CN115314513B - 基于区块链的信任孪生方法及相关设备 - Google Patents
基于区块链的信任孪生方法及相关设备 Download PDFInfo
- Publication number
- CN115314513B CN115314513B CN202210687023.9A CN202210687023A CN115314513B CN 115314513 B CN115314513 B CN 115314513B CN 202210687023 A CN202210687023 A CN 202210687023A CN 115314513 B CN115314513 B CN 115314513B
- Authority
- CN
- China
- Prior art keywords
- trust
- data
- chain
- consensus
- physical world
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000007781 pre-processing Methods 0.000 claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 230000004044 response Effects 0.000 claims abstract description 7
- 238000006243 chemical reaction Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 14
- 238000004140 cleaning Methods 0.000 claims description 13
- 230000009467 reduction Effects 0.000 claims description 12
- 238000012795 verification Methods 0.000 claims description 12
- 230000015572 biosynthetic process Effects 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 238000003786 synthesis reaction Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 230000006399 behavior Effects 0.000 description 19
- 238000004891 communication Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000007246 mechanism Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000003169 complementation method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/20—Network architectures or network communication protocols for network security for managing network security; network security policies in general
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供一种基于区块链的信任孪生方法及相关设备。本公开响应于获取原始数据，通过对所述原始数据进行物理世界数据预处理得到归一化信任数据；通过共识预言机网络对所述归一化信任数据进行共识并且上链得到链上数据；通过对所述链上数据进行信任计算及建模评判构建信任模型，并对所述信任模型进行信任风险预测得到信任风险预测结果；对物理世界信任关系和所述信任模型构建数字身份链；对所述信任风险预测结果和所述数字身份链构建信任链，基于信任链信任关系构建信任图谱；通过算法对所述信任链和所述信任图谱进行共识，将基于共识结果确认更新的信任链信任度通过逆向预言机反馈给所述物理世界。
Description
技术领域
本公开涉及信息安全技术领域，尤其涉及一种基于区块链的信任孪生方法及相关设备。
背景技术
区块链技术由于其不可更改和去中心化的特点成为我国未来发展数字经济不可缺少的信任基础设施。
然而，现有信任模型只考虑信任的确定性一面，没有考虑信任的动态变化，并且存在泄漏个人隐私、身份造假等问题；同时，现有区块链的拜占庭容错、纯陌生人假设，导致共识开销太大，很难成为普适的信任基础设施。因此，如何实现高效高可信隐私保护的信任孪生成为了一个重要的研究问题。
发明内容
有鉴于此，本公开的目的在于提出一种基于区块链的信任孪生方法及相关设备用以解决或部分解决上述技术问题。
基于上述目的，本公开提供了一种基于区块链的信任孪生方法，所述信任孪生包括信任链，所述信任链包括数据层、区块链层和应用层，所述方法包括：
响应于获取原始数据，通过共识预言机节点对所述原始数据进行物理世界数据预处理得到归一化信任数据，所述物理世界数据之间存在物理世界信任关系；
通过共识预言机网络对所述归一化信任数据达成共识得到共识数据，并将所述共识数据可信上链得到链上数据；
通过对所述链上数据进行信任计算得到链上节点信任度，对所述链上节点信任度建模与评判构建信任模型，并对所述信任模型进行信任风险预测得到信任风险预测结果；
基于凭证定义和原始数据图谱为所述物理世界的实体构建数字身份链；
基于所述物理世界信任关系和物理世界实体全局信任度对所述信任风险预测结果和所述数字身份链构建信任链，所述信任链上存在节点信任度和节点之间的信任关系，基于所述信任链节点信任度和信任关系构建信任图谱；
通过算法对所述信任链和所述信任图谱进行共识得到共识结果，将基于所述共识结果确认的信任链节点全局信任度通过逆向预言机反馈给所述物理世界。
在一些实施例中，所述获取原始数据，通过共识预言机节点对所述原始数据进行物理世界数据预处理得到归一化信任数据，包括：
通过各信息源平台获取所述原始数据；
通过适配器将所述原始数据汇总到共识预言机节点；
通过所述共识预言机节点对所述原始数据进行数据清洗、数据转换和数据归约得到归一化信任数据；其中，
通过所述数据清洗将所述原始数据中的缺失值补全或去除，并对格式或内容错误的所述原始数据进行去除或修改，得到完整数据；
通过所述数据转换对所述完整数据进行采样处理与类型转换，得到归一化数据；
通过所述数据归约将所述归一化数据在所述共识预言机节点聚合得到所述归一化信任数据。
在一些实施例中，所述共识预言机网络包括所述共识预言机节点，所述通过共识预言机网络对所述归一化信任数据达成共识得到共识数据，并将所述共识数据可信上链得到链上数据，包括：
基于共识前列表存储所述归一化信任数据；
基于改进的拜占庭容错共识协议对所述归一化信任数据设计共识消息项；
基于所述共识预言机网络通过节点信誉加权对所述共识消息项进行更新得到共识数据；
通过所述改进的拜占庭容错共识协议的主节点进行归一化处理将所述共识数据上传至链上得到链上数据。
在一些实施例中，所述通过对所述链上数据进行信任计算得到链上节点信任度，对所述链上节点信任度建模与评判构建信任模型，并对所述信任模型进行信任风险预测得到信任风险预测结果，包括：
基于Dempster-Shafer证据理论改进的证据合成规则对所述链上数据进行信任计算得到链上节点信任度；
基于动力学理论对所述链上节点信任度进行信任建模与评判，得到信任模型；
基于贝叶斯网络对所述信任模型进行信任风险预测，得到信任风险预测结果。
在一些实施例中，所述基于凭证定义和原始数据图谱为所述物理世界的实体构建数字身份链，包括：
基于W3C可验证凭证中的凭证定义，结合共识预言机传输的链下多源多维信任数据构成的数字图谱，对所述物理世界信任关系和所述信任模型构建分布式数字身份链；其中，
所述可验证凭证是以主凭证为锚点的基于上下文的子凭证。
在一些实施例中，所述基于所述物理世界信任关系和物理世界实体全局信任度对所述信任风险预测结果和所述数字身份链构建信任链，所述信任链上存在节点信任度和节点之间的信任关系，基于所述信任链节点信任度和信任关系构建信任图谱，包括：
利用所述数字身份链的凭证信息对所述链上数据进行信任计算得到物理世界的直接信任度，基于共识预言机对所述链上数据进行信任计算得到物理世界的间接信任度，根据所述直接信任度和所述间接信任度得到物理世界的全局信任度；
基于所述物理世界信任关系和物理世界全局信任度对所述信任风险预测结果和所述数字身份链构建信任链，所述信任链之间存在信任关系；其中，所述信任链上的所述物理世界的全局信任度可被交易链读取；
通过读取所述信任链信任关系构建信任图谱。
在一些实施例中，所述通过算法对所述信任链和所述信任图谱进行共识得到共识结果，将基于所述共识结果确认的信任链节点全局信任度通过逆向预言机反馈给所述物理世界，包括：
基于改进的默克尔树算法对所述信任链选择验证节点，基于分布式共识算法对所述信任链其他候选节点进行验证节点，进行信任共识，得到一个共识结果；以及
将基于所述共识结果确认的信任链节点全局信任度反馈给数字身份链，进而利用逆向预言机将节点全局信任度反馈给所述物理世界。
基于同一发明构思，本公开的第二方面还提供了一种信任孪生系统，包括预处理模块、上链模块、信任风险预测模块、数字身份链模块、信任链模块及共识模块在所述存储器上并可由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如上所述的方法。
基于同一发明构思，本公开的第三方面还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如上所述的方法。
基于同一发明构思，本公开的第四方面还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行如上所述的方法。
从上面所述可以看出，本公开提供的基于区块链的信任孪生方法、系统、电子设备及存储介质，通过对原始数据进行物理世界数据预处理使得原本散乱多源的数据经过处理后得到归一化信任数据；通过共识预言机网络对归一化信任数据达成共识并可信上链，实现将数据从物理世界上传至链上；通过对链上数据进行信任计算得到链上节点信任度，对链上节点信任度建模与评判构建信任模型，该信任模型通过重新定义信任结构、刻画信任风险、科学设计链接机制显著提高了信任度量准确性，实现高可信的信任模型，对信任模型进行信任风险预测得到信任风险预测结果，通过对链上数据进行多维属性信任度量预测链上数据未来行为恶意的概率，即信誉值更新；对物理世界信任关系和信任模型构建数字身份链，将节点身份属性关系记录在数字身份链，有选择的暴露用户属性，达到隐私保护的作用；对信任风险预测结果和数字身份链构建信任链，实现将链下的物理世界行为迁移到链上，通过读取信任链上的分布式信任关系构建信任图谱；通过算法对所述信任链和所述信任图谱进行共识得到共识结果，构建了高效自适应的共识机制，保障共识安全性的同时提升共识可扩展性及效率，由于区块链信息公开可查，区块链上的节点行为与共识结果的一致性会使得物理世界的信任度随信任链信任度变化而动态变化，考虑到信任不确定性的一面，最终实现信任孪生中的信任关系从物理世界到数字世界，再到物理世界的闭环关系。
附图说明
为了更清楚地说明本公开或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的实施例，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为本公开实施例的基于区块链的信任孪生方法的流程图；
图2为本公开实施例的面向多维信任属性的物理世界数据预处理与共识上链示意图；
图3为本公开实施例的基于区块链的信任孪生方法的模型构建流程图；
图4为本公开实施例的基于区块链的信任孪生系统的流程图；
图5为本公开实施例的电子设备的结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。
需要说明的是，除非另外定义，本公开实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
如上所述，现有信任孪生方法在如何实现高效共识、高信任度、隐私保护方面还有待提高。
本申请提供的基于区块链的信任孪生方法及相关设备，响应于获取原始数据，通过共识预言机节点对所述原始数据进行物理世界数据预处理得到归一化信任数据，所述物理世界数据之间存在物理世界信任关系；通过共识预言机网络对所述归一化信任数据达成共识得到共识数据，并将所述共识数据可信上链得到链上数据；通过对所述链上数据进行信任计算得到链上节点信任度，对所述链上节点信任度建模与评判构建信任模型，并对所述信任模型进行信任风险预测得到信任风险预测结果；基于凭证定义和数字图谱对所述物理世界信任关系和所述信任模型构建数字身份链；基于所述物理世界信任关系和物理世界全局信任度对所述信任风险预测结果和所述数字身份链构建信任链，所述信任链之间存在信任链信任关系，基于所述信任链信任关系构建信任图谱；通过算法对所述信任链和所述信任图谱进行共识得到共识结果，将基于所述共识结果确认的信任链信任度反馈给所述物理世界。
区块链，就是一个又一个区块组成的链条。每一个区块中保存了一定的信息，它们按照各自产生的时间顺序连接成链条。这个链条被保存在所有的服务器中，只要整个系统中有一台服务器可以工作，整条区块链就是安全的。这些服务器在区块链系统中被称为节点，它们为整个区块链系统提供存储空间和算力支持。如果要修改区块链中的信息，必须征得半数以上节点的同意并修改所有节点中的信息，而这些节点通常掌握在不同的主体手中，因此篡改区块链中的信息是一件极其困难的事。相比于传统的网络，区块链具有两大核心特点：一是数据难以篡改、二是去中心化。基于这两个特点，区块链所记录的信息更加真实可靠，可以帮助解决人们互不信任的问题。
信任孪生类似于数字孪生，未来随着数字化进程的加速，更多的信息交换将发生在数字世界，数字世界各成员之间的信任也需要反向传递回物理世界，二者相互映射互相影响，形成信任孪生。
以下结合附图来详细说明本申请的实施例。
参见图1，示出了本申请实施例的基于区块链的信任孪生方法的流程图。
如图1所示，本实施例公开的一种基于区块链的信任孪生方法，所述信任孪生包括信任链，所述信任链包括数据层、区块链层和应用层，所述方法包括：
步骤101，响应于获取原始数据，通过共识预言机节点对所述原始数据进行物理世界数据预处理得到归一化信任数据，所述物理世界数据之间存在物理世界信任关系。
在该步骤中，通过对原始数据进行物理世界数据预处理使得原本散乱多源的数据经过处理后得到归一化信任数据。
步骤102，通过共识预言机网络对所述归一化信任数据达成共识得到共识数据，并将所述共识数据可信上链得到链上数据。
在该步骤中，通过共识预言机网络对归一化信任数据达成共识并可信上链，实现将数据从物理世界上传至链上。
步骤103，通过对所述链上数据进行信任计算得到链上节点信任度，对所述链上节点信任度建模与评判构建信任模型，并对所述信任模型进行信任风险预测得到信任风险预测结果。
在该步骤中，通过对链上数据进行信任计算得到链上节点信任度，对链上节点信任度建模与评判构建信任模型，该信任模型通过重新定义信任结构、刻画信任风险、科学设计链接机制显著提高了信任度量准确性，实现高可信的信任模型，对信任模型进行信任风险预测得到信任风险预测结果，通过对链上数据进行多维属性信任度量预测链上数据未来行为恶意的概率，即信誉值更新。
步骤104，基于凭证定义和原始数据图谱为所述物理世界的实体构建数字身份链。
在该步骤中，对物理世界的实体构建数字身份链，将节点身份属性关系记录在数字身份链，有选择的暴露用户属性，达到隐私保护的作用。
步骤105，基于所述物理世界信任关系和物理世界实体全局信任度对所述信任风险预测结果和所述数字身份链构建信任链，所述信任链上存在节点信任度和节点之间的信任关系，基于所述信任链节点信任度和信任关系构建信任图谱。
在该步骤中，对信任风险预测结果和数字身份链构建信任链，实现将链下的物理世界行为迁移到链上，通过读取信任链上的分布式信任关系构建信任图谱。
步骤106，通过算法对所述信任链和所述信任图谱进行共识得到共识结果，将基于所述共识结果确认的信任链节点全局信任度通过逆向预言机反馈给所述物理世界。
在该步骤中，通过算法对所述信任链和所述信任图谱进行共识得到共识结果，构建了高效自适应的共识机制，保障共识安全性的同时提升共识可扩展性及效率，由于区块链信息公开可查，区块链上的节点行为与共识结果的一致性会使得物理世界的信任度随信任链信任度变化而动态变化，考虑到信任不确定性的一面，最终实现信任孪生中的信任关系从物理世界到数字世界，再到物理世界的闭环关系。
通过上述方案，通过对获取的原始数据经物理世界预处理，并且对预处理后的归一化信任数据进行可信上链，通过构建信任图谱和信任风险预测对链上节点信任度进行预测，构建数字身份链和信任链，基于信任图谱进行高效共识并向物理世界反馈结果，实现物理世界信任度随信任链信任度实时变化，实现基于区块链的高效高可信隐私保护的信任孪生方法。
在一些实施例中，步骤101中，所述获取原始数据，通过共识预言机节点对所述原始数据进行物理世界数据预处理得到归一化信任数据，具体包括：
步骤1011，通过各信息源平台获取所述原始数据。
步骤1012，通过适配器将所述原始数据汇总到共识预言机节点。
步骤1013，通过所述共识预言机节点对所述原始数据进行数据清洗、数据转换和数据归约得到归一化信任数据。
在一些实施例中，步骤1013具体包括：
步骤10131，通过所述数据清洗将所述原始数据中的缺失值补全或去除，并对格式或内容错误的所述原始数据进行去除或修改，得到完整数据。
步骤10132，通过所述数据转换对所述完整数据进行采样处理与类型转换，得到归一化数据。
步骤10133，通过所述数据归约将所述归一化数据在所述共识预言机节点聚合得到所述归一化信任数据。
在上述方案中，通过各信息源平台获取所述原始数据，收集获取的原始数据大都是分散的多源多模态的非信任数据，通过适配器将所述原始数据汇总到共识预言机节点，将所述原始数据在所述共识预言机节点进行物理世界预处理得到可以共识上链的归一化信任数据。所述物理世界预处理过程主要包括数据清洗、数据转换和数据归约。其中，数据清洗首先将所述原始数据进行缺失值补全或去除，根据不同的场景下信任属性区别，采用不同缺失值补全方法，如：同类均值插补、建模预测、高维映射、多重插补、极大似然估计、压缩感知和矩阵补全等；然后对格式或内容错误的数据去除或修改，比如去除重复数据、修改离群点数据等。通过数据清洗得到完整数据，提高数据质量，降低误差值。数据转换主要是对数据进行采样处理和类型转换。采样处理是从特定的概率分布中抽取样本点，将复杂分布简化为离散的样本点，以处理不均衡数据集；类型转换通过选取合适的模型，将不同类型的数据进行归一化处理得到归一化数据，方便后续统一处理。数据归约是将所述归一化数据在共识预言机节点层面聚合，信任数据传输过程中包含多个共识预言机节点，每个共识预言机节点从多个独立的数据聚合器获取数据，对数据归约并保障应用程序编程接口(Application Programming Interface，简称API)连接性，向其发送链上响应。因此，不仅每个数据源都全面覆盖所有不同信誉值的来源，而且每个共识预言机节点都从多个数据源聚合数据并传输到链上，这样能更好地避免单点故障。本公开上述物理世界数据预处理过程为本公开物理世界数据预处理的通用方案，具体应用场景对应具体的数据处理过程。
图2为面向多维信任属性的物理世界数据预处理与共识上链示意图，如图2所示，在多维信任属性的物理世界预处理部分，通过各信息源平台获取原始数据，所述原始数据包括网上购物买卖信用记录、高校考试信用记录、生活缴费信用记录、企事业征信内容、信用卡金融信用记录等，将所述原始数据发送到各适配器，通过各适配器将所述原始数据汇总到共识预言机各节点进行物理世界数据预处理，其中物理世界数据预处理包括数据清洗、数据特征提取、数据转换和数据归约，物理世界预处理后得到的归一化信用数据可以进行共识上链处理。图2所示物理世界数据预处理过程是在所述共识预言机每个节点进行的，图中只是以节点node1为例，后面其他节点同节点node1一样。
在一些实施例中，所述共识预言机网络包括所述共识预言机节点，步骤102中，所述通过共识预言机网络对所述归一化信任数据达成共识得到共识数据，并将所述共识数据可信上链得到链上数据，具体包括：
步骤1021，基于共识前列表存储所述归一化信任数据。
步骤1022，基于改进的拜占庭容错共识协议对所述归一化信任数据设计共识消息项。
步骤1023，基于所述共识预言机网络通过节点信誉加权对所述共识消息项进行更新得到共识数据。
步骤1024，通过所述改进的拜占庭容错共识协议的主节点进行归一化处理将所述共识数据上传至链上得到链上数据。
在上述方案中，共识预言机也叫去中心化预言机，所述共识预言机网络包括所述共识预言机节点，通过所述共识预言机网络将归一化信任数据进行共识上链得到链上数据，上链后的链上数据不可篡改不可伪造，通过数据共识上链实现数据的不可篡改，提高数据安全性。
图2为面向多维信任属性的物理世界数据预处理与共识上链示意图，如图2所示，在共识上链部分，对物理世界预处理后的归一化信任数据进行共识上链处理，在对归一化信任数据进行共识时，首先设计一个共识前列表用来存储获得的归一化信任数据，然后通过算法设计一个共识消息项，所述共识消息项的格式为一个列表，得到共识后列表，通过节点信誉加权，在共识过程中不断对这个列表进行更新，最后进行可信数据上链得到链上数据。
首先设计一个共识前列表，用来存储获得的归一化信任数据，然后改进的拜占庭容错共识协议设计一个共识消息项，所述共识消息项的格式为一个列表，经过数据共识得到共识后列表，所述共识列表中的值包括各共识预言机节点对合约请求做出答案预处理后的聚合结果，并通过节点信誉加权，在共识过程中不断对这个列表进行更新，最后由主节点进行归一化处理并将结果上传至链上。归一化处理可以简单用信誉平均的方法计算。以温度为例：
其中，ri表示节点i的全局信誉值，每个节点有一个初始信誉值rini，信誉值会随着节点行为而更新，ti表示节点i的温度值，T表示最终计算的归一化结果。
对于各节点聚合后的数据项，共识预言机网络所实现的信任数据链接的共识机制与区块链自身传统的共识机制稍有不同，预言机确认链上智能合约能够获得聚合结果。
在一些实施例中，步骤103中，所述通过对所述链上数据进行信任计算得到链上节点信任度，对所述链上节点信任度建模与评判构建信任模型，并对所述信任模型进行信任风险预测得到信任风险预测结果，具体包括：
步骤1031，基于Dempster-Shafer证据理论改进的证据合成规则对所述链上数据进行信任计算得到链上节点信任度。
步骤1032，基于动力学理论对所述链上节点信任度进行信任建模与评判，得到信任模型。
步骤1033，基于贝叶斯网络对所述信任模型进行信任风险预测，得到信任风险预测结果。
在上述方案中，通过对链上数据进行信任计算、信任建模和信任风险预测对链上数据进行多维属性信任度量，通过信任度量可以由节点过去的行为预测节点将来的行为，得到链上节点信任度。
首先基于Dempster-Shafer理论证据合成规则开始改进，结合节点自身特性，提出改进型证据合成规则，Dempster-Shafer证据理论改进的证据合成规则使得融合来自不同证据源的不一致信息性能显著增强。在信任计算过程中，需综合考虑各因子动态性、冒险程度、执行能力、通信和计算开销等因素，对时效因子、激励因子、惩罚因子、推荐者信誉因子等方面进行分析。
然后基于动力学理论分析各类因子的动态演化规律，建立统计量化指标和统计学习模型来刻画客观与主观因素的权重，对链上节点信任度进行全局性的建模与评判，构建信任模型。
最后采用贝叶斯网络对信任模型进行节点行为信任风险预测，可以由节点过去的行为预测节点将来的行为，用数学的方法计算节点未来行为是恶意的概率，即信誉值更新。利用贝叶斯网络，一方面，首先计算出网络中任一节点的先验概率及所有叶节点的条件概率，之后就可以预测在某个特定行为信任属性条件下的用户行为信任等级概率；另一方面，将以往用户行为的统计数据以概率形式融入模型，从而将用户行为的先验知识和后验的数据无缝地结合在一起。
在一些实施例中，步骤104中，所述基于凭证定义和数字图谱对所述物理世界信任关系和所述信任模型构建数字身份链，具体包括：
步骤1041，基于W3C可验证凭证中的凭证定义，结合共识预言机传输的链下多源多维信任数据构成的数字图谱，对所述物理世界信任关系和所述信任模型构建分布式数字身份链；其中，所述可验证凭证是以主凭证为锚点的基于上下文的子凭证。
在上述方案中，通过对信任模型构建数字身份链，将节点身份、属性关系记录在数字身份链，可以有选择的暴露自己的属性，起到隐私保护的作用。
采用万维网联盟(World Wide Web Consortium，简称W3C)可验证凭证规范中的凭证定义，结合共识预言机传输的链下多源多维信用数据构成的数字图谱，构造应用于数字孪生世界且支持抵抗女巫攻击和隐私保护的分布式数字身份RepDID，数字身份链由信用关系和信用模型共同搭建。将节点身份，属性关系记录在数字身份链。如某些行为需要成年才可以进行，传统方案证明自己年龄同时会暴露自己其他信息，如身份证号。本方案可以有选择的暴露自己的属性，起到隐私保护的作用。数字身份链上的RepDID由分布式数字身份标识符(Decentralized Identity，简称DID)和数字身份凭证组成。其中，通过结合区块链技术，采用与物理世界关联的唯一标识字符串来构建DID。
可验证凭证包括主凭证发布和基于上下文的子凭证发布。主凭证不适用于直接与数字孪生世界中繁杂多样的应用程序进行交互，因为产生的可链接性将是极其复杂的，但是主凭证是唯一的，且主凭证的多场景复用也会给身份的隐私性带来威胁。所以，在不同应用场景或应用程序中扩展数字身份凭证是必要的。因此，本公开使用主凭证作为锚点来创建面向数字世界中各类应用场景的子凭证，即发布基于上下文的凭证。物理世界通过提供预凭证和主凭证来获取此场景所需的子凭证。基于上下文的凭证继承主凭证的抗女巫攻击特性，每个具体应用场景仅颁发一个子凭证。
在一些实施例中，步骤105中，所述基于所述物理世界信任关系和物理世界全局信任度对所述信任风险预测结果和所述数字身份链构建信任链，所述信任链之间存在信任链信任关系，基于所述信任链信任关系构建信任图谱，具体包括：
步骤1051，利用所述数字身份链的凭证信息对所述链上数据进行信任计算得到物理世界的直接信任度，基于共识预言机对所述链上数据进行信任计算得到物理世界的间接信任度，根据所述直接信任度和所述间接信任度得到物理世界的全局信任度。
步骤1052，基于所述物理世界信任关系和物理世界全局信任度对所述信任风险预测结果和所述数字身份链构建信任链，所述信任链之间存在信任关系；其中，所述信任链上的所述物理世界的全局信任度可被交易链读取。
步骤1053，通过读取所述信任链信任关系构建信任图谱。
在上述方案中，通过对信任风险预测结果和数字身份链构建信任链，将物理世界的行为迁移到链上，得到链上行为，通过构建开放的信任图谱，可以实现物理世界的信任度随信任链上信任度实时更新变化。
结合分布式数字身份和信任风险预测结果构建以链上信任模型为核心的层次化区块链信任链，将链下的物理世界行为迁移到链上，利用数字身份链的凭证信息对链上数据进行信任计算得到物理世界的直接信任度，基于共识预言机对链上数据进行信任计算得到物理世界的间接信任度，根据直接信任度和间接信任度得到物理世界的全局信任度。物理世界全局信任度以及物理世界间的信任关系形成信任链，交易链可以从信任链上读取物理世界全局信任度，相应地，数字世界中的信任更新对物理世界的信任影响反向可调整信任模型。使用默克尔树设计信任链以提供快速的简单支付验证，通过读取信任链链上的分布式信任关系，构建一个开放的信任图谱，并随着实际交互情况实时更新。
在一些实施例中，步骤106中，所述通过算法对所述信任链和所述信任图谱进行共识得到共识结果，将基于所述共识结果确认的信任链信任度反馈给所述物理世界，具体包括：
步骤1061，基于改进的默克尔树算法对所述信任链选择验证节点，基于分布式共识算法对所述信任链其他候选节点进行验证节点，进行信任共识，得到一个共识结果。
步骤1062，将基于所述共识结果确认的信任链节点全局信任度反馈给数字身份链，进而利用逆向预言机将节点全局信任度反馈给所述物理世界。
在上述方案中，通过对信任链上节点进行信任共识并反馈给物理世界，实现高效共识，保证共识安全性的前提下提高共识的效率，并且通过将链上信任度反馈给物理世界，实现物理世界信任度随链上信任度实时更新变化，最终实现信任孪生中的信任关系从物理世界到数字世界，再到物理世界的闭环关系。
通过设计层次通信协议和层次路由协议，规划共识阶段，划分网络集群，使得整体共识过程的时间、通信消耗最小，同时保证每个集群的节点全局信任度相对均衡。基于改进的默克尔树算法，所有节点的信誉值对应一个权重，权重越高被选为主节点的概率越高。使得主节点的选择具备随机性，高全局信任度权重节点有更大概率当选验证节点。同时对其它候选节点，基于分布式共识算法选择验证节点。通过综合网络性能和全局信任度动态选择验证节点选择数量及共识路径，实现高效共识。
需要说明的是，本公开的实施例还可以以下方式进一步描述：
如图3所示，为基于区块链的信任孪生方法的模型构建流程示意图，包括：数据层、区块链层和应用层。
步骤1，数据层包括传感器数据流、第三方评价数据以及监管机构背书信息，这些分散、复杂、多源的原始数据是不可信的，经过共识预言机机制，对数据进行物理世界预处理、共识并安全传输至链上构建数字身份链，完成链下到链上的可信数据传输，并且通过共识预言机机制构建信任模型。
步骤2，区块链层包括信任模型、数字身份链、交易链和信任链(TrustChain)。区块链层利用物理世界数据身份上的凭证信息作为直接信任，结合上链的可信数据以推荐评价信息生成间接信任构建物理世界信任模型；物理世界全局信任度以及物理世界间的信任关系形成TrustChain，基于TrustChain构建信任图谱，交易链可以从TrustChain上读取物理世界全局信任度，相应地，数字世界中的信任更新对物理世界的信任影响反向可调整信任模型。
步骤3，应用层上包括信任图谱，通过读取TrustChain上的分布式信任关系，构建一个开放的信任图谱，基于信任图谱进行高效共识并向物理世界反馈结果，实现物理世界信任度随区块链信任度实时更新变化，最终实现信任孪生中的信任关系从物理世界到数字世界，再到物理世界的闭环关系。
在本实施例中，首先通过物理世界数据预处理和基于共识预言机网络对数据共识上链构建分布式数字身份，然后基于分布式数字身份构建信任图谱，最后基于分布式数字身份与信任图谱高效达成共识，实现基于区块链的高效共识、高信任度以及隐私保护的信任孪生方法。
需要说明的是，本公开实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本公开实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
需要说明的是，上述对本公开的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
基于同一发明构思，与上述任意实施例方法相对应的，本公开还提供了一种基于区块链的信任孪生系统。
参考图4，所述基于区块链的信任孪生系统，包括：
预处理模块401，被配置为响应于获取原始数据，通过共识预言机节点对所述原始数据进行物理世界数据预处理得到归一化信任数据，所述物理世界数据之间存在物理世界信任关系；
上链模块402，被配置为通过共识预言机网络对所述归一化信任数据达成共识得到共识数据，并将所述共识数据可信上链得到链上数据；
信任风险预测模块403，被配置为通过对所述链上数据进行信任计算得到链上节点信任度，对所述链上节点信任度建模与评判构建信任模型，并对所述信任模型进行信任风险预测得到信任风险预测结果；
数字身份链模块404，被配置为基于凭证定义和原始数据图谱为所述物理世界的实体构建数字身份链；
信任链模块405，被配置为基于所述物理世界信任关系和物理世界实体全局信任度对所述信任风险预测结果和所述数字身份链构建信任链，所述信任链上存在节点信任度和节点之间的信任关系，基于所述信任链节点信任度和信任关系构建信任图谱；
共识模块406，被配置为通过算法对所述信任链和所述信任图谱进行共识得到共识结果，将基于所述共识结果确认的信任链节点全局信任度通过逆向预言机反馈给所述物理世界。
在一些实施例中，预处理模块401具体包括：
获取单元，被配置为通过各信息源平台获取所述原始数据；
汇总模块，被配置为通过适配器将所述原始数据汇总到共识预言机节点；
数据处理单元，被配置为通过所述共识预言机节点对所述原始数据进行数据清洗、数据转换和数据归约得到归一化信任数据；
在一些实施例中，所述数据处理单元具体包括：
数据清洗子单元，被配置为通过所述数据清洗将所述原始数据中的缺失值补全或去除，并对格式或内容错误的所述原始数据进行去除或修改，得到完整数据；
数据转换子单元，被配置为通过所述数据转换对所述完整数据进行采样处理与类型转换，得到归一化数据；
数据归约子单元，被配置为通过所述数据归约将所述归一化数据在所述共识预言机节点聚合得到所述归一化信任数据。
在一些实施例中，所述共识预言机网络包括所述共识预言机节点，上链模块402具体包括：
存储单元，被配置为基于共识前列表存储所述归一化信任数据；
设计单元，被配置为基于改进的拜占庭容错共识协议对所述归一化信任数据设计共识消息项；
更新单元，被配置为基于所述共识预言机网络通过节点信誉加权对所述共识消息项进行更新得到共识数据；
上链单元，被配置为通过所述改进的拜占庭容错共识协议的主节点进行归一化处理将所述共识数据上传至链上得到链上数据。
在一些实施例中，信任风险预测模块403具体包括：
信任建模单元，被配置为基于Dempster-Shafer证据理论改进的证据合成规则对所述链上数据进行信任计算得到链上节点信任度；
信任计算单元，被配置为基于动力学理论对所述链上节点信任度进行信任建模与评判，得到信任模型；
信任风险预测单元，被配置为基于贝叶斯网络对所述信任模型进行信任风险预测，得到信任风险预测结果。
在一些实施例中，数字身份链模块404具体包括：
数字身份链单元，被配置为基于W3C可验证凭证中的凭证定义，结合共识预言机传输的链下多源多维信任数据构成的数字图谱，对所述物理世界信任关系和所述信任模型构建分布式数字身份链；其中，所述可验证凭证是以主凭证为锚点的基于上下文的子凭证。
在一些实施例中，信任链模块405具体包括：
全局信任度单元，被配置为利用所述数字身份链的凭证信息对所述链上数据进行信任计算得到物理世界的直接信任度，基于共识预言机对所述链上数据进行信任计算得到物理世界的间接信任度，根据所述直接信任度和所述间接信任度得到物理世界的全局信任度；
信任链单元，被配置为基于所述物理世界信任关系和物理世界全局信任度对所述信任风险预测结果和所述数字身份链构建信任链，所述信任链之间存在信任关系；其中，所述信任链上的所述物理世界的全局信任度可被交易链读取；
信任图谱单元，被配置为通过读取所述信任链信任关系构建信任图谱。
在一些实施例中，共识模块406具体包括：
共识单元，被配置为基于改进的默克尔树算法对所述信任链选择验证节点，基于分布式共识算法对所述信任链其他候选节点进行验证节点，进行信任共识，得到一个共识结果；
反馈单元，被配置为将基于所述共识结果确认的信任链节点全局信任度反馈给数字身份链，进而利用逆向预言机将节点全局信任度反馈给所述物理世界。
为了描述的方便，描述以上系统时以功能分为各种模块分别描述。当然，在实施本公开时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的系统用于实现前述任一实施例中相应的基于区块链的信任孪生方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
基于同一发明构思，与上述任意实施例方法相对应的，本公开还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上任意一实施例所述的基于区块链的信任孪生方法。
图5示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器510、存储器520、输入/输出接口530、通信接口540和总线550。其中处理器510、存储器520、输入/输出接口530和通信接口540通过总线550实现彼此之间在设备内部的通信连接。
处理器510可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
存储器520可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器520可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器520中，并由处理器510来调用执行。
输入/输出接口530用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口540用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线550包括一通路，在设备的各个组件(例如处理器510、存储器520、输入/输出接口530和通信接口540)之间传输信息。
需要说明的是，尽管上述设备仅示出了处理器510、存储器520、输入/输出接口530、通信接口540以及总线550，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
上述实施例的电子设备用于实现前述任一实施例中相应的基于区块链的信任孪生方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
基于同一发明构思，与上述任意实施例方法相对应的，本公开还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上任一实施例所述的基于区块链的信任孪生方法。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的基于区块链的信任孪生方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本公开实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
另外，为简化说明和讨论，并且为了不会使本公开实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本公开实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本公开实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本公开的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本公开实施例。因此，这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。
本公开实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本公开实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。
Claims (10)
1.一种基于区块链的信任孪生方法，其特征在于，所述信任孪生包括信任链，所述信任链包括数据层、区块链和应用层，所述方法包括：
响应于获取原始数据，通过共识预言机节点对所述原始数据进行物理世界数据预处理得到归一化信任数据，所述物理世界数据之间存在物理世界信任关系；
通过共识预言机网络对所述归一化信任数据达成共识得到共识数据，并将所述共识数据可信上链得到链上数据；
通过对所述链上数据进行信任计算得到链上节点信任度，对所述链上节点信任度建模与评判构建信任模型，并对所述信任模型进行信任风险预测得到信任风险预测结果；
基于凭证定义和原始数据图谱为所述物理世界的实体构建数字身份链；
基于所述物理世界信任关系和物理世界实体全局信任度对所述信任风险预测结果和所述数字身份链构建信任链，所述信任链上存在节点信任度和节点之间的信任关系，基于所述信任链节点信任度和信任关系构建信任图谱；
通过算法对所述信任链和所述信任图谱进行共识得到共识结果，将基于所述共识结果确认的信任链节点全局信任度通过逆向预言机反馈给所述物理世界。
2.根据权利要求1所述的基于区块链的信任孪生方法，其特征在于，所述获取原始数据，通过共识预言机节点对所述原始数据进行物理世界数据预处理得到归一化信任数据，包括：
通过各信息源平台获取所述原始数据；
通过适配器将所述原始数据汇总到共识预言机节点；
通过所述共识预言机节点对所述原始数据进行数据清洗、数据转换和数据归约得到归一化信任数据；其中，
通过所述数据清洗将所述原始数据中的缺失值补全或去除，并对格式或内容错误的所述原始数据进行去除或修改，得到完整数据；
通过所述数据转换对所述完整数据进行采样处理与类型转换，得到归一化数据；
通过所述数据归约将所述归一化数据在所述共识预言机节点聚合得到所述归一化信任数据。
3.根据权利要求1所述的基于区块链的信任孪生方法，其特征在于，所述共识预言机网络包括所述共识预言机节点，所述通过共识预言机网络对所述归一化信任数据达成共识得到共识数据，并将所述共识数据可信上链得到链上数据，包括：
基于共识前列表存储所述归一化信任数据；
基于改进的拜占庭容错共识协议对所述归一化信任数据设计共识消息项；
基于所述共识预言机网络通过节点信誉加权对所述共识消息项进行更新得到共识数据；
通过所述改进的拜占庭容错共识协议的主节点进行归一化处理将所述共识数据上传至链上得到链上数据。
4.根据权利要求1所述的基于区块链的信任孪生方法，其特征在于，所述通过对所述链上数据进行信任计算得到链上节点信任度，对所述链上节点信任度建模与评判构建信任模型，并对所述信任模型进行信任风险预测得到信任风险预测结果，包括：
基于Dempster-Shafer证据理论改进的证据合成规则对所述链上数据进行信任计算得到链上节点信任度；
基于动力学理论对所述链上节点信任度进行信任建模与评判，得到信任模型；
基于贝叶斯网络对所述信任模型进行信任风险预测，得到信任风险预测结果。
5.根据权利要求1所述的基于区块链的信任孪生方法，其特征在于，所述基于凭证定义和原始数据图谱为所述物理世界的实体构建数字身份链，包括：
基于W3C可验证凭证中的凭证定义，结合共识预言机传输的链下多源多维信任数据构成的数字图谱，对所述物理世界信任关系和所述信任模型构建分布式数字身份链；其中，
所述可验证凭证是以主凭证为锚点的基于上下文的子凭证。
6.根据权利要求1所述的基于区块链的信任孪生方法，其特征在于，所述基于所述物理世界信任关系和物理世界实体全局信任度对所述信任风险预测结果和所述数字身份链构建信任链，所述信任链上存在节点信任度和节点之间的信任关系，基于所述信任链节点信任度和信任关系构建信任图谱，包括：
利用所述数字身份链的凭证信息对所述链上数据进行信任计算得到物理世界的直接信任度，基于共识预言机对所述链上数据进行信任计算得到物理世界的间接信任度，根据所述直接信任度和所述间接信任度得到物理世界的全局信任度；
基于所述物理世界信任关系和物理世界全局信任度对所述信任风险预测结果和所述数字身份链构建信任链，所述信任链之间存在信任关系；其中，所述信任链上的所述物理世界的全局信任度可被交易链读取；
通过读取所述信任链信任关系构建信任图谱。
7.根据权利要求1所述的基于区块链的信任孪生方法，其特征在于，所述通过算法对所述信任链和所述信任图谱进行共识得到共识结果，将基于所述共识结果确认的信任链节点全局信任度通过逆向预言机反馈给所述物理世界，包括：
基于改进的默克尔树算法对所述信任链选择验证节点，基于分布式共识算法对所述信任链其他候选节点进行验证节点，进行信任共识，得到一个共识结果；以及
将基于所述共识结果确认的信任链节点全局信任度反馈给数字身份链，进而利用逆向预言机将节点全局信任度反馈给所述物理世界。
8.一种基于区块链的信任孪生系统，其特征在于，所述信任孪生包括信任链，所述信任链包括数据层、区块链层和应用层，所述系统包括：
预处理模块，被配置为响应于获取原始数据，通过共识预言机节点对所述原始数据进行物理世界数据预处理得到归一化信任数据，所述物理世界数据之间存在物理世界信任关系；
上链模块，被配置为通过共识预言机网络对所述归一化信任数据达成共识得到共识数据，并将所述共识数据可信上链得到链上数据；
信任风险预测模块，被配置为通过对所述链上数据进行信任计算得到链上节点信任度，对所述链上节点信任度建模与评判构建信任模型，并对所述信任模型进行信任风险预测得到信任风险预测结果；
数字身份链模块，被配置为基于凭证定义和原始数据图谱为所述物理世界的实体构建数字身份链；
信任链模块，被配置为基于所述物理世界信任关系和物理世界实体全局信任度对所述信任风险预测结果和所述数字身份链构建信任链，所述信任链上存在节点信任度和节点之间的信任关系，基于所述信任链节点信任度和信任关系构建信任图谱；
共识模块，被配置为通过算法对所述信任链和所述信任图谱进行共识得到共识结果，将基于所述共识结果确认的信任链节点全局信任度通过逆向预言机反馈给所述物理世界。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1至7任意一项所述的方法。
10.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行权利要求1至7任一所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210687023.9A CN115314513B (zh) | 2022-06-16 | 2022-06-16 | 基于区块链的信任孪生方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210687023.9A CN115314513B (zh) | 2022-06-16 | 2022-06-16 | 基于区块链的信任孪生方法及相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115314513A CN115314513A (zh) | 2022-11-08 |
| CN115314513B true CN115314513B (zh) | 2023-09-19 |
Family
ID=83855198
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210687023.9A Active CN115314513B (zh) | 2022-06-16 | 2022-06-16 | 基于区块链的信任孪生方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115314513B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019222993A1 (zh) * | 2018-05-25 | 2019-11-28 | 北京大学深圳研究生院 | 一种基于信任关系的区块链共识方法 |
| CN111295660A (zh) * | 2017-11-02 | 2020-06-16 | 区块链控股有限公司 | 用于将区块链连接到数字孪生的计算机实现的系统和方法 |
| CN112053043A (zh) * | 2020-08-21 | 2020-12-08 | 北京邮电大学 | 一种基于区块链的群智感知方法及系统 |
| CA3141042A1 (en) * | 2019-06-13 | 2020-12-17 | Luis Eduardo Gutierrez-Sheris | System and method using a fitness-gradient blockchain consensus and providing advanced distributed ledger capabilities via specialized data records |
| CN113946877A (zh) * | 2021-09-04 | 2022-01-18 | 西安链融科技有限公司 | 数据安全计算方法、系统、计算机设备、存储介质及终端 |
| CN114374520A (zh) * | 2022-01-06 | 2022-04-19 | 上海交通大学宁波人工智能研究院 | 一种可信安全的轻量级区块链实现系统和方法 |
| CN114389824A (zh) * | 2022-03-24 | 2022-04-22 | 湖南天河国云科技有限公司 | 基于区块链的可信计算信任链的验证更新方法及装置 |
| CN114493865A (zh) * | 2022-01-06 | 2022-05-13 | 北京邮电大学 | 基于区块链的去中心化互联网协同系统和数据交互方法 |
| CN114499895A (zh) * | 2022-04-06 | 2022-05-13 | 国网浙江省电力有限公司电力科学研究院 | 一种融合可信计算与区块链的数据可信处理方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10742424B2 (en) * | 2018-08-29 | 2020-08-11 | International Business Machines Corporation | Trusted identity solution using blockchain |
-
2022
- 2022-06-16 CN CN202210687023.9A patent/CN115314513B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111295660A (zh) * | 2017-11-02 | 2020-06-16 | 区块链控股有限公司 | 用于将区块链连接到数字孪生的计算机实现的系统和方法 |
| WO2019222993A1 (zh) * | 2018-05-25 | 2019-11-28 | 北京大学深圳研究生院 | 一种基于信任关系的区块链共识方法 |
| CA3141042A1 (en) * | 2019-06-13 | 2020-12-17 | Luis Eduardo Gutierrez-Sheris | System and method using a fitness-gradient blockchain consensus and providing advanced distributed ledger capabilities via specialized data records |
| CN112053043A (zh) * | 2020-08-21 | 2020-12-08 | 北京邮电大学 | 一种基于区块链的群智感知方法及系统 |
| CN113946877A (zh) * | 2021-09-04 | 2022-01-18 | 西安链融科技有限公司 | 数据安全计算方法、系统、计算机设备、存储介质及终端 |
| CN114374520A (zh) * | 2022-01-06 | 2022-04-19 | 上海交通大学宁波人工智能研究院 | 一种可信安全的轻量级区块链实现系统和方法 |
| CN114493865A (zh) * | 2022-01-06 | 2022-05-13 | 北京邮电大学 | 基于区块链的去中心化互联网协同系统和数据交互方法 |
| CN114389824A (zh) * | 2022-03-24 | 2022-04-22 | 湖南天河国云科技有限公司 | 基于区块链的可信计算信任链的验证更新方法及装置 |
| CN114499895A (zh) * | 2022-04-06 | 2022-05-13 | 国网浙江省电力有限公司电力科学研究院 | 一种融合可信计算与区块链的数据可信处理方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 信任管理中动态信任传递方法的关键技术研究;马小龙;中国博士学位论文全文数据库 信息科技辑;全文 * |
| 基于区块链的数字身份发展现状;崔久强;吕尧;王虎;;网络空间安全(06);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115314513A (zh) | 2022-11-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kumari et al. | Secure data analytics for smart grid systems in a sustainable smart city: Challenges, solutions, and future directions | |
| KR102308002B1 (ko) | 정보 생성 방법 및 장치 | |
| Miglani et al. | Blockchain management and machine learning adaptation for IoT environment in 5G and beyond networks: A systematic review | |
| CN110855648B (zh) | 一种网络攻击的预警控制方法及装置 | |
| CN112231592A (zh) | 基于图的网络社团发现方法、装置、设备以及存储介质 | |
| CN112035350B (zh) | 针对区块链系统的测试方法、装置及计算机设备 | |
| Gabrielli et al. | A survey on decentralized federated learning | |
| WO2021260517A1 (en) | Distributed computer system and method of operation thereof | |
| Sulich et al. | Schemes for verification of resources in the cloud: comparison of the cloud technology providers | |
| CN113688418B (zh) | 基于区块链数据存储的工程订单结算方法及系统 | |
| Khan et al. | Towards enhancing the capability of IoT applications by utilizing cloud computing concept | |
| Yang et al. | Generic-NFT: A generic non-fungible token architecture for flexible value transfer in web3 | |
| CN115879164A (zh) | 数据校验方法、装置、设备及存储介质 | |
| Anjos et al. | BIGhybrid: a simulator for MapReduce applications in hybrid distributed infrastructures validated with the Grid5000 experimental platform | |
| CN115314513B (zh) | 基于区块链的信任孪生方法及相关设备 | |
| CA3233934A1 (en) | Data compression techniques for machine learning models | |
| Chi et al. | A trusted cloud-edge decision architecture based on blockchain and mlp for aiot | |
| CN115292516A (zh) | 基于区块链的分布式知识图谱构建方法、装置及系统 | |
| Wadhwa et al. | Empirical analysis on consensus algorithms of blockchain | |
| CN116263659A (zh) | 数据处理方法、装置、计算机程序产品、设备及存储介质 | |
| Singh et al. | Cloud based evaluation of databases for stock market data | |
| Bandara et al. | Lightweight, geo-scalable deterministic blockchain design for 5G networks sliced applications with hierarchical CFT/BFT consensus groups, IPFS and novel hardware design | |
| US20240080210A1 (en) | Systems and methods for a digital register of models monitoring changes in accuracy of artificial intelligence models | |
| US20240020299A1 (en) | Api management for batch processing | |
| Tan et al. | An Implementation of Blockchain Decentralized Application for Industrial IoT Scenarios |
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 |