Figure FDA00032568619900000623
中包含获胜者wi的路径数量，
Figure FDA00032568619900000624
是路径l′k的模糊路径报价；
步骤7.7：在区间
Figure FDA00032568619900000625
上执行二分搜索找到使得获胜者wi成为失败者的最小的价格，令获胜者wi的交易费用pi等于该最小价格；
步骤7.8：将获胜者wi的交易费用存入交易费用集合p，即p＝p∪{pi}；
步骤7.9：返回最终路径lf，所有获胜者的交易费用集合p和路径中的获胜者集合Sf。
CN202111065852.5A 2021-09-10 2021-09-10 一种面向支付通道网络的个性化隐私保护路由方法 Active CN113781023B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111065852.5A CN113781023B (zh) 2021-09-10 2021-09-10 一种面向支付通道网络的个性化隐私保护路由方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111065852.5A CN113781023B (zh) 2021-09-10 2021-09-10 一种面向支付通道网络的个性化隐私保护路由方法

Publications (2)

Publication Number Publication Date
CN113781023A true CN113781023A (zh) 2021-12-10
CN113781023B CN113781023B (zh) 2023-10-13

Family

ID=78842902

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111065852.5A Active CN113781023B (zh) 2021-09-10 2021-09-10 一种面向支付通道网络的个性化隐私保护路由方法

Country Status (1)

Country Link
CN (1) CN113781023B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140279133A1 (en) * 2013-03-12 2014-09-18 Xerox Corporation Fault tolerant combinatorial auctions for tasks having time and precedence constraints with bonuses and penalties
CN108337263A (zh) * 2018-02-13 2018-07-27 南京邮电大学 一种基于移动群智感知系统的防女巫攻击激励方法
CN111262708A (zh) * 2020-01-16 2020-06-09 安徽大学 一种基于区块链的群智感知方法
CN113079486A (zh) * 2021-04-08 2021-07-06 青岛科技大学 基于区块链具有隐私保护特性的车联网群智感知激励方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140279133A1 (en) * 2013-03-12 2014-09-18 Xerox Corporation Fault tolerant combinatorial auctions for tasks having time and precedence constraints with bonuses and penalties
CN108337263A (zh) * 2018-02-13 2018-07-27 南京邮电大学 一种基于移动群智感知系统的防女巫攻击激励方法
CN111262708A (zh) * 2020-01-16 2020-06-09 安徽大学 一种基于区块链的群智感知方法
CN113079486A (zh) * 2021-04-08 2021-07-06 青岛科技大学 基于区块链具有隐私保护特性的车联网群智感知激励方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄海平;张东军;王凯;朱毅凯;王汝传;: "带权值的大规模社交网络数据隐私保护方法", 计算机研究与发展, no. 02 *

Also Published As

Publication number Publication date
CN113781023B (zh) 2023-10-13

Similar Documents

Publication Publication Date Title
Liu et al. A survey on blockchain: A game theoretical perspective
Li et al. Credit-based payments for fast computing resource trading in edge-assisted Internet of Things
Zhong et al. A secure versatile light payment system based on blockchain
Chen et al. A secure content sharing scheme based on blockchain in vehicular named data networks
Avarikioti et al. Towards secure and efficient payment channels
US20210326879A1 (en) Blockchain protocol and a blockchain network
Zhang et al. Robustpay+: Robust payment routing with approximation guarantee in blockchain-based payment channel networks
Qian et al. Spectrum trading in cognitive radio networks: An agent-based model under demand uncertainty
CN106161415B (zh) 一种信息处理方法及移动群智感知应用平台
CN114386043B (zh) 一种面向群智感知的去中心隐私保持信誉评估方法
CN109087209B (zh) 社区动态调整方法、装置及服务器
CN1937579A (zh) 无线自组织网络中基于付费的路由和转发方法
CN114677218A (zh) 一种基于支付结的链下交易方法
CN116595094A (zh) 基于区块链的联邦学习激励方法、装置、设备和存储介质
CN107316223B (zh) 一种面向多合作任务的多报价标书移动群智感知激励方法
CN103824195A (zh) 一种基于机会网络中三回合讨价还价的激励方法
Chung et al. An agent-based English auction protocol using Elliptic Curve Cryptosystem for mobile commerce
CN113781023A (zh) 一种面向支付通道网络的个性化隐私保护路由方法
CN118069607A (zh) 异步联邦学习辅助下的区块链数据共享方法
CN111915432A (zh) 一种基于未花费交易输出区块链网络的中继激励方法
Kim Group bargaining based bitcoin mining scheme using incentive payment process
CN108337263B (zh) 一种基于移动群智感知系统的防女巫攻击激励方法
Landis et al. Stackelberg Attacks on Auctions and Blockchain Transaction Fee Mechanisms
CN113011703A (zh) 一种主题敏感众包任务扩散方法及其激励机制
Avarikioti et al. Musketeer: Incentive-Compatible Rebalancing for Payment Channel Networks

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