CN115310137A - 一种智能结算系统的保密方法及相关装置 - Google Patents

一种智能结算系统的保密方法及相关装置 Download PDF

Info

Publication number
CN115310137A
CN115310137A CN202211238904.9A CN202211238904A CN115310137A CN 115310137 A CN115310137 A CN 115310137A CN 202211238904 A CN202211238904 A CN 202211238904A CN 115310137 A CN115310137 A CN 115310137A
Authority
CN
China
Prior art keywords
node
model
public key
server
local model
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
CN202211238904.9A
Other languages
English (en)
Other versions
CN115310137B (zh
Inventor
袁敏良
王惟
袁晓福
曾日光
蓝刘华
罗文�
唐叔仁
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 Sinxin Information Technology Co ltd
Original Assignee
Shenzhen Sinxin Information 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 Sinxin Information Technology Co ltd filed Critical Shenzhen Sinxin Information Technology Co ltd
Priority to CN202211238904.9A priority Critical patent/CN115310137B/zh
Publication of CN115310137A publication Critical patent/CN115310137A/zh
Application granted granted Critical
Publication of CN115310137B publication Critical patent/CN115310137B/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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2453—Query optimisation
    • G06F16/24532—Query optimisation of parallel queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G06F16/24553—Query execution of query operations
    • G06F16/24554—Unary operations; Data partitioning operations
    • G06F16/24556—Aggregation; Duplicate elimination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G06F16/278—Data partitioning, e.g. horizontal or vertical partitioning
    • 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
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/54—Interprogram communication
    • G06F9/542—Event management; Broadcasting; Multicasting; Notifications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • Computer Security & Cryptography (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Storage Device Security (AREA)

Abstract

本发明公开了一种智能结算系统的保密方法及相关装置，该方法包括：每隔一个账户分组周期
Figure 807794DEST_PATH_IMAGE001
获取区块链运行账户交易数据生成账户交易图；将账户分为k个分组，并将上述k个分组中的账户对应分配到k个区块链分片；利用本地的数据对区块链分片进行训练，得到一个局部模型；节点训练模型完成后，将局部模型广播发送至分片内的其他节点。本发明提出智能结算系统的保密方法，解决了传统的区块链交易，存储可拓展性低；联邦学习节点与区块链节点互相隔离，节点间的相互通信无法保护账户的隐私的技术问题。

Description

一种智能结算系统的保密方法及相关装置
技术领域
本发明涉及区块链技术领域，具体涉及一种智能结算系统的保密方法及相关装置。
背景技术
区块链可以看作一个全网节点共同维护的分布式账本，任何对于账本的更改都需要全网达成分布式共识，并被诚实地记录下来。正是由于其公开透明、不可篡改的特性，因此可以降低多方场景中的信任成本。区块链分布式共识的达成过程包括交易产生、构造区块、竞争出块、广播区块等过程。其中包括交易验证、智能合约计算、区块信息存储等多个步骤。由于区块链中一笔交易需要经过复杂的分布式共识过程，通过网络内大多数节点的验证许可才能达成。随着网络中节点数量逐渐增多，共识时间越长，处理交易的时延也越长，这限制了区块链的可拓展性。
受大型中心化数据库分片技术的启发，开发者们提出将分片技术应用于区块链架构中。与传统区块链不同，引入分片技术之后，将原有节点划分到不同分片中，多个分片并行处理交易。进行分片后，单个分片仅需承担全网的部分工作，各个分片并行工作，整个网络的吞吐量随着分片数量增加而线性增长，从而提升整个网络的承载能力。
但是，传统的区块链交易，存储可拓展性低；联邦学习节点与区块链节点互相隔离，节点间的相互通信无法保护账户的隐私。
发明内容
本发明的目的在于克服现有技术的缺点和不足，提出智能结算系统的保密方法及相关装置，解决了传统的区块链交易，存储可拓展性低；联邦学习节点与区块链节点互相隔离，节点间的相互通信无法保护账户的隐私的技术问题。
为此，本发明的公开了一种智能结算系统的保密方法，所述方法包括：
每隔一个账户分组周期
Figure 902318DEST_PATH_IMAGE001
获取区块链运行账户交易数据生成账户交易图；
将账户分为k个分组，并将上述k个分组中的账户对应分配到k个区块链分片；利用本地的数据对区块链分片进行训练，得到一个局部模型；节点训练模型完成后，将局部模型广播发送至分片内的其他节点；
将局部模型广播发送至分片内的其他节点，具体包括：
将系统全局参数、所述节点的公钥发送给所述局部模型发送单元，根据所述局部模型发送单元的私钥，所述局部模型发送单元输入的多个明文关键词集合、系统全局参数以及所述局部模型发送单元的公钥，得到密文关键词信息；
将系统全局参数、所述局部模型发送单元的公钥、服务器的公钥、发送给所述节点，根据所述节点的私钥，所述节点根据输入的搜索的多个明文关键词集合，所述局部模型发送单元的公钥，服务器的公钥，以及系统全局参数，得到陷门关键词信息；
将密文关键词信息、陷门关键词信息发送给服务器机构，服务器根据自己的私钥，将局部模型发送单元发来的密文消息和节点发来的陷门消息进行匹配；若匹配成功，则将匹配成功的密文消息发送给节点进行解密。
优选地，所述分片内选出主节点后，主节点将根据信誉机制，为局部模型分配一个权重包括：
当分片i内的第k个节点上传模型后，分片主节点会利用测试数据集对模型进行测试，如果模型准确率低于分片设定的阈值，则局部模型不会参与到聚合中；
如果模型准确率符合设定的阈值条件，分片主节点将根据信誉机制，为此模型分配相应的权重。
优选地，信誉机制是以模型准确率为基准，用模型准确率乘以其他三个指标，得到 模型的权重；所述三个指标为：训练时间衰减系数；
Figure 36496DEST_PATH_IMAGE002
代表的是模型训练了多 长时间；
模型陈旧度；
Figure 945546DEST_PATH_IMAGE003
这一项表示模型的陈旧度；
节点模型在分片内的认可度；
Figure 202084DEST_PATH_IMAGE004
代表的是节点的模型在分片内的认可度。
优选地，所述将系统全局参数、所述局部模型发送单元的公钥、服务器的公钥、发 送给所述节点，根据所述节点的私钥，所述节点根据输入的搜索的多个明文关键词集合，所 述局部模型发送单元的公钥，服务器的公钥，以及系统全局参数，得到陷门关键词信息，具 体包括：节点输入搜索的明文关键词集合，利用系统全局参数PP，发送者公钥
Figure 196585DEST_PATH_IMAGE005
，服务器的 公钥
Figure 478662DEST_PATH_IMAGE006
，以及自己的私钥
Figure 242218DEST_PATH_IMAGE007
计算陷门，
Figure 341761DEST_PATH_IMAGE008
根据以上计算结果，得到陷门关键词集合
Figure 761241DEST_PATH_IMAGE009
将
Figure 909326DEST_PATH_IMAGE010
上传至服务器；
Figure 592636DEST_PATH_IMAGE011
为两个随机数。
优选地，所述将密文关键词信息、陷门关键词信息发送给服务器机构，服务器根据自己的私钥，将局部模型发送单元发来的密文消息和节点发来的陷门消息进行匹配；若匹配成功，则将匹配成功的密文消息发送给节点进行解密，包括：
服务器收到发送上传的密文关键词
Figure 800763DEST_PATH_IMAGE012
，以及节点生成的陷门关键词
Figure 707539DEST_PATH_IMAGE010
，进行搜 索匹配，利用系统全局参数PP，节点机构的公钥
Figure 456053DEST_PATH_IMAGE013
，以及自己的私钥
Figure 194201DEST_PATH_IMAGE014
进行匹配搜 索，并计算下式：
Figure 245334DEST_PATH_IMAGE015
正确性如下：
Figure 764040DEST_PATH_IMAGE016
。
本发明的第二个目的可以通过采取如下技术方案达到：
一种计算机设备，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现上述的智能结算系统的保密方法。
本发明的第三个目的可以通过采取如下技术方案达到：
一种存储介质，存储程序，所述程序被处理器执行时，实现上述的智能结算系统的保密方法。
本发明通过将账户分为k个分组，并将上述k个分组中的账户对应分配到k个区块链分片；利用本地的数据对区块链分片进行训练，得到一个局部模型；节点训练模型完成后，将局部模型广播发送至分片内的其他节点；针对节点数量对性能的限制问题，本发明采用状态分片技术，将节点划分到不同的分片中并行执行业务，并由各个分片维护系统的局部信息，减轻了节点存储压力，提升了存储可拓展性，突破了系统的性能瓶颈。针对同步聚合产生的等待时延，本发明采用的是异步聚合的方式。另外，将局部模型广播发送至分片内的其他节点，进行加密处理，通过加密阶段得有随机数参与，陷门生成阶段有随机数参与，这样就可以把算法变成概率性的事件，从而达到密文不可区分性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，标示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明智能结算系统的保密方法的流程图；
图2为本发明智能结算系统的保密方法的信誉评级图；
图3为本发明智能结算系统的保密方法的另一流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明，本发明实施例中所有方向性指示（诸如上、下、左、右、前、后……）仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一种该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
本发明的公开了一种智能结算系统的保密方法，参考图1-2，所述方法包括：
步骤100，每隔一个账户分组周期
Figure 253927DEST_PATH_IMAGE001
获取区块链运行账户交易数据生成账户交易 图；
步骤200，将账户分为k个分组，并将上述k个分组中的账户对应分配到k个区块链分片；利用本地的数据对区块链分片进行训练，得到一个局部模型；节点训练模型完成后，将局部模型广播发送至分片内的其他节点；
将局部模型广播发送至分片内的其他节点，具体包括：
步骤210，将系统全局参数、所述节点的公钥发送给所述局部模型发送单元，根据所述局部模型发送单元的私钥，所述局部模型发送单元输入的多个明文关键词集合、系统全局参数以及所述局部模型发送单元的公钥，得到密文关键词信息；
步骤220，将系统全局参数、所述局部模型发送单元的公钥、服务器的公钥、发送给所述节点，根据所述节点的私钥，所述节点根据输入的搜索的多个明文关键词集合，所述局部模型发送单元的公钥，服务器的公钥，以及系统全局参数，得到陷门关键词信息；
步骤230，将密文关键词信息、陷门关键词信息发送给服务器机构，服务器根据自己的私钥，将局部模型发送单元发来的密文消息和节点发来的陷门消息进行匹配；若匹配成功，则将匹配成功的密文消息发送给节点进行解密。
本发明通过将账户分为k个分组，并将上述k个分组中的账户对应分配到k个区块链分片；利用本地的数据对区块链分片进行训练，得到一个局部模型；节点训练模型完成后，将局部模型广播发送至分片内的其他节点；针对节点数量对性能的限制问题，本发明采用状态分片技术，将节点划分到不同的分片中并行执行业务，并由各个分片维护系统的局部信息，减轻了节点存储压力，提升了存储可拓展性，突破了系统的性能瓶颈。针对同步聚合产生的等待时延，本发明采用的是异步聚合的方式。另外，将局部模型广播发送至分片内的其他节点，进行加密处理，通过加密阶段得有随机数参与，陷门生成阶段有随机数参与，这样就可以把算法变成概率性的事件，从而达到密文不可区分性。
优选地，步骤200，所述分片内选出主节点后，主节点将根据信誉机制，为局部模型分配一个权重包括：
当分片i内的第k个节点上传模型后，分片主节点会利用测试数据集对模型进行测试，如果模型准确率低于分片设定的阈值，则局部模型不会参与到聚合中；
如果模型准确率符合设定的阈值条件，分片主节点将根据信誉机制，为此模型分配相应的权重。
发明针对模型评估，提出一种结合模型准确率、节点在线时间、参与训练轮数、平均每轮训练时间、模型陈旧度的信誉机制。在每一次对局部模型进行聚合的时候，主节点会根据信誉机制，为局部模型分配权重。
具体地，信誉机制是以模型准确率为基准，用模型准确率乘以其他三个指标，得到模型的权重；所述三个指标为：
训练时间衰减系数；
Figure 784266DEST_PATH_IMAGE002
代表的是模型训练了多长时间；
模型陈旧度；
Figure 662092DEST_PATH_IMAGE003
这一项表示模型的陈旧度；
节点模型在分片内的认可度；
Figure 74619DEST_PATH_IMAGE004
代表的是节点的模型在分片内的认可度。
本发明提出了一种多维度的模型评估信誉机制，在准确率评估的基础上，增加了节点训练时间、模型陈旧度、模型认可度多个评估维度，避免少数节点通过计算资源对全局模型造成垄断，提高其他模型的利用率。本发明通过引入训练时间衰减函数，量化节点训练时间这一指标。通过引入竞争度，为异构分片提供不同的衰减系数，有效地平衡了不同分片间的差异。
具体地，步骤220，所述将系统全局参数、所述局部模型发送单元的公钥、服务器的 公钥、发送给所述节点，根据所述节点的私钥，所述节点根据输入的搜索的多个明文关键词 集合，所述局部模型发送单元的公钥，服务器的公钥，以及系统全局参数，得到陷门关键词 信息，具体包括：节点输入搜索的明文关键词集合，利用系统全局参数PP，发送者公钥
Figure 102618DEST_PATH_IMAGE005
， 服务器的公钥
Figure 487462DEST_PATH_IMAGE006
，以及自己的私钥
Figure 208294DEST_PATH_IMAGE007
计算陷门，
Figure 436013DEST_PATH_IMAGE008
根据以上计算结果，得到陷门关键词集合
Figure 267703DEST_PATH_IMAGE009
将
Figure 507054DEST_PATH_IMAGE010
上传至服务器；
Figure 398787DEST_PATH_IMAGE011
为两个随机数。
具体地，步骤230，所述将密文关键词信息、陷门关键词信息发送给服务器机构，服务器根据自己的私钥，将局部模型发送单元发来的密文消息和节点发来的陷门消息进行匹配；若匹配成功，则将匹配成功的密文消息发送给节点进行解密，包括：
服务器收到发送上传的密文关键词
Figure 113802DEST_PATH_IMAGE012
，以及节点生成的陷门关键词
Figure 483603DEST_PATH_IMAGE010
，进行搜 索匹配，利用系统全局参数PP，节点机构的公钥
Figure 843040DEST_PATH_IMAGE013
，以及自己的私钥
Figure 905674DEST_PATH_IMAGE014
进行匹配搜 索，并计算下式：
Figure 514510DEST_PATH_IMAGE015
正确性如下：
Figure 15899DEST_PATH_IMAGE016
。
实施例2：
本实施例提供了一种多关键词搜索功能的安全无信道公钥认证可搜索加密计算机设备。实现上述实施例1的一种智能结算系统的保密方法，如下：
每隔一个账户分组周期
Figure 292159DEST_PATH_IMAGE001
获取区块链运行账户交易数据生成账户交易图；
将账户分为k个分组，并将上述k个分组中的账户对应分配到k个区块链分片；利用本地的数据对区块链分片进行训练，得到一个局部模型；节点训练模型完成后，将局部模型广播发送至分片内的其他节点；
将局部模型广播发送至分片内的其他节点，具体包括：
将系统全局参数、所述节点的公钥发送给所述局部模型发送单元，根据所述局部模型发送单元的私钥，所述局部模型发送单元输入的多个明文关键词集合、系统全局参数以及所述局部模型发送单元的公钥，得到密文关键词信息；
将系统全局参数、所述局部模型发送单元的公钥、服务器的公钥、发送给所述节点，根据所述节点的私钥，所述节点根据输入的搜索的多个明文关键词集合，所述局部模型发送单元的公钥，服务器的公钥，以及系统全局参数，得到陷门关键词信息；
将密文关键词信息、陷门关键词信息发送给服务器机构，服务器根据自己的私钥，将局部模型发送单元发来的密文消息和节点发来的陷门消息进行匹配；若匹配成功，则将匹配成功的密文消息发送给节点进行解密。
实施例3：
本实施例提供了一种存储介质，该存储介质为计算机可读存储介质，其存储有计算机程序，所述程序被处理器执行时，处理器执行存储器存储的计算机程序时，实现上述实施例1的能结算系统的保密方法，如下：
每隔一个账户分组周期
Figure 463378DEST_PATH_IMAGE001
获取区块链运行账户交易数据生成账户交易图；
将账户分为k个分组，并将上述k个分组中的账户对应分配到k个区块链分片；利用本地的数据对区块链分片进行训练，得到一个局部模型；节点训练模型完成后，将局部模型广播发送至分片内的其他节点；
将局部模型广播发送至分片内的其他节点，具体包括：
将系统全局参数、所述节点的公钥发送给所述局部模型发送单元，根据所述局部模型发送单元的私钥，所述局部模型发送单元输入的多个明文关键词集合、系统全局参数以及所述局部模型发送单元的公钥，得到密文关键词信息；
将系统全局参数、所述局部模型发送单元的公钥、服务器的公钥、发送给所述节点，根据所述节点的私钥，所述节点根据输入的搜索的多个明文关键词集合，所述局部模型发送单元的公钥，服务器的公钥，以及系统全局参数，得到陷门关键词信息；
将密文关键词信息、陷门关键词信息发送给服务器机构，服务器根据自己的私钥，将局部模型发送单元发来的密文消息和节点发来的陷门消息进行匹配；若匹配成功，则将匹配成功的密文消息发送给节点进行解密。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (7)

1.一种智能结算系统的保密方法，其特征在于，所述方法包括：
每隔一个账户分组周期
Figure 679857DEST_PATH_IMAGE001
获取区块链运行账户交易数据生成账户交易图；
将账户分为k个分组，并将上述k个分组中的账户对应分配到k个区块链分片；利用本地的数据对区块链分片进行训练，得到一个局部模型；节点训练模型完成后，将局部模型广播发送至分片内的其他节点；
将局部模型广播发送至分片内的其他节点，具体包括：
将系统全局参数、所述节点的公钥发送给所述局部模型发送单元，根据所述局部模型发送单元的私钥，所述局部模型发送单元输入的多个明文关键词集合、系统全局参数以及所述局部模型发送单元的公钥，得到密文关键词信息；
将系统全局参数、所述局部模型发送单元的公钥、服务器的公钥、发送给所述节点，根据所述节点的私钥，所述节点根据输入的搜索的多个明文关键词集合，所述局部模型发送单元的公钥，服务器的公钥，以及系统全局参数，得到陷门关键词信息；
将密文关键词信息、陷门关键词信息发送给服务器机构，服务器根据自己的私钥，将局部模型发送单元发来的密文消息和节点发来的陷门消息进行匹配；若匹配成功，则将匹配成功的密文消息发送给节点进行解密。
2.根据权利要求1所述的智能结算系统的保密方法，其特征在于，所述分片内选出主节点后，主节点将根据信誉机制，为局部模型分配一个权重包括：
当分片i内的第k个节点上传模型后，分片主节点会利用测试数据集对模型进行测试，如果模型准确率低于分片设定的阈值，则局部模型不会参与到聚合中；
如果模型准确率符合设定的阈值条件，分片主节点将根据信誉机制，为此模型分配相应的权重。
3.根据权利要求2所述的智能结算系统的保密方法，其特征在于，信誉机制是以模型准 确率为基准，用模型准确率乘以其他三个指标，得到模型的权重；所述三个指标为：训练时 间衰减系数；
Figure 237877DEST_PATH_IMAGE002
代表的是模型训练了多长时间；
模型陈旧度；
Figure 94975DEST_PATH_IMAGE003
这一项表示模型的陈旧度；
节点模型在分片内的认可度；
Figure 992523DEST_PATH_IMAGE004
代表的是节点的模型在分片内的认可度。
4.根据权利要求3所述的智能结算系统的保密方法，其特征在于，所述将系统全局参 数、所述局部模型发送单元的公钥、服务器的公钥、发送给所述节点，根据所述节点的私钥， 所述节点根据输入的搜索的多个明文关键词集合，所述局部模型发送单元的公钥，服务器 的公钥，以及系统全局参数，得到陷门关键词信息，具体包括：节点输入搜索的明文关键词 集合，利用系统全局参数PP，发送者公钥
Figure 909664DEST_PATH_IMAGE005
，服务器的公钥
Figure 282876DEST_PATH_IMAGE006
，以及 自己的私钥
Figure 943665DEST_PATH_IMAGE007
计算陷门，
Figure 492458DEST_PATH_IMAGE008
根据以上计算结果，得到陷门关键词集合
Figure 783762DEST_PATH_IMAGE009
将
Figure 316374DEST_PATH_IMAGE010
上传至服务器；
Figure 846100DEST_PATH_IMAGE011
为两个随机数。
5.根据权利要求4所述的智能结算系统的保密方法，其特征在于，所述将密文关键词信息、陷门关键词信息发送给服务器机构，服务器根据自己的私钥，将局部模型发送单元发来的密文消息和节点发来的陷门消息进行匹配；若匹配成功，则将匹配成功的密文消息发送给节点进行解密，包括：
服务器收到发送上传的密文关键词
Figure 514979DEST_PATH_IMAGE012
，以及节点生成的陷门关键词
Figure 977184DEST_PATH_IMAGE010
，进行搜索匹 配，利用系统全局参数PP，节点机构的公钥
Figure 997093DEST_PATH_IMAGE013
，以及自己的私钥
Figure 734105DEST_PATH_IMAGE014
进行匹配搜索， 并计算下式：
Figure 585386DEST_PATH_IMAGE015
正确性如下：
Figure 280810DEST_PATH_IMAGE016
。
6.一种计算机设备，其特征在于，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，所述计算机设备执行如权利要求1至5中任一项所述的方法。
7.一种存储介质，其特征在于，其存储有程序，所述程序被处理器执行时，所述处理器执行权利要求1至5中任意一项所述的方法。
CN202211238904.9A 2022-10-11 2022-10-11 一种智能结算系统的保密方法及相关装置 Active CN115310137B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211238904.9A CN115310137B (zh) 2022-10-11 2022-10-11 一种智能结算系统的保密方法及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211238904.9A CN115310137B (zh) 2022-10-11 2022-10-11 一种智能结算系统的保密方法及相关装置

Publications (2)

Publication Number Publication Date
CN115310137A true CN115310137A (zh) 2022-11-08
CN115310137B CN115310137B (zh) 2023-04-07

Family

ID=83868346

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211238904.9A Active CN115310137B (zh) 2022-10-11 2022-10-11 一种智能结算系统的保密方法及相关装置

Country Status (1)

Country Link
CN (1) CN115310137B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115766295A (zh) * 2023-01-05 2023-03-07 成都墨甲信息科技有限公司 工业互联网数据安全传输方法、装置、设备及介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110569668A (zh) * 2019-09-11 2019-12-13 北京邮电大学 基于区块链的数据加密存储方法、装置、设备和介质
CN110572253A (zh) * 2019-09-16 2019-12-13 济南大学 一种联邦学习训练数据隐私性增强方法及系统
US20210203477A1 (en) * 2019-12-27 2021-07-01 Sichuan Interstellar Roewe Technology Co,Ltd Method and device for blockchain full sharding based on a p2p storage network and a multi-layer architecture
CN113204787A (zh) * 2021-05-06 2021-08-03 广州大学 基于区块链的联邦学习隐私保护方法、系统、设备和介质
CN114021196A (zh) * 2021-11-18 2022-02-08 贵州大学 公平可搜索加密方法、公平可搜索加密系统
CN114611721A (zh) * 2022-03-14 2022-06-10 广东工业大学 一种基于分片区块链的联邦学习方法、装置、设备及介质
CN114760023A (zh) * 2022-04-19 2022-07-15 光大科技有限公司 基于联邦学习的模型训练方法、装置及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110569668A (zh) * 2019-09-11 2019-12-13 北京邮电大学 基于区块链的数据加密存储方法、装置、设备和介质
CN110572253A (zh) * 2019-09-16 2019-12-13 济南大学 一种联邦学习训练数据隐私性增强方法及系统
US20210203477A1 (en) * 2019-12-27 2021-07-01 Sichuan Interstellar Roewe Technology Co,Ltd Method and device for blockchain full sharding based on a p2p storage network and a multi-layer architecture
CN113204787A (zh) * 2021-05-06 2021-08-03 广州大学 基于区块链的联邦学习隐私保护方法、系统、设备和介质
CN114021196A (zh) * 2021-11-18 2022-02-08 贵州大学 公平可搜索加密方法、公平可搜索加密系统
CN114611721A (zh) * 2022-03-14 2022-06-10 广东工业大学 一种基于分片区块链的联邦学习方法、装置、设备及介质
CN114760023A (zh) * 2022-04-19 2022-07-15 光大科技有限公司 基于联邦学习的模型训练方法、装置及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SHUO YUAN 等: "Secure and Efficient Federated Learning Through", 《ARXIV》 *
ZHE SUN 等: "A blockchain-based audit approach for encrypted data in federated learning", 《DIGITAL COMMUNICATIONS AND NETWORKS》 *
万俊平: "联邦学习中加密数据审计研究", 《万方学位论文数据库》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115766295A (zh) * 2023-01-05 2023-03-07 成都墨甲信息科技有限公司 工业互联网数据安全传输方法、装置、设备及介质

Also Published As

Publication number Publication date
CN115310137B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
JP6686209B2 (ja) ネットワーク内の分散データベースのための方法及び装置
JP7211943B2 (ja) イベントの削除を可能にする分散データベースのための方法および装置
WO2020133326A1 (zh) 区块链生成方法、系统、计算机存储介质和电子设备
JP7165148B6 (ja) ブロックチェーンネットワークにおける整合性のある分散型メモリプールのための方法及びシステム
CN109508982A (zh) 基于区块链主链加并行多子链的repb共识
JP2020504916A (ja) 匿名エントリを含む分散型データベースのための方法および装置
WO2019024780A1 (zh) 区块链轻量化处理方法、区块链节点及存储介质
CN113487427B (zh) 一种交易风险识别方法、装置及系统
CN112799708A (zh) 联合更新业务模型的方法及系统
JP2023544422A (ja) ネットワーク内の分散データベースのための方法及び装置
US20220278854A1 (en) Unity Protocol Consensus
CN112822051B (zh) 基于业务感知的业务加速方法
Aluko et al. Proof-of-reputation: an alternative consensus mechanism for blockchain systems
CN115310137B (zh) 一种智能结算系统的保密方法及相关装置
CN112613601A (zh) 神经网络模型更新方法、设备及计算机存储介质
CN108648017B (zh) 易于扩展的用户需求匹配方法、装置、设备及存储介质
CN115022326B (zh) 基于协同过滤推荐的区块链拜占庭容错共识方法
CN110990790B (zh) 一种数据处理方法及设备
CN116170162B (zh) 选择性的共识方法和计算机存储介质、终端设备
US11748461B1 (en) Apparatus and method for vetting a user using a computing device
CN117332871A (zh) 一种基于区块链的联邦学习处理方法以及相关设备
CN114710357A (zh) 一种可编辑区块链中支持分块验证的动态可搜索加密方法
CN113760367A (zh) 一种数据处理方法、装置、电子设备以及存储介质
CN109657447B (zh) 一种设备指纹生成方法及装置
JPWO2022037869A5 (zh)

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
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Confidentiality Method and Related Devices for an Intelligent Settlement System

Effective date of registration: 20230920

Granted publication date: 20230407

Pledgee: Shenzhen Rural Commercial Bank Co.,Ltd. Henggang Sub branch

Pledgor: SHENZHEN SINXIN INFORMATION TECHNOLOGY Co.,Ltd.

Registration number: Y2023980057791