CN115271733B - 一种隐私保护的区块链交易数据异常检测方法及设备 - Google Patents

一种隐私保护的区块链交易数据异常检测方法及设备 Download PDF

Info

Publication number
CN115271733B
CN115271733B CN202211188733.3A CN202211188733A CN115271733B CN 115271733 B CN115271733 B CN 115271733B CN 202211188733 A CN202211188733 A CN 202211188733A CN 115271733 B CN115271733 B CN 115271733B
Authority
CN
China
Prior art keywords
transaction data
edge node
transaction
data
ciphertext
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
CN202211188733.3A
Other languages
English (en)
Other versions
CN115271733A (zh
Inventor
胡为民
郑喜
陈赛霞
刘克飞
熊自康
胡艳平
胡锐
张丽
余露
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.)
Shenzhen Dib Enterprise Risk Management Technology Co ltd
Original Assignee
Shenzhen Dib Enterprise Risk Management Technology 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 Shenzhen Dib Enterprise Risk Management Technology Co ltd filed Critical Shenzhen Dib Enterprise Risk Management Technology Co ltd
Priority to CN202211188733.3A priority Critical patent/CN115271733B/zh
Publication of CN115271733A publication Critical patent/CN115271733A/zh
Application granted granted Critical
Publication of CN115271733B publication Critical patent/CN115271733B/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
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction
    • G06Q20/3829—Payment protocols; Details thereof insuring higher security of transaction involving key management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Accounting & Taxation (AREA)
  • Signal Processing (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Storage Device Security (AREA)

Abstract

本发明披露了一种隐私保护的区块链交易数据异常检测方法及设备，其基于区块链技术和应用密码学技术实现，并通过高斯窗口来将区块链交易数据与其历史交易数据进行比较后过滤，从而可以筛选出可能参与诈骗、洗钱等非法活动的异常交易数据。本发明不仅解决了在区块链交易数据中，非法分子可能会利用NFT不是一种标准化硬币来进行一些非法诈骗或洗钱活动，同时，还保护了交易参与者的区块链交易数据的隐私信息。

Description

一种隐私保护的区块链交易数据异常检测方法及设备
技术领域
本发明涉及区块链技术与应用密码学技术领域，具体涉及一种隐私保护的区块链交易数据异常检测方法及设备。
背景技术
NFT是一种加密货币，由以太坊的智能合约衍生而来。目前，尽管NFT技术仍处于发展初期，但毋庸置疑的是其具备极大的市场潜力。但是，由于NTF的交易一般没有一个标准的价格表单，因此这就给了一些非法分子钻漏洞的空间，比如非法的洗钱活动等等。当出现这些非法行为时，该交易的数字藏品（NFT）的交易价格会与其历史交易价格存在很大的区别。同时，大部分的NFT交易数据也不希望被别人获取到，这是属于个人的一部分隐私。
发明内容
为解决上述问题，本发明公开实施例至少提供一种隐私保护的区块链交易数据异常检测方法及设备。
第一方面，本发明实施例提供了一种隐私保护的区块链交易数据异常检测方法，包括如下步骤：获取交易参与者上传的交易数据
Figure 295392DEST_PATH_IMAGE001
，其中，
Figure 289892DEST_PATH_IMAGE002
为第i次的交易数据；计算所述交易数据的均值和方差；根据所述均值和方差筛选交易数据中的异常数据。
可选地，所述方法应用于区块链交易系统中的边缘节点，所述区块链交易系统包括交易参与者、边缘节点
Figure 571969DEST_PATH_IMAGE003
和
Figure 7630DEST_PATH_IMAGE004
、云服务器平台和区块链。
可选地，所述交易数据由交易参与者加密上传，在筛选交易数据中的异常数据后，所述方法还包括：统计所述异常数据的个数并发送至云服务器平台。
可选地，该方法还包括区块链交易系统初始化，具体包括如下步骤：所述云服务器平台选择输入一个参数
Figure 687266DEST_PATH_IMAGE005
生成两个大素数p和q，计算公共参数
Figure 247692DEST_PATH_IMAGE006
；所述云服务器平台根据所述公共参数N生成同态公私钥对
Figure 333459DEST_PATH_IMAGE007
；所述云服务器平台将私钥
Figure 951523DEST_PATH_IMAGE008
分割成
Figure 595868DEST_PATH_IMAGE009
和
Figure 971486DEST_PATH_IMAGE010
，并分别发送至所述边缘节点
Figure 533048DEST_PATH_IMAGE003
和
Figure 536776DEST_PATH_IMAGE004
。
可选地，所述交易数据由交易参与者加密上传，所述加密过程包括如下步骤：将每个交易数据
Figure 791171DEST_PATH_IMAGE011
切割成
Figure 155550DEST_PATH_IMAGE012
；选择一个随机数
Figure 911016DEST_PATH_IMAGE013
，并计算
Figure 847880DEST_PATH_IMAGE014
和
Figure 804334DEST_PATH_IMAGE015
；将
Figure 918659DEST_PATH_IMAGE016
发送给所述边缘节点
Figure 212237DEST_PATH_IMAGE017
；将
Figure 800344DEST_PATH_IMAGE018
发送给所述边缘节点
Figure 521175DEST_PATH_IMAGE019
。
可选地，所述边缘节点
Figure 358681DEST_PATH_IMAGE017
和
Figure 862475DEST_PATH_IMAGE019
计算所述交易数据的均值，具体包括如下步骤：所述边缘节点
Figure 325993DEST_PATH_IMAGE017
和
Figure 889830DEST_PATH_IMAGE019
获取到所述交易数据后选择w作为高斯窗口的大小，并且所述边缘节点
Figure 480211DEST_PATH_IMAGE019
发送
Figure 725379DEST_PATH_IMAGE020
给
Figure 583351DEST_PATH_IMAGE017
，其中
Figure 318089DEST_PATH_IMAGE021
，
Figure 772597DEST_PATH_IMAGE020
为用公钥
Figure 883773DEST_PATH_IMAGE022
对
Figure 832137DEST_PATH_IMAGE023
加密的密文；所述边缘节点
Figure 941039DEST_PATH_IMAGE017
先用公钥
Figure 738968DEST_PATH_IMAGE022
计算
Figure 716151DEST_PATH_IMAGE024
，并利用密文算法的同态性计算出
Figure 784602DEST_PATH_IMAGE025
；所述边缘节点
Figure 329984DEST_PATH_IMAGE017
利用密文的同态性计算
Figure 444570DEST_PATH_IMAGE026
，其中
Figure 835231DEST_PATH_IMAGE027
表示将w个密文
Figure 259653DEST_PATH_IMAGE028
相乘，
Figure 100570DEST_PATH_IMAGE029
表示w个明文
Figure 374556DEST_PATH_IMAGE011
之和的密文；所述边缘节点
Figure 834488DEST_PATH_IMAGE017
继续计算均值的密文
Figure 939847DEST_PATH_IMAGE030
，其中
Figure 827031DEST_PATH_IMAGE031
表示均值。
可选地，所述边缘节点
Figure 821270DEST_PATH_IMAGE017
和
Figure 616051DEST_PATH_IMAGE019
计算所述交易数据的方差，具体包括如下步骤：所述边缘节点
Figure 779179DEST_PATH_IMAGE017
和
Figure 571685DEST_PATH_IMAGE019
利用密文的同态性执行安全平方协议后得到
Figure 993833DEST_PATH_IMAGE032
、
Figure 123463DEST_PATH_IMAGE033
；所述边缘节点
Figure 813201DEST_PATH_IMAGE017
利用密文的同态性计算
Figure 603041DEST_PATH_IMAGE034
，其中
Figure 401232DEST_PATH_IMAGE035
表示将w个密文
Figure 475499DEST_PATH_IMAGE036
相乘，
Figure 347640DEST_PATH_IMAGE037
表示w个明文
Figure 872162DEST_PATH_IMAGE038
之和的密文；所述边缘节点
Figure 564174DEST_PATH_IMAGE017
根据方差公式
Figure 830132DEST_PATH_IMAGE040
计算
Figure 494463DEST_PATH_IMAGE042
，其中
Figure 534094DEST_PATH_IMAGE043
为方差的密文。
可选地，所述根据所述均值和方差筛选交易数据中的异常数据，具体包括如下步骤：所述边缘节点
Figure 8676DEST_PATH_IMAGE044
根据
Figure 690324DEST_PATH_IMAGE045
判断交易数据
Figure 271478DEST_PATH_IMAGE002
是否属于正常波动范围，其中z是正整数；所述边缘节点
Figure 403382DEST_PATH_IMAGE044
计算
Figure 7670DEST_PATH_IMAGE046
；所述边缘节点
Figure 56791DEST_PATH_IMAGE044
利用密文的同态性执行安全平方协议后得到
Figure 820347DEST_PATH_IMAGE047
；所述边缘节点
Figure 732940DEST_PATH_IMAGE044
继续计算
Figure 152420DEST_PATH_IMAGE048
；所述边缘节点
Figure 566083DEST_PATH_IMAGE044
使用密文
Figure 59513DEST_PATH_IMAGE047
以及
Figure 438279DEST_PATH_IMAGE049
与
Figure 141793DEST_PATH_IMAGE050
共同执行安全比较协议后得到对每一次的交易数据
Figure 765672DEST_PATH_IMAGE002
的比较值
Figure 910346DEST_PATH_IMAGE051
，其中
Figure 227058DEST_PATH_IMAGE052
；若
Figure 794699DEST_PATH_IMAGE053
成立，则交易数据
Figure 222269DEST_PATH_IMAGE002
是非异常数据；若
Figure 814924DEST_PATH_IMAGE053
不成立，则交易数据
Figure 505800DEST_PATH_IMAGE002
是异常数据。
第二方面，本发明实施例还提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行第一方面的方法。
第三方面，本发明实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
相对于现有技术，本发明实施例提供的隐私保护的区块链交易数据异常检测方法及设备具有以下有益效果：
1）本发明所述的一种隐私保护的区块链交易数据异常检测方法及设备能够通过高斯窗口来将区块链交易数据与其历史交易数据进行比较后过滤，从而可以筛选出可能参与诈骗、洗钱等非法活动的异常交易数据。因此，具有很高的实用性。
2）本发明所述的一种隐私保护的区块链交易数据异常检测方法及设备能确保在区块链交易中，边缘节点
Figure 856010DEST_PATH_IMAGE044
和
Figure 149588DEST_PATH_IMAGE050
可以检测出异常的交易数据。同时，由于检测异常交易数据的操作是放在边缘节点上，而不是在交易参与者或云服务器平台上，从而保证了在云服务器遭受单点攻击时整个系统依然可以运行，同时也减小了交易参与者的计算开销。
3）本发明所述的一种隐私保护的区块链交易数据异常检测方法及设备，在整个区块链交易数据的异常检测当中，交易参与者们的交易数据都是经过加密的，连云服务器平台也只能拿到异常的交易数据的个数。因此，本发明具有很强的安全性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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示出了本发明公开实施例所提供的一种隐私保护的区块链交易数据异常检测方法的流程图；
图2示出了本发明公开实施例所提供的一种隐私保护的区块链交易数据异常检测方法的系统架构图；
图3示出了本发明公开实施例所提供的一种计算机设备的结构示意图。
具体实施方式
为了使本公开发明的目的、技术方案和优点更加清楚明白，下面结合具体实施例，并根据附图，对本发明进一步详细说明。需要说明的是，在附图或说明书描述中，未描述的内容以及部分英文简写为所属技术领域中普通技术人员所熟知的内容。
本发明基于区块链技术和应用密码学技术实现了一种隐私保护的区块链交易数据异常检测方法及设备，不仅解决了在区块链交易数据中，非法分子可能会利用 NFT 不是一种标准化硬币来进行一些非法诈骗或洗钱活动。同时，还保护了交易参与者的区块链交易数据的隐私信息。
实施例1
如图1所示，本发明公开实施例所提供的一种隐私保护的区块链交易数据异常检测方法，包括：
S101：获取交易参与者上传的交易数据
Figure 32968DEST_PATH_IMAGE054
，其中，
Figure 629166DEST_PATH_IMAGE002
为第i次的交易数据；
S102：计算所述交易数据的均值和方差；
S103：根据所述均值和方差筛选交易数据中的异常数据。
进一步的，所述方法应用于区块链交易系统中的边缘节点，如图2所示，所述区块链交易系统包括交易参与者、边缘节点
Figure 60147DEST_PATH_IMAGE044
和
Figure 829520DEST_PATH_IMAGE050
、云服务器平台和区块链。
进一步的，所述交易数据由交易参与者加密上传，在筛选交易数据中的异常数据后，所述方法还包括：统计所述异常数据的个数并发送至云服务器平台。
进一步的，该方法还包括区块链交易系统初始化，具体包括如下步骤：所述云服务器平台选择输入一个参数
Figure 6554DEST_PATH_IMAGE005
生成两个大素数p和q，计算公共参数
Figure 337435DEST_PATH_IMAGE055
；所述云服务器平台根据所述公共参数N生成同态公私钥对
Figure 724554DEST_PATH_IMAGE056
；所述云服务器平台将私钥
Figure 297618DEST_PATH_IMAGE057
分割成
Figure 860317DEST_PATH_IMAGE058
和
Figure 922951DEST_PATH_IMAGE059
，并分别发送至所述边缘节点
Figure 735049DEST_PATH_IMAGE044
和
Figure 282443DEST_PATH_IMAGE050
。
进一步的，所述交易数据由交易参与者加密上传，所述加密过程包括如下步骤：将每个交易数据
Figure 824283DEST_PATH_IMAGE011
切割成
Figure 995501DEST_PATH_IMAGE012
；选择一个随机数
Figure 232579DEST_PATH_IMAGE013
，并计算
Figure 475341DEST_PATH_IMAGE014
和
Figure 705641DEST_PATH_IMAGE015
；将
Figure 110078DEST_PATH_IMAGE016
发送给所述边缘节点
Figure 37714DEST_PATH_IMAGE017
；将
Figure 818588DEST_PATH_IMAGE018
发送给所述边缘节点
Figure 7124DEST_PATH_IMAGE019
本发明所述的一种隐私保护的区块链交易数据异常检测方法能确保在区块链交易中，边缘节点
Figure 221942DEST_PATH_IMAGE017
和
Figure 292666DEST_PATH_IMAGE019
可以检测出异常的交易数据。同时，由于检测异常交易数据的操作是放在边缘节点上，而不是在交易参与者或云服务器平台上，从而保证了在云服务器遭受单点攻击时整个系统依然可以运行，同时也减小了交易参与者的计算开销。
实施例2
在本发明实施例1的基础上，本发明公开实施例所提供的另一种隐私保护的区块链交易数据异常检测方法，该方法对交易数据的均值和方差的计算过程详细介绍如下。
所述边缘节点
Figure 549335DEST_PATH_IMAGE044
和
Figure 795640DEST_PATH_IMAGE050
计算所述交易数据的均值，具体包括如下步骤：
SS101：所述边缘节点
Figure 807458DEST_PATH_IMAGE044
和
Figure 772003DEST_PATH_IMAGE050
获取到所述交易数据后选择w作为高斯窗口的大小，并且所述边缘节点
Figure 629101DEST_PATH_IMAGE050
发送
Figure 293694DEST_PATH_IMAGE060
给
Figure 351780DEST_PATH_IMAGE044
，其中
Figure 662675DEST_PATH_IMAGE061
，
Figure 198830DEST_PATH_IMAGE060
为用公钥
Figure 544361DEST_PATH_IMAGE062
对
Figure 570085DEST_PATH_IMAGE063
加密的密文；
SS102：所述边缘节点
Figure 742178DEST_PATH_IMAGE044
先用公钥
Figure 472237DEST_PATH_IMAGE062
计算
Figure 282061DEST_PATH_IMAGE064
，并利用密文算法的同态性计算出
Figure 478687DEST_PATH_IMAGE065
；
SS103：所述边缘节点
Figure 764175DEST_PATH_IMAGE044
利用密文的同态性计算
Figure 907712DEST_PATH_IMAGE066
，其中
Figure 962255DEST_PATH_IMAGE067
表示将w个密文
Figure 34510DEST_PATH_IMAGE068
相乘，
Figure 479398DEST_PATH_IMAGE069
表示w个明文
Figure 551259DEST_PATH_IMAGE002
之和的密文；
SS104：所述边缘节点
Figure 70096DEST_PATH_IMAGE044
继续计算均值的密文
Figure 202000DEST_PATH_IMAGE070
，其中
Figure 868605DEST_PATH_IMAGE071
表示均值。
所述边缘节点
Figure 118058DEST_PATH_IMAGE044
和
Figure 616036DEST_PATH_IMAGE050
计算所述交易数据的方差，具体包括如下步骤：
SS201：所述边缘节点
Figure 590945DEST_PATH_IMAGE044
和
Figure 948108DEST_PATH_IMAGE050
利用密文的同态性执行安全平方协议后得到
Figure 502717DEST_PATH_IMAGE072
、
Figure 386360DEST_PATH_IMAGE073
；
具体地，所述安全平方协议的原理为：
Figure 33635DEST_PATH_IMAGE074
；以
Figure 878094DEST_PATH_IMAGE073
的计算为例，所述安全平方协议交互过程如下：
Figure 829870DEST_PATH_IMAGE044
获取随机数r，计算
Figure 443385DEST_PATH_IMAGE075
的密文
Figure 760097DEST_PATH_IMAGE076
，发送
Figure 950907DEST_PATH_IMAGE076
至
Figure 80275DEST_PATH_IMAGE050
；
Figure 610613DEST_PATH_IMAGE077
解密获得
Figure 160543DEST_PATH_IMAGE075
，计算
Figure 714015DEST_PATH_IMAGE078
的对应密文
Figure 273173DEST_PATH_IMAGE079
并发送至
Figure 861280DEST_PATH_IMAGE044
，
Figure 32978DEST_PATH_IMAGE044
计算密文
Figure 932801DEST_PATH_IMAGE080
。
SS202：所述边缘节点
Figure 702174DEST_PATH_IMAGE044
利用密文的同态性计算
Figure 410367DEST_PATH_IMAGE081
，其中
Figure 302099DEST_PATH_IMAGE082
表示将w个密文
Figure 830164DEST_PATH_IMAGE073
相乘，
Figure 901763DEST_PATH_IMAGE083
表示w个明文
Figure 589096DEST_PATH_IMAGE084
之和的密文；
SS203：所述边缘节点
Figure 792675DEST_PATH_IMAGE044
根据方差公式
Figure 667090DEST_PATH_IMAGE085
计算
Figure 981528DEST_PATH_IMAGE086
，其中
Figure DEST_PATH_IMAGE087
为方差的密文。
本发明所述的一种隐私保护的区块链交易数据异常检测方法能够通过高斯窗口来将区块链交易数据与其历史交易数据进行比较后过滤，从而可以筛选出可能参与诈骗、洗钱等非法活动的异常交易数据。因此，具有很高的实用性。
实施例3
在本发明实施例1和2的基础上，本发明公开实施例所提供的另一种隐私保护的区块链交易数据异常检测方法，该方法对根据所述均值和方差筛选交易数据中的异常数据的过程详细介绍如下。
所述根据所述均值和方差筛选交易数据中的异常数据，具体包括如下步骤：
SS301：所述边缘节点
Figure 726630DEST_PATH_IMAGE044
根据
Figure 336997DEST_PATH_IMAGE045
判断交易数据
Figure 636391DEST_PATH_IMAGE002
是否属于正常波动范围，其中z是正整数；
SS302：所述边缘节点
Figure 879153DEST_PATH_IMAGE044
计算
Figure 885287DEST_PATH_IMAGE046
；
SS303：所述边缘节点
Figure 555303DEST_PATH_IMAGE044
利用密文的同态性执行安全平方协议后得到
Figure 341993DEST_PATH_IMAGE047
；
SS304：所述边缘节点
Figure 762348DEST_PATH_IMAGE044
继续计算
Figure 13200DEST_PATH_IMAGE048
；
SS305：所述边缘节点
Figure 463905DEST_PATH_IMAGE044
使用密文
Figure 65787DEST_PATH_IMAGE047
以及
Figure 322456DEST_PATH_IMAGE049
与
Figure 568761DEST_PATH_IMAGE050
共同执行安全比较协议后得到对每一次的交易数据
Figure 315000DEST_PATH_IMAGE002
的比较值
Figure 781010DEST_PATH_IMAGE051
，其中
Figure 575790DEST_PATH_IMAGE052
；
SS306：若
Figure 801235DEST_PATH_IMAGE053
成立，则交易数据
Figure 124900DEST_PATH_IMAGE002
是非异常数据，将其上传给区块链的智能合约；若
Figure 170217DEST_PATH_IMAGE053
不成立，则交易数据
Figure 971951DEST_PATH_IMAGE002
是异常数据。
具体地，所述边缘节点
Figure 488120DEST_PATH_IMAGE044
和
Figure 841741DEST_PATH_IMAGE050
对异常数据的个数进行统计，并将异常数据个数发送至云服务器平台；所述云服务器平台在网页上显示异常数据的个数及对应的密文。同时，区块链对非异常数据进行存储。
本发明所述的一种隐私保护的区块链交易数据异常检测方法，在整个区块链交易数据的异常检测当中，交易参与者们的交易数据都是经过加密的，连云服务器平台也只能拿到异常的交易数据的个数。因此，本发明具有很强的安全性。
实施例4
基于同一技术构思，本申请实施例还提供了一种计算机设备，包括存储器1和处理器2，如图3所示，所述存储器1存储有计算机程序，所述处理器2执行所述计算机程序时实现上述任一项所述的方法。
其中，存储器1至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器（例如，SD或DX存储器等）、磁性存储器、磁盘、光盘等。存储器1在一些实施例中可以是隐私保护的区块链交易数据异常检测系统的内部存储单元，例如硬盘。存储器1在另一些实施例中也可以是隐私保护的区块链交易数据异常检测系统的外部存储设备，例如插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（SecureDigital, SD）卡，闪存卡（Flash Card）等。进一步地，存储器1还可以既包括隐私保护的区块链交易数据异常检测系统的内部存储单元也包括外部存储设备。存储器1不仅可以用于存储安装于隐私保护的区块链交易数据异常检测系统的应用软件及各类数据，例如隐私保护的区块链交易数据异常检测程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
处理器2在一些实施例中可以是一中央处理器（Central Processing Unit,CPU）、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器1中存储的程序代码或处理数据，例如执行隐私保护的区块链交易数据异常检测程序等。
本发明公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。
本发明公开实施例所提供的隐私保护的区块链交易数据异常检测方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行上述方法实施例中所述的方法的步骤，具体可参见上述方法实施例，在此不再赘述。
本发明公开实施例还提供一种计算机程序，该计算机程序被处理器执行时实现前述实施例的任意一种方法。该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包（Software DevelopmentKit，SDK）等等。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (3)

1.一种隐私保护的区块链交易数据异常检测方法，其特征在于，包括如下步骤：
获取交易参与者上传的交易数据
Figure 364797DEST_PATH_IMAGE001
，其中，
Figure 168805DEST_PATH_IMAGE002
为第i次的交易数据；
计算所述交易数据的均值和方差；
根据所述均值和方差筛选交易数据中的异常数据；
其中，所述方法应用于区块链交易系统中的边缘节点，所述区块链交易系统包括交易参与者、边缘节点
Figure 225622DEST_PATH_IMAGE003
和
Figure 618951DEST_PATH_IMAGE004
、云服务器平台和区块链；
所述交易数据由交易参与者加密上传，在筛选交易数据中的异常数据后，所述方法还包括：
统计所述异常数据的个数并发送至云服务器平台；
其中，该方法还包括区块链交易系统初始化，具体包括如下步骤：
所述云服务器平台选择输入一个参数
Figure 444825DEST_PATH_IMAGE005
生成两个大素数p和q，计算公共参数
Figure 154155DEST_PATH_IMAGE006
；
所述云服务器平台根据所述公共参数N生成同态公私钥对
Figure 449001DEST_PATH_IMAGE007
；
所述云服务器平台将私钥
Figure 659402DEST_PATH_IMAGE008
分割成
Figure 589050DEST_PATH_IMAGE009
和
Figure 734861DEST_PATH_IMAGE010
，并分别发送至所述边缘节点
Figure 235112DEST_PATH_IMAGE003
和
Figure 734358DEST_PATH_IMAGE004
；
其中，所述交易数据由交易参与者加密上传，所述加密过程包括如下步骤：
将每个交易数据
Figure 534823DEST_PATH_IMAGE011
切割成
Figure 962787DEST_PATH_IMAGE012
；
选择一个随机数
Figure 91280DEST_PATH_IMAGE013
，并计算
Figure 643484DEST_PATH_IMAGE014
和
Figure 49189DEST_PATH_IMAGE015
；
将
Figure 661436DEST_PATH_IMAGE014
发送给所述边缘节点
Figure 277225DEST_PATH_IMAGE016
；
将
Figure 616808DEST_PATH_IMAGE015
发送给所述边缘节点
Figure 126287DEST_PATH_IMAGE017
；
其中，所述边缘节点
Figure 660168DEST_PATH_IMAGE016
和
Figure 763253DEST_PATH_IMAGE017
计算所述交易数据的均值，具体包括如下步骤：
所述边缘节点
Figure 391680DEST_PATH_IMAGE016
和
Figure 19581DEST_PATH_IMAGE017
获取到所述交易数据后选择w作为高斯窗口的大小，并且所述边缘节点
Figure 973631DEST_PATH_IMAGE017
发送
Figure 439379DEST_PATH_IMAGE018
给
Figure 746863DEST_PATH_IMAGE016
，其中
Figure 230934DEST_PATH_IMAGE019
，
Figure 605152DEST_PATH_IMAGE018
为用公钥
Figure 541884DEST_PATH_IMAGE020
对
Figure 918639DEST_PATH_IMAGE015
加密的密文；
所述边缘节点
Figure 7949DEST_PATH_IMAGE016
先用公钥
Figure 303801DEST_PATH_IMAGE020
计算
Figure 980027DEST_PATH_IMAGE021
，并利用密文算法的同态性计算出
Figure 629314DEST_PATH_IMAGE022
；
所述边缘节点
Figure 87977DEST_PATH_IMAGE016
利用密文的同态性计算
Figure 305463DEST_PATH_IMAGE023
，其中
Figure 951208DEST_PATH_IMAGE024
表示将w个密文
Figure 778087DEST_PATH_IMAGE025
相乘，
Figure 232202DEST_PATH_IMAGE026
表示w个明文
Figure 604278DEST_PATH_IMAGE011
之和的密文；
所述边缘节点
Figure 753630DEST_PATH_IMAGE016
继续计算均值的密文
Figure 134933DEST_PATH_IMAGE027
，其中
Figure 177976DEST_PATH_IMAGE028
表示均值；
其中，所述边缘节点
Figure 238729DEST_PATH_IMAGE016
和
Figure 859066DEST_PATH_IMAGE017
计算所述交易数据的方差，具体包括如下步骤：
所述边缘节点
Figure 794792DEST_PATH_IMAGE016
和
Figure 692341DEST_PATH_IMAGE017
利用密文的同态性执行安全平方协议后得到
Figure 671798DEST_PATH_IMAGE029
、
Figure 294278DEST_PATH_IMAGE030
；
所述边缘节点
Figure 17384DEST_PATH_IMAGE016
利用密文的同态性计算
Figure 113647DEST_PATH_IMAGE031
，其中
Figure 529585DEST_PATH_IMAGE032
表示将w个密文
Figure 999880DEST_PATH_IMAGE033
相乘，
Figure 513295DEST_PATH_IMAGE034
表示w个明文
Figure 510070DEST_PATH_IMAGE035
之和的密文；
所述边缘节点
Figure 847641DEST_PATH_IMAGE016
根据方差公式
Figure 539654DEST_PATH_IMAGE036
计算
Figure 870141DEST_PATH_IMAGE037
，其中
Figure 970690DEST_PATH_IMAGE038
为方差的密文；
其中，所述根据所述均值和方差筛选交易数据中的异常数据，具体包括如下步骤：
所述边缘节点
Figure 197272DEST_PATH_IMAGE039
根据
Figure 517526DEST_PATH_IMAGE040
判断交易数据
Figure 854966DEST_PATH_IMAGE002
是否属于正常波动范围，其中z是正整数；
所述边缘节点
Figure 535653DEST_PATH_IMAGE039
计算
Figure 464295DEST_PATH_IMAGE041
；
所述边缘节点
Figure 130900DEST_PATH_IMAGE039
利用密文的同态性执行安全平方协议后得到
Figure 553922DEST_PATH_IMAGE042
；
所述边缘节点
Figure 379795DEST_PATH_IMAGE039
继续计算
Figure 463027DEST_PATH_IMAGE043
；
所述边缘节点
Figure 882507DEST_PATH_IMAGE039
使用密文
Figure 92908DEST_PATH_IMAGE042
以及
Figure 524021DEST_PATH_IMAGE044
与
Figure 528886DEST_PATH_IMAGE045
共同执行安全比较协议后得到对每一次的交易数据
Figure 170083DEST_PATH_IMAGE002
的比较值
Figure 436373DEST_PATH_IMAGE046
，其中
Figure 971259DEST_PATH_IMAGE047
；
若
Figure 163337DEST_PATH_IMAGE048
成立，则交易数据
Figure 291830DEST_PATH_IMAGE002
是非异常数据；若
Figure 844034DEST_PATH_IMAGE048
不成立，则交易数据
Figure 748274DEST_PATH_IMAGE002
是异常数据。
2.一种计算机设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1所述的方法。
3.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1所述的方法。
CN202211188733.3A 2022-09-28 2022-09-28 一种隐私保护的区块链交易数据异常检测方法及设备 Active CN115271733B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211188733.3A CN115271733B (zh) 2022-09-28 2022-09-28 一种隐私保护的区块链交易数据异常检测方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211188733.3A CN115271733B (zh) 2022-09-28 2022-09-28 一种隐私保护的区块链交易数据异常检测方法及设备

Publications (2)

Publication Number Publication Date
CN115271733A CN115271733A (zh) 2022-11-01
CN115271733B true CN115271733B (zh) 2022-12-13

Family

ID=83756408

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211188733.3A Active CN115271733B (zh) 2022-09-28 2022-09-28 一种隐私保护的区块链交易数据异常检测方法及设备

Country Status (1)

Country Link
CN (1) CN115271733B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116227940B (zh) * 2023-05-04 2023-07-25 深圳市迪博企业风险管理技术有限公司 一种基于资金流向图的企业资金流异常检测方法
CN117710100B (zh) * 2023-11-28 2024-06-04 西南石油大学 基于区块链的数据分析方法及计算服务器

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020253234A1 (zh) * 2019-06-18 2020-12-24 创新先进技术有限公司 实现隐私保护的数据同态加解密方法及装置
CN113141355A (zh) * 2021-04-13 2021-07-20 长沙理工大学 一种基于全同态的用电加密数据异常检测方法与系统
CN114866222A (zh) * 2022-06-16 2022-08-05 山东大学 一种支持隐私保护的密文数据统计分析系统及方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007264184A (ja) * 2006-03-28 2007-10-11 Toppan Printing Co Ltd 透過型リアスクリーン及びその製造方法
JP4151985B2 (ja) * 2006-07-19 2008-09-17 インターナショナル・ビジネス・マシーンズ・コーポレーション 異常の生じた情報処理装置を検出する技術
US8612573B2 (en) * 2008-08-28 2013-12-17 Ca, Inc. Automatic and dynamic detection of anomalous transactions
CN107911216B (zh) * 2017-10-26 2020-07-14 矩阵元技术（深圳）有限公司 一种区块链交易隐私保护方法及系统
US20220083654A1 (en) * 2019-01-09 2022-03-17 British Telecommunications Public Limited Company Anomalous behavior detection in a distributed transactional database
CN110543788B (zh) * 2019-09-11 2024-05-03 腾讯科技（深圳）有限公司 数据存储方法、装置、计算机可读存储介质和计算机设备
JP2021106323A (ja) * 2019-12-26 2021-07-26 富士電機株式会社 異常検知システム及び異常検知方法
CN111667318B (zh) * 2020-06-18 2023-03-03 广州市九重天信息科技有限公司 一种基于区块链特征的虚拟货币价格波动溯源方法
CN111931860B (zh) * 2020-09-01 2021-02-09 腾讯科技（深圳）有限公司 异常数据检测方法、装置、设备及存储介质
CN112508075B (zh) * 2020-12-01 2024-07-05 平安科技（深圳）有限公司 基于横向联邦的dbscan聚类方法、及其相关设备
CN113240524B (zh) * 2021-05-10 2024-05-14 深圳前海微众银行股份有限公司 联邦学习系统中账户的异常检测方法、装置及电子设备
CN113034145B (zh) * 2021-05-24 2021-09-03 智安链云科技(北京)有限公司 用户异常加密数字资产交易类别判断方法、装置
CN114155083A (zh) * 2021-10-28 2022-03-08 海南火链科技有限公司 基于区块链的交易检测方法、装置、设备及可读存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020253234A1 (zh) * 2019-06-18 2020-12-24 创新先进技术有限公司 实现隐私保护的数据同态加解密方法及装置
CN113141355A (zh) * 2021-04-13 2021-07-20 长沙理工大学 一种基于全同态的用电加密数据异常检测方法与系统
CN114866222A (zh) * 2022-06-16 2022-08-05 山东大学 一种支持隐私保护的密文数据统计分析系统及方法

Also Published As

Publication number Publication date
CN115271733A (zh) 2022-11-01

Similar Documents

Publication Publication Date Title
CN115271733B (zh) 一种隐私保护的区块链交易数据异常检测方法及设备
CN110337665B (zh) 用于信息保护的系统和方法
CN110419053B (zh) 用于信息保护的系统和方法
US11062303B2 (en) Cryptographically concealing amounts transacted on a ledger while preserving a network's ability to verify the transaction
US10223547B2 (en) Method for differentially private aggregation in a star topology under a realistic adversarial model
Wang et al. Fault-tolerant multisubset aggregation scheme for smart grid
EP3568826B1 (en) System and method for information protection
US11080665B1 (en) Cryptographically concealing amounts and asset types for independently verifiable transactions
CN110855631B (zh) 一种区块链中可监管的零知识验证方法、系统及存储介质
KR20200139223A (ko) 디지털 자산에의 액세스를 전달하기 위한 컴퓨터 구현된 방법 및 시스템
KR20200066257A (ko) 정보 보호를 위한 시스템 및 방법
US20170207919A1 (en) Relational encryption
KR20200066260A (ko) 정보 보호를 위한 시스템 및 방법
CN110046996A (zh) 区块链交易的生成方法和装置
WO2014100788A2 (en) Managed secure computations on encrypted data
JP2009532973A (ja) 安全な復号方法
KR20200108343A (ko) 디지털로 서명된 데이터를 획득하기 위한 컴퓨터 구현된 방법 및 시스템
CN112101944A (zh) 一种高效隐私支付实现方法、装置、计算机设备及存储介质
CN112132577B (zh) 一种基于区块链的多重监管的交易处理方法及装置
Gupta et al. Session key based novel lightweight image encryption algorithm using a hybrid of Chebyshev chaotic map and crossover
JP5184659B2 (ja) 秘密鍵を伴う電子暗号アセンブリを安全に守る方法
WO2012062994A1 (fr) Protection contre les ecoutes passives
Tragos et al. Securing the Internet of Things–Security and Privacy in a Hyperconnected World
Rajput et al. A novel image encryption and authentication scheme using chaotic maps
Kotukh et al. Method of Security Improvement for MST3 Cryptosystem Based on Automorphism Group of Ree Function Field

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