CN115357915A - 基于深度学习和信息隐藏的区块链方法和医康养交易系统 - Google Patents
基于深度学习和信息隐藏的区块链方法和医康养交易系统 Download PDFInfo
- Publication number
- CN115357915A CN115357915A CN202210918294.0A CN202210918294A CN115357915A CN 115357915 A CN115357915 A CN 115357915A CN 202210918294 A CN202210918294 A CN 202210918294A CN 115357915 A CN115357915 A CN 115357915A
- Authority
- CN
- China
- Prior art keywords
- node
- information
- service
- block
- priority
- 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.)
- Pending
Links
- 230000036541 health Effects 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000013135 deep learning Methods 0.000 title abstract description 6
- 230000007246 mechanism Effects 0.000 claims abstract description 178
- 238000013136 deep learning model Methods 0.000 claims abstract description 114
- 238000003032 molecular docking Methods 0.000 claims description 65
- 230000008520 organization Effects 0.000 claims description 64
- 238000012360 testing method Methods 0.000 claims description 31
- 238000012549 training Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000012163 sequencing technique Methods 0.000 claims description 20
- 238000004806 packaging method and process Methods 0.000 claims description 17
- 238000012790 confirmation Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 5
- 230000008713 feedback mechanism Effects 0.000 claims description 5
- 238000012795 verification Methods 0.000 description 11
- 238000013473 artificial intelligence Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 230000008569 process Effects 0.000 description 1
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
- G06F21/602—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q20/3827—Use of message hashing
-
- 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
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Bioethics (AREA)
- Finance (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Child & Adolescent Psychology (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
基于深度学习和信息隐藏的区块链方法和医康养交易系统,包括:节点注册请求步骤;注册信息确认步骤;注册共识步骤;注册共识达成步骤;特征获取步骤;机构信息隐藏与发送步骤;用户信息隐藏与发送步骤。上述方法、系统和机器人,通过多个平台节点都对注册节点的条件进行检验,来达成共识,从而使得注册成功的节点更为可信;通过将用户特征和机构特征作为深度学习模型的输入,将需要共享的数据和信息作为深度学习模型的预期输出,从而使得用户和机构可以通过自身的特征进行信息的隐藏和自身身份的认证,从而使得信息的发送和数据的共享更为安全和方便。
Description
技术领域
本发明涉及人工智能技术领域,特别是涉及一种基于深度学习和信息隐藏的区块链方法和医康养交易系统。
背景技术
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:现有的区块链系统往往在注册时缺乏严密的专业认证,对于医康养这种专业系统来说是不足的,同时现有的区块链系统的数据传输非常消耗资源,效率低下,而且缺乏高效信息隐藏的方式。
因此,现有技术还有待于改进和发展。
发明内容
基于此,有必要针对现有技术的缺陷或不足,提供基于深度学习和信息隐藏的区块链方法和医康养交易系统,以解决现有区块链系统特别是医康养交易系统中区块链效率低下,数据传输效率低下、安全性不高的问题。
第一方面,本发明实施例提供一种区块链方法,所述方法包括:
节点注册请求步骤:获取预设类型,预设类型包括平台或机构或用户;平台节点获取待注册节点注册预设类型节点的请求;所述请求中包括所述待注册节点的空间位置、所述待注册节点申请管辖的空间范围、所述待注册节点申请的管理优先级;平台节点获取待注册节点的位置信息和基本信息,若所述待注册节点的基本信息符合预设类型节点注册条件,则向所述待注册节点发送拟同意所述待注册节点成为平台节点的拟同意消息,所述拟同意消息已经用所述平台节点的私钥加密;
注册信息确认步骤:待注册节点若成功获取前预设数个到达的所述拟同意消息,则获取预设类型区块链中最新区块的哈希值作为前一区块的哈希值,将前一区块的哈希值、所述待注册节点的基本信息、预设数个到达的所述拟同意消息打包成待插入区块插入预设类型区块链,并用所述待注册节点的私钥加密后向区块链集合中所有节点广播待插入区块;区块链集合中每一节点获取到了所述广播的待插入区块,首先用广播所述待插入区块的所述待注册节点的公钥解密所述待插入区块;
注册共识步骤:若区块链集合任一节点接受到了不超过预设数个的节点广播的所述待插入区块,则从中选取一个所述待插入区块,从所述待插入区块中提取前一区块的哈希值,并与所述任一区块链节点存储的每一候选的预设类型区块链的最新区块的哈希值进行匹配,若匹配失败,则抛弃所述待插入区块,若匹配成功,则从所述区块中提取预设数个到达的所述拟同意消息后,对预设数个到达的所述拟同意消息通过发送拟同意消息的平台节点的公钥进行解密,并判断所述拟同意消息是否为拟同意消息,若验证通过,则将所述待插入区块插入所述每一候选的预设类型区块链,并将所述待插入区块用所述任一节点的私钥加密后再次向区块链集合中每一节点广播;
注册共识达成步骤:若区块链集合任一节点接受到了超过预设数个的节点广播的所述待插入区块,则从中选取一个所述待插入区块,从所述待插入区块中提取前一区块的哈希值,并与所述任一节点存储的每一候选的预设类型区块链的最新区块的哈希值进行匹配,若匹配失败,则抛弃所述待插入区块,若匹配成功,则将所述待插入区块插入所述每一候选的预设类型区块链。
优选地,所述方法还包括:
用户需求优先级确定步骤:获取通过用户数据判断用户的每类需求优先级的规则,获取用户数据,根据所述规则,计算所述用户的所述每类需求优先级;当根据所述规则判断所述每类需求优先级失败时,将用户数据输入所述每类需求优先级预测深度学习模型进行计算,将所述模型的输出作为所述用户的所述每类需求优先级;每类需求优先级预测深度学习模型构建步骤:将已知所述每类需求优先级的用户数据、所述已知每类需求优先级作为输入和预期输出对深度学习模型进行训练和测试,得到所述每类需求优先级预测深度学习模型;
机构服务优先级确定步骤:获取通过机构数据判断机构的每类服务优先级的规则,获取机构数据,根据所述规则,计算所述机构的所述每类服务优先级;当根据所述规则判断所述每类服务优先级失败时,将机构数据输入所述每类服务优先级预测深度学习模型进行计算,将所述模型的输出作为所述机构的所述每类服务优先级;每类服务优先级预测深度学习模型构建步骤:将已知所述每类服务优先级的机构数据、所述已知每类服务优先级作为输入和预期输出对深度学习模型进行训练和测试,得到所述每类服务优先级预测深度学习模型;
平台服务优先级确定步骤:获取通过平台数据判断平台的每类对接优先级的规则,获取平台数据,根据所述规则,计算所述平台的所述每类对接优先级;当根据所述规则判断所述每类对接优先级失败时,将平台数据输入所述每类对接优先级预测深度学习模型进行计算,将所述模型的输出作为所述平台的所述每类对接优先级;每类对接优先级预测深度学习模型构建步骤:将已知所述每类对接优先级的平台数据、所述已知每类对接优先级作为输入和预期输出对深度学习模型进行训练和测试,得到所述每类对接优先级预测深度学习模型。
优选地,所述方法还包括:
用户节点发布需求步骤:用户节点向区块链集合中的节点广播的方式发布需求,所述需求已经用所述用户节点的私钥加密;
机构节点发布服务步骤:机构节点向区块链集合中的节点广播的方式发布可提供的服务,所述可提供的服务已经用所述机构节点的私钥加密;
平台节点转单步骤:平台节点接受到多个用户节点的多个需求、多个机构节点的多个可提供的服务,用所述多个用户节点的多个公钥分别对所述多个需求进行解密,用所述多个机构节点的多个公钥分别对所述多个可提供的服务进行解密,所述平台节点将所述多个需求与所述多个可提供的服务进行匹配,获取匹配成功的多个需求与多个服务;若多个需求与同一个服务匹配,则获取所述多个需求的优先级,将所述多个需求按照优先级进行排序,只保留优先级最高的需求;若多个服务与同一个需求匹配,则获取所述多个服务的优先级,将所述多个服务按照优先级进行排序,只保留优先级最高的服务;将匹配成功且保留的需求对应的服务信息和所述机构节点信息反馈给所述需求对应的用户节点,所述服务信息已经用所述机构节点的私钥进行加密;
机构节点接单步骤:机构节点接受到多个用户节点的多个需求,用所述多个用户节点的多个公钥分别对所述多个需求进行解密,所述机构节点将所述多个需求与所述机构节点的空闲服务进行匹配,获取匹配成功的多个需求与多个服务;若多个需求与同一个服务匹配,则获取所述多个需求的优先级,将所述多个需求按照优先级进行排序,只保留优先级最高的需求;将匹配成功且保留的需求对应的服务信息和所述机构节点信息反馈给所述需求对应的用户节点,所述服务信息已经用所述机构节点的私钥进行加密;
反馈信息接受步骤:用户节点在预设时间内接受对所述发布的需求的反馈信息,若没有接受到反馈信息,则重新执行反馈信息接受步骤;若接受到所述发布的需求的多个反馈的服务信息和机构节点信息,则用所述多个反馈的机构节点的公钥分别对所述多个反馈的服务信息进行解密,得到所述多个服务信息,获取所述多个服务的优先级,将所述多个服务按照优先级进行排序,只保留优先级最高的服务;将匹配成功且保留的服务对应的服务信息和所述机构节点作为所述需求匹配成功的服务和机构节点,向所述机构节点发送接受所述服务的确认信息;所述机构节点接受到所述确认信息后,将所述需求、用户节点、服务、机构节点、成交信息打包后作为最新区块加入交易区块链,所述机构节点为所述用户节点的所述需求提供所述服务。
优选地,所述方法还包括:
特征获取步骤:所述机构节点获取所述需求对应的需求方特征;所述用户节点获取所述服务对应的服务方特征;
机构信息隐藏与发送步骤:机构节点发送需要隐藏的信息给用户节点时,将需求方特征和随机信息作为输入,将需要隐藏的信息作为预期输出,通过深度学习模型进行测试和反向生成输入数据来调整所述随机信息,得到优选信息;将需求方特征和优选信息作为输入,通过深度学习模型进行计算得到输出信息,将所述输出信息与需要隐藏的信息进行比较,得到差异信息;将所述优选信息和差异信息发送给用户节点;用户节点接受到所述优选信息和差异信息后,将需求方特征和优选信息作为输入,通过所述深度学习模型进行计算得到输出信息,将所述输出信息与差异信息进行合成,得到需要隐藏的信息;将所述需求、用户节点、服务、机构节点、需求方和服务方信息、信息发送方和接收方信息、优选信息和差异信息打包后作为最新区块加入交易区块链;
用户信息隐藏与发送步骤:用户节点发送需要隐藏的信息给机构节点时,将服务方特征和随机信息作为输入,将需要隐藏的信息作为预期输出,通过深度学习模型进行测试和反向生成输入数据来调整所述随机信息,得到优选信息;将服务方特征和优选信息作为输入,通过深度学习模型进行计算得到输出信息,将所述输出信息与需要隐藏的信息进行比较,得到差异信息;将所述优选信息和差异信息发送给用户节点;用户节点接受到所述优选信息和差异信息后,将服务方特征和优选信息作为输入,通过所述深度学习模型进行计算得到输出信息,将所述输出信息与差异信息进行合成,得到需要隐藏的信息;将所述需求、用户节点、服务、机构节点、需求方和服务方信息、信息发送方和接收方信息、优选信息和差异信息打包后作为最新区块加入交易区块链。
第二方面,本发明实施例提供一种区块链系统,所述系统包括:
节点注册请求模块:获取预设类型,预设类型包括平台或机构或用户;平台节点获取待注册节点注册预设类型节点的请求;所述请求中包括所述待注册节点的空间位置、所述待注册节点申请管辖的空间范围、所述待注册节点申请的管理优先级;平台节点获取待注册节点的位置信息和基本信息,若所述待注册节点的基本信息符合预设类型节点注册条件,则向所述待注册节点发送拟同意所述待注册节点成为平台节点的拟同意消息,所述拟同意消息已经用所述平台节点的私钥加密;
注册信息确认模块:待注册节点若成功获取前预设数个到达的所述拟同意消息,则获取预设类型区块链中最新区块的哈希值作为前一区块的哈希值,将前一区块的哈希值、所述待注册节点的基本信息、预设数个到达的所述拟同意消息打包成待插入区块插入预设类型区块链,并用所述待注册节点的私钥加密后向区块链集合中所有节点广播待插入区块;区块链集合中每一节点获取到了所述广播的待插入区块,首先用广播所述待插入区块的所述待注册节点的公钥解密所述待插入区块;
注册共识模块:若区块链集合任一节点接受到了不超过预设数个的节点广播的所述待插入区块,则从中选取一个所述待插入区块,从所述待插入区块中提取前一区块的哈希值,并与所述任一区块链节点存储的每一候选的预设类型区块链的最新区块的哈希值进行匹配,若匹配失败,则抛弃所述待插入区块,若匹配成功,则从所述区块中提取预设数个到达的所述拟同意消息后,对预设数个到达的所述拟同意消息通过发送拟同意消息的平台节点的公钥进行解密,并判断所述拟同意消息是否为拟同意消息,若验证通过,则将所述待插入区块插入所述每一候选的预设类型区块链,并将所述待插入区块用所述任一节点的私钥加密后再次向区块链集合中每一节点广播;
注册共识达成模块:若区块链集合任一节点接受到了超过预设数个的节点广播的所述待插入区块,则从中选取一个所述待插入区块,从所述待插入区块中提取前一区块的哈希值,并与所述任一节点存储的每一候选的预设类型区块链的最新区块的哈希值进行匹配,若匹配失败,则抛弃所述待插入区块,若匹配成功,则将所述待插入区块插入所述每一候选的预设类型区块链。
优选地,所述系统还包括:
用户需求优先级确定模块:获取通过用户数据判断用户的每类需求优先级的规则,获取用户数据,根据所述规则,计算所述用户的所述每类需求优先级;当根据所述规则判断所述每类需求优先级失败时,将用户数据输入所述每类需求优先级预测深度学习模型进行计算,将所述模型的输出作为所述用户的所述每类需求优先级;每类需求优先级预测深度学习模型构建模块:将已知所述每类需求优先级的用户数据、所述已知每类需求优先级作为输入和预期输出对深度学习模型进行训练和测试,得到所述每类需求优先级预测深度学习模型;
机构服务优先级确定模块:获取通过机构数据判断机构的每类服务优先级的规则,获取机构数据,根据所述规则,计算所述机构的所述每类服务优先级;当根据所述规则判断所述每类服务优先级失败时,将机构数据输入所述每类服务优先级预测深度学习模型进行计算,将所述模型的输出作为所述机构的所述每类服务优先级;每类服务优先级预测深度学习模型构建模块:将已知所述每类服务优先级的机构数据、所述已知每类服务优先级作为输入和预期输出对深度学习模型进行训练和测试,得到所述每类服务优先级预测深度学习模型;
平台服务优先级确定模块:获取通过平台数据判断平台的每类对接优先级的规则,获取平台数据,根据所述规则,计算所述平台的所述每类对接优先级;当根据所述规则判断所述每类对接优先级失败时,将平台数据输入所述每类对接优先级预测深度学习模型进行计算,将所述模型的输出作为所述平台的所述每类对接优先级;每类对接优先级预测深度学习模型构建模块:将已知所述每类对接优先级的平台数据、所述已知每类对接优先级作为输入和预期输出对深度学习模型进行训练和测试,得到所述每类对接优先级预测深度学习模型。
优选地,所述系统还包括:
用户节点发布需求模块:用户节点向区块链集合中的节点广播的方式发布需求,所述需求已经用所述用户节点的私钥加密;
机构节点发布服务模块:机构节点向区块链集合中的节点广播的方式发布可提供的服务,所述可提供的服务已经用所述机构节点的私钥加密;
平台节点转单模块:平台节点接受到多个用户节点的多个需求、多个机构节点的多个可提供的服务,用所述多个用户节点的多个公钥分别对所述多个需求进行解密,用所述多个机构节点的多个公钥分别对所述多个可提供的服务进行解密,所述平台节点将所述多个需求与所述多个可提供的服务进行匹配,获取匹配成功的多个需求与多个服务;若多个需求与同一个服务匹配,则获取所述多个需求的优先级,将所述多个需求按照优先级进行排序,只保留优先级最高的需求;若多个服务与同一个需求匹配,则获取所述多个服务的优先级,将所述多个服务按照优先级进行排序,只保留优先级最高的服务;将匹配成功且保留的需求对应的服务信息和所述机构节点信息反馈给所述需求对应的用户节点,所述服务信息已经用所述机构节点的私钥进行加密;
机构节点接单模块:机构节点接受到多个用户节点的多个需求,用所述多个用户节点的多个公钥分别对所述多个需求进行解密,所述机构节点将所述多个需求与所述机构节点的空闲服务进行匹配,获取匹配成功的多个需求与多个服务;若多个需求与同一个服务匹配,则获取所述多个需求的优先级,将所述多个需求按照优先级进行排序,只保留优先级最高的需求;将匹配成功且保留的需求对应的服务信息和所述机构节点信息反馈给所述需求对应的用户节点,所述服务信息已经用所述机构节点的私钥进行加密;
反馈信息接受模块:用户节点在预设时间内接受对所述发布的需求的反馈信息,若没有接受到反馈信息,则重新执行反馈信息接受模块;若接受到所述发布的需求的多个反馈的服务信息和机构节点信息,则用所述多个反馈的机构节点的公钥分别对所述多个反馈的服务信息进行解密,得到所述多个服务信息,获取所述多个服务的优先级,将所述多个服务按照优先级进行排序,只保留优先级最高的服务;将匹配成功且保留的服务对应的服务信息和所述机构节点作为所述需求匹配成功的服务和机构节点,向所述机构节点发送接受所述服务的确认信息;所述机构节点接受到所述确认信息后,将所述需求、用户节点、服务、机构节点、成交信息打包后作为最新区块加入交易区块链,所述机构节点为所述用户节点的所述需求提供所述服务。
优选地,所述系统还包括:
特征获取模块:所述机构节点获取所述需求对应的需求方特征;所述用户节点获取所述服务对应的服务方特征;
机构信息隐藏与发送模块:机构节点发送需要隐藏的信息给用户节点时,将需求方特征和随机信息作为输入,将需要隐藏的信息作为预期输出,通过深度学习模型进行测试和反向生成输入数据来调整所述随机信息,得到优选信息;将需求方特征和优选信息作为输入,通过深度学习模型进行计算得到输出信息,将所述输出信息与需要隐藏的信息进行比较,得到差异信息;将所述优选信息和差异信息发送给用户节点;用户节点接受到所述优选信息和差异信息后,将需求方特征和优选信息作为输入,通过所述深度学习模型进行计算得到输出信息,将所述输出信息与差异信息进行合成,得到需要隐藏的信息;将所述需求、用户节点、服务、机构节点、需求方和服务方信息、信息发送方和接收方信息、优选信息和差异信息打包后作为最新区块加入交易区块链;
用户信息隐藏与发送模块:用户节点发送需要隐藏的信息给机构节点时,将服务方特征和随机信息作为输入,将需要隐藏的信息作为预期输出,通过深度学习模型进行测试和反向生成输入数据来调整所述随机信息,得到优选信息;将服务方特征和优选信息作为输入,通过深度学习模型进行计算得到输出信息,将所述输出信息与需要隐藏的信息进行比较,得到差异信息;将所述优选信息和差异信息发送给用户节点;用户节点接受到所述优选信息和差异信息后,将服务方特征和优选信息作为输入,通过所述深度学习模型进行计算得到输出信息,将所述输出信息与差异信息进行合成,得到需要隐藏的信息;将所述需求、用户节点、服务、机构节点、需求方和服务方信息、信息发送方和接收方信息、优选信息和差异信息打包后作为最新区块加入交易区块链。
第三方面,本发明实施例提供一种人工智能装置,所述系统包括第二方面实施例任意一项所述模块的装置。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现第一方面实施例任意一项所述方法的步骤。
第五方面,本发明实施例提供一种机器人系统,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人工智能机器人程序,其特征在于,所述处理器执行所述程序时实现第一方面实施例任意一项所述方法的步骤。
第六方面,本发明实施例提供一种医康养交易系统,包括医康养系统,其特征在于,所述医康养系统实现第一方面实施例任意一项所述方法的步骤。
本实施例提供的基于深度学习和信息隐藏的区块链方法和医康养交易系统,包括:节点注册请求步骤;注册信息确认步骤;注册共识步骤;注册共识达成步骤;特征获取步骤;机构信息隐藏与发送步骤;用户信息隐藏与发送步骤。上述方法、系统和机器人,通过多个平台节点都对注册节点的条件进行检验,来达成共识,从而使得注册成功的节点更为可信;通过将用户特征和机构特征作为深度学习模型的输入,将需要共享的数据和信息作为深度学习模型的预期输出,从而使得用户和机构可以通过自身的特征进行信息的隐藏和自身身份的认证,从而使得信息的发送和数据的共享更为安全和方便。
附图说明
图1为本发明的实施例提供的人工智能系统的模块图;
图2为本发明的实施例提供的人工智能系统的模块图;
图3为本发明的实施例提供的人工智能系统的模块图;
图4为本发明的实施例提供的人工智能系统的模块图。
具体实施方式
下面结合本发明实施方式,对本发明实施例中的技术方案进行详细地描述。
一、本发明的基本实施例
第一方面,本发明实施例提供一种区块链方法,所述方法包括:节点注册请求步骤;
注册信息确认步骤;注册共识步骤;注册共识达成步骤。技术效果:通过多个平台节点都对注册节点的条件进行检验,来达成共识,从而使得注册成功的节点更为可信。
在一个优选的实施例中,所述方法还包括:用户需求优先级确定步骤;机构服务优先级确定步骤;平台服务优先级确定步骤。技术效果:通过规则和深度学习模型来确定用户需求、机构服务、平台服务的优先级,为交易选择合适的需求和服务奠定基础。
在一个优选的实施例中,所述方法还包括:用户节点发布需求步骤;机构节点发布服务步骤;平台节点转单步骤;机构节点接单步骤;反馈信息接受步骤。技术效果:通过机构节点和平台节点共同参与交易的接单和转单,按照公平竞争的方式进行,从而能够将最优质的服务提供给用户。
在一个优选的实施例中,所述方法还包括:特征获取步骤;机构信息隐藏与发送步骤;用户信息隐藏与发送步骤。技术效果:通过将用户特征和机构特征作为深度学习模型的输入,将需要共享的数据和信息作为深度学习模型的预期输出,从而使得用户和机构可以通过自身的特征进行信息的隐藏和自身身份的认证,从而使得信息的发送和数据的共享更为安全和方便。
第二方面,本发明实施例提供一种区块链系统,如图1所示,所述系统包括:节点注册请求模块;注册信息确认模块;注册共识模块;注册共识达成模块。
在一个优选的实施例中,如图2所示,所述系统还包括:用户需求优先级确定模块;机构服务优先级确定模块;平台服务优先级确定模块。
在一个优选的实施例中,如图3所示,所述系统还包括:用户节点发布需求模块;机构节点发布服务模块;平台节点转单模块;机构节点接单模块;反馈信息接受模块。
在一个优选的实施例中,如图4所示,所述系统还包括:特征获取模块;机构信息隐藏与发送模块;用户信息隐藏与发送模块。
第三方面,本发明实施例提供一种人工智能装置,所述系统包括第二方面实施例任意一项所述系统的模块。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现第一方面实施例任意一项所述方法的步骤。
第五方面,本发明实施例提供一种机器人系统,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人工智能机器人程序,其特征在于,所述处理器执行所述程序时实现第一方面实施例任意一项所述方法的步骤。
第六方面,本发明实施例提供一种医康养交易系统,包括医康养系统,其特征在于,所述医康养系统实现第一方面实施例任意一项所述方法的步骤。
二、本发明的优选实施例
(一)关键问题
如何实现跨用户、跨场景、跨机构的医康养数据安全共享,来提高信息共享的安全性、可信度、隐私度?
(二)关键技术
通过区块链、信息隐藏技术,实现跨用户、跨场景、跨机构的医康养数据安全共享。
(三)技术重点
能够提高信息共享的安全性、可信度、隐私度的跨用户、跨场景、跨机构的医康养数据安全共享技术。
(四)技术概要方案
将用户终端、医康养服务机构服务器,作为节点,建立医康养服务行业区块链。不同类型的节点具有不同优先级的权限,机构节点可以申请认证、发布可用服务、公开服务质量、等,用户节点可以发布需求、申请服务、查询服务质量、等。机构节点和用户节点同时具备场景属性,包括医疗场景、康复场景、养老场景及其各种组合,机构服务场景、社区服务场景、居家服务场景及其各种组合。区块链的节点在发布信息时可以选择该信息中的某一部分向符合预设条件的节点公开,不符合预设条件的节点隐藏。对于需要进行隐藏的信息,进行信息发布之前,将符合预设条件的节点的特征(例如用户的人脸信息)和随机秘密信息作为输入,将原始信息作为预期输出,通过信息隐藏深度学习模型,得到最优秘密信息以及预测误差,将最优秘密信息以及预测误差上链。符合预设条件的节点从链上下载最优秘密信息以及预测误差上链,将自己的节点特征和最优秘密信息输入信息隐藏深度学习模型,得到预测的信息,再根据预测误差对预测的信息进行校正,得到原始信息,既实现了信息隐藏,又无需用户手工解密。
(五)技术详细方案
区块链集合包括平台区块链、服务区块链、用户区块链、交易区块链,平台区块链包括平台区块,运行于平台节点,服务区块链包括机构区块,运行于机构节点;用户区块链包括用户区块,运行于用户节点。区块链集合可用于医康养,则平台区块链、服务区块链、用户区块链分别为医康养平台区块链、医康养服务区块链、医康养用户区块链。区块链集合可用于现代服务业,则平台区块链、服务区块链、用户区块链分别为现代服务业平台区块链、现代服务业服务区块链、现代服务业用户区块链。
平台节点建构步骤:
1预设平台初始节点,平台节点的空间属性包括自己所在的空间位置,平台节点的管理属性包括自己所管辖的空间范围,为了就近管理,平台节点的空间位置在自己所管辖的空间范围之内。平台初始节点向区块链集合广播自己的信息包括节点编码。
2平台节点的编码包括平台节点的依托单位和共建单位的机构代码或所依托的国家项目的项目编码;平台节点的交易权限包括对平台认证、用户认证、机构认证、下级平台认证的审核、需求与服务的对接、用户节点、机构节点、下级平台节点的权限的分配。平台节点的服务对接类型包括医疗服务对接、健康服务对接、养老服务对接。
3平台初始节点包括一个运行节点,和多个镜像节点,镜像节点的数据和状态与运行节点保持一致,当运行节点损坏,则其中一个镜像节点变更为运行节点,同时新增一个镜像节点。如果康养平台面向的是地球用户,则平台初始节点所管辖的空间范围为地球;如果康养平台面向的是某个国家用户,则平台初始节点所管辖的空间范围为所述国家;如果康养平台面向的是某个地区用户,则平台初始节点所管辖的空间范围为所述地区。
4待注册节点需要注册平台节点时,则向区块链集合中的节点广播注册平台节点的请求。
5平台节点获取待注册节点(所述待注册节点包括用户节点或机构节点或其他节点)注册平台节点的请求;所述请求中包括所述待注册节点的空间位置、所述待注册节点申请管辖的空间范围、所述待注册节点申请的管理优先级;平台节点获取待注册节点的位置信息和基本信息,若所述待注册节点的基本信息符合预设平台节点注册条件,则向所述待注册节点发送拟同意所述待注册节点成为平台节点的拟同意消息,所述拟同意消息已经用所述平台节点的私钥加密。(这里没有限制待注册节点的位置是否属于平台节点的所管辖范围的目的是为了平台可以不局限于位置范围的扩展,即使所申请的节点超过了平台的管辖范围,仍然可以扩展,从而使得康养平台不受地理位置的限制,例如即使平台初始节点的管辖范围是中国,如果有外国节点注册仍然能够成功,那么平台就扩展到了外国。那么节点的管辖范围的用途是什么呢?其用途在于进行需求与服务的对接时,只专注于自己管辖的范围,这样的专注能够提高服务的品质)
待注册节点若成功获取前预设数个到达的所述拟同意消息,则获取平台区块链中最新区块的哈希值作为前一区块的哈希值,将前一区块的哈希值、所述待注册节点的基本信息、预设数个到达的所述拟同意消息打包成待插入区块插入平台区块链,并用所述待注册节点的私钥加密后向区块链集合中所有节点广播待插入区块。区块链集合中每一节点获取到了所述广播的待插入区块,首先用广播所述待插入区块的所述待注册节点的公钥解密所述待插入区块。
若区块链集合任一节点接受到了不超过预设数(若收到了k个的节点广播的所述待插入区块,则说明除了待注册节点以外已有k-1个节点对所述待插入区块进行了成功验证。因为没有超过预设数,所以还需要继续验证和广播)个的节点广播的所述待插入区块(判断各个广播中的所述待插入区块的哈希值是否相同,若相同,则接受到了多个节点广播的所述待插入区块),则从中选取一个所述待插入区块,从所述待插入区块中提取前一区块的哈希值,并与所述任一区块链节点存储的每一候选的平台区块链(任一节点都存储长度排名前预设数的区块链,例如第1长的区块链、第2长的区块链、第3长的区块链,并定时广播区块链的长度和哈希值,若接受广播中的区块链的最长长度超过了所述第一节点存储的区块链的长度,且所述最长长度的区块链被超过预设数个节点广播过,则将所述每一节点中最短的区块链替换为所述最长长度的区块链)的最新区块的哈希值进行匹配,若匹配失败,则抛弃所述待插入区块,若匹配成功,则从所述区块中提取预设数个到达的所述拟同意消息后,对预设数个到达的所述拟同意消息通过发送拟同意消息的平台节点的公钥进行解密,并判断所述拟同意消息是否为拟同意消息,若验证通过,则将所述待插入区块插入所述每一候选的平台区块链,并将所述待插入区块用所述任一节点的私钥加密后再次向区块链集合中每一节点广播。
若所述任一节点接受到了超过预设数(因为超过预设数,所以无需继续验证和广播)个的节点广播的所述待插入区块,则从中选取一个所述待插入区块,从所述待插入区块中提取前一区块的哈希值,并与所述任一节点存储的每一候选的平台区块链的最新区块的哈希值进行匹配,若匹配失败,则抛弃所述待插入区块,若匹配成功,则将所述待插入区块插入所述每一候选的平台区块链。
6通过上面的步骤,平台节点可以自主扩展,这样就不会在平台节点层面形成瓶颈。除了第一级平台节点是预设的,其余平台节点都是自主注册和扩张的。通过多个平台节点同时验证节点的注册,这样有利于平台节点注册的公正性,确保平台节点的质量。
7区块链采用就近广播、局域接龙、全局更新的方式,来提高区块链的效率。
用户节点自主注册步骤;
用户的身份证号作为用户节点的编码;用户节点的交易权限包括用户认证、发布需求、查询服务数据。若区块链集合为医康养区块链集合,则用户节点的需求类型包括医疗需求、健康需求、养老需求。
1待注册节点需要注册用户节点时,则向区块链集合中的节点广播注册用户节点的请求。
2平台节点获取待注册节点(所述待注册节点包括用户节点或机构节点或其他节点)注册用户节点的请求;所述请求中包括所述待注册节点的空间位置、所述待注册节点申请管辖的空间范围、所述待注册节点申请的管理优先级;平台节点获取待注册节点的位置信息和基本信息,若所述待注册节点的基本信息符合预设用户节点注册条件,且所述待注册节点的位置信息符合预设平台节点的空间管辖范围,则向所述待注册节点发送拟同意所述待注册节点成为用户节点的拟同意消息,所述拟同意消息已经用所述平台节点的私钥加密。
待注册节点若成功获取前预设数个到达的所述拟同意消息,则获取用户区块链中最新区块的哈希值作为前一区块的哈希值,将前一区块的哈希值、所述待注册节点的基本信息、预设数个到达的所述拟同意消息打包成待插入区块插入用户区块链,并用所述待注册节点的私钥加密后向区块链集合中所有节点广播待插入区块。区块链集合中每一节点获取到了所述广播的待插入区块,首先用广播所述待插入区块的所述待注册节点的公钥解密所述待插入区块。
若区块链集合任一节点接受到了不超过预设数(若收到了k个的节点广播的所述待插入区块,则说明除了待注册节点以外已有k-1个节点对所述待插入区块进行了成功验证。因为没有超过预设数,所以还需要继续验证和广播)个的节点广播的所述待插入区块(判断各个广播中的所述待插入区块的哈希值是否相同,若相同,则接受到了多个节点广播的所述待插入区块),则从中选取一个所述待插入区块,从所述待插入区块中提取前一区块的哈希值,并与所述任一区块链节点存储的每一候选的用户区块链的最新区块的哈希值进行匹配,若匹配失败,则抛弃所述待插入区块,若匹配成功,则从所述区块中提取预设数个到达的所述拟同意消息后,对预设数个到达的所述拟同意消息通过发送拟同意消息的平台节点的公钥进行解密,并判断所述拟同意消息是否为拟同意消息,若验证通过,则将所述待插入区块插入所述每一候选的用户区块链,并将所述待插入区块用所述任一节点的私钥加密后再次向区块链集合中每一节点广播。
若所述任一节点接受到了超过预设数(因为超过预设数,所以无需继续验证和广播)个的节点广播的所述待插入区块,则从中选取一个所述待插入区块,从所述待插入区块中提取前一区块的哈希值,并与所述区块链节点存储的每一候选的用户区块链的最新区块的哈希值进行匹配,若匹配失败,则抛弃所述待插入区块,若匹配成功,则将所述待插入区块插入所述每一候选的用户区块链。
3通过上面的步骤,用户节点可以自主扩展,这样就不会在用户节点层面形成瓶颈。通过多个平台节点同时验证节点的注册,这样有利于用户节点注册的公正性,确保用户节点的质量。
机构节点自主注册步骤;
机构节点的机构代码作为机构节点的编码;机构节点的交易权限包括机构认证、发布服务、发布服务数据。若区块链集合为医康养区块链集合,则机构节点的服务类型包括医疗服务、健康服务、养老服务。
1待注册节点需要注册机构节点时,则向区块链集合中的节点广播注册机构节点的请求。
2平台节点获取待注册节点(所述待注册节点包括用户节点或机构节点或其他节点)注册机构节点的请求;所述请求中包括所述待注册节点的空间位置、所述待注册节点申请管辖的空间范围、所述待注册节点申请的管理优先级;平台节点获取待注册节点的位置信息和基本信息,若所述待注册节点的基本信息符合预设机构节点注册条件,且所述待注册节点的位置信息符合预设平台节点的空间管辖范围,则向所述待注册节点发送拟同意所述待注册节点成为机构节点的拟同意消息,所述拟同意消息已经用所述平台节点的私钥加密。
待注册节点若成功获取前预设数个到达的所述拟同意消息,则获取机构区块链中最新区块的哈希值作为前一区块的哈希值,将前一区块的哈希值、所述待注册节点的基本信息、预设数个到达的所述拟同意消息打包成待插入区块插入机构区块链,并用所述待注册节点的私钥加密后向区块链集合中所有节点广播待插入区块。区块链集合中每一节点获取到了所述广播的待插入区块,首先用广播所述待插入区块的所述待注册节点的公钥解密所述待插入区块。
若区块链集合任一节点接受到了不超过预设数(若收到了k个的节点广播的所述待插入区块,则说明除了待注册节点以外已有k-1个节点对所述待插入区块进行了成功验证。因为没有超过预设数,所以还需要继续验证和广播)个的节点广播的所述待插入区块(判断各个广播中的所述待插入区块的哈希值是否相同,若相同,则接受到了多个节点广播的所述待插入区块),则从中选取一个所述待插入区块,从所述待插入区块中提取前一区块的哈希值,并与所述任一区块链节点存储的每一候选的机构区块链的最新区块的哈希值进行匹配,若匹配失败,则抛弃所述待插入区块,若匹配成功,则从所述区块中提取预设数个到达的所述拟同意消息后,对预设数个到达的所述拟同意消息通过发送拟同意消息的平台节点的公钥进行解密,并判断所述拟同意消息是否为拟同意消息,若验证通过,则将所述待插入区块插入所述每一候选的机构区块链,并将所述待插入区块用所述任一节点的私钥加密后再次向区块链集合中每一节点广播。
若所述任一节点接受到了超过预设数(因为超过预设数,所以无需继续验证和广播)个的节点广播的所述待插入区块,则从中选取一个所述待插入区块,从所述待插入区块中提取前一区块的哈希值,并与所述区块链节点存储的每一候选的机构区块链的最新区块的哈希值进行匹配,若匹配失败,则抛弃所述待插入区块,若匹配成功,则将所述待插入区块插入所述每一候选的机构区块链。
3通过上面的步骤,机构节点可以自主扩展,这样就不会在机构节点层面形成瓶颈。通过多个平台节点同时验证节点的注册,这样有利于机构节点注册的公正性,确保机构节点的质量。
确定优先级步骤;
1获取通过用户数据判断用户的各类需求优先级的规则,获取用户数据,根据所述规则,计算所述用户的医疗需求优先级、健康需求优先级、养老需求优先级,作为所述用户节点的医疗需求优先级、健康需求优先级、养老需求优先级。当根据所述规则判断所述医疗需求优先级失败时,将用户数据输入医疗需求优先级预测深度学习模型进行计算,将所述模型的输出作为所述用户的医疗需求优先级。当根据所述规则判断所述健康需求优先级失败时,将用户数据输入健康需求优先级预测深度学习模型进行计算,将所述模型的输出作为所述用户的健康需求优先级。当根据所述规则判断所述养老需求优先级失败时,将用户数据输入养老需求优先级预测深度学习模型进行计算,将所述模型的输出作为所述用户的养老需求优先级。在此之前,需要先构建所述模型,具体为:将已知医疗需求优先级的用户数据、所述已知医疗需求优先级作为输入和预期输出对深度学习模型进行训练和测试,得到医疗需求优先级预测深度学习模型。将已知健康需求优先级的用户数据、所述已知健康需求优先级作为输入和预期输出对深度学习模型进行训练和测试,得到健康需求优先级预测深度学习模型。将已知养老需求优先级的用户数据、所述已知养老需求优先级作为输入和预期输出对深度学习模型进行训练和测试,得到养老需求优先级预测深度学习模型。
2获取通过机构数据判断机构的各类服务优先级的规则,获取机构数据,根据所述规则,计算所述机构的医疗服务优先级、健康服务优先级、养老服务优先级,作为所述机构节点的医疗服务优先级、健康服务优先级、养老服务优先级。当根据所述规则判断所述医疗服务优先级失败时,将机构数据输入医疗服务优先级预测深度学习模型进行计算,将所述模型的输出作为所述机构的医疗服务优先级。当根据所述规则判断所述健康服务优先级失败时,将机构数据输入健康服务优先级预测深度学习模型进行计算,将所述模型的输出作为所述机构的健康服务优先级。当根据所述规则判断所述养老服务优先级失败时,将机构数据输入养老服务优先级预测深度学习模型进行计算,将所述模型的输出作为所述机构的养老服务优先级。在此之前,需要先构建所述模型,具体为:将已知医疗服务优先级的机构数据、所述已知医疗服务优先级作为输入和预期输出对深度学习模型进行训练和测试,得到医疗服务优先级预测深度学习模型。将已知健康服务优先级的机构数据、所述已知健康服务优先级作为输入和预期输出对深度学习模型进行训练和测试,得到健康服务优先级预测深度学习模型。将已知养老服务优先级的机构数据、所述已知养老服务优先级作为输入和预期输出对深度学习模型进行训练和测试,得到养老服务优先级预测深度学习模型。
3获取通过平台数据判断平台的各类服务对接优先级的规则,获取平台数据,根据所述规则,计算所述平台的医疗服务对接优先级、健康服务对接优先级、养老服务对接优先级,作为所述平台节点的医疗服务对接优先级、健康服务对接优先级、养老服务对接优先级。当根据所述规则判断所述医疗服务对接优先级失败时,将平台数据输入医疗服务对接优先级预测深度学习模型进行计算,将所述模型的输出作为所述平台的医疗服务对接优先级。当根据所述规则判断所述健康服务对接优先级失败时,将平台数据输入健康服务对接优先级预测深度学习模型进行计算,将所述模型的输出作为所述平台的健康服务对接优先级。当根据所述规则判断所述养老服务对接优先级失败时,将平台数据输入养老服务对接优先级预测深度学习模型进行计算,将所述模型的输出作为所述平台的养老服务对接优先级。在此之前,需要先构建所述模型,具体为:将已知医疗服务对接优先级的平台数据、所述已知医疗服务对接优先级作为输入和预期输出对深度学习模型进行训练和测试,得到医疗服务对接优先级预测深度学习模型。将已知健康服务对接优先级的平台数据、所述已知健康服务对接优先级作为输入和预期输出对深度学习模型进行训练和测试,得到健康服务对接优先级预测深度学习模型。将已知养老服务对接优先级的平台数据、所述已知养老服务对接优先级作为输入和预期输出对深度学习模型进行训练和测试,得到养老服务对接优先级预测深度学习模型。
4用户节点最频繁的交易是发布需求,机构节点最频繁的交易是发布服务,平台节点最频繁的交易是需求与服务的对接、节点注册。
根据优先级进行需求和服务选择的步骤;
1用户节点发布需求步骤:用户节点向区块链集合中的节点广播的方式发布需求,所述需求已经用所述用户节点的私钥加密;
2机构节点发布服务步骤:机构节点向区块链集合中的节点广播的方式发布可提供的服务,所述可提供的服务已经用所述机构节点的私钥加密;
3平台节点转单步骤:平台节点接受到多个用户节点的多个需求、多个机构节点的多个可提供的服务,用所述多个用户节点的多个公钥分别对所述多个需求进行解密,用所述多个机构节点的多个公钥分别对所述多个可提供的服务进行解密,所述平台节点将所述多个需求与所述多个可提供的服务进行匹配,获取匹配成功的多个需求与多个服务;若多个需求与同一个服务匹配,则获取所述多个需求的优先级,将所述多个需求按照优先级进行排序,只保留优先级最高的需求;若多个服务与同一个需求匹配,则获取所述多个服务的优先级,将所述多个服务按照优先级进行排序,只保留优先级最高的服务;将匹配成功且保留的需求对应的服务信息和所述机构节点信息反馈给所述需求对应的用户节点,所述服务信息已经用所述机构节点的私钥进行加密;
4机构节点接单步骤:机构节点接受到多个用户节点的多个需求,用所述多个用户节点的多个公钥分别对所述多个需求进行解密,所述机构节点将所述多个需求与所述机构节点的空闲服务进行匹配,获取匹配成功的多个需求与多个服务;若多个需求与同一个服务匹配,则获取所述多个需求的优先级,将所述多个需求按照优先级进行排序,只保留优先级最高的需求;将匹配成功且保留的需求对应的服务信息和所述机构节点信息反馈给所述需求对应的用户节点,所述服务信息已经用所述机构节点的私钥进行加密;
5反馈信息接受步骤:用户节点在预设时间内接受对所述发布的需求的反馈信息(所述反馈信息可能来自机构节点,也有可能来自平台节点),若没有接受到反馈信息,则重新执行反馈信息接受步骤;若接受到所述发布的需求的多个反馈的服务信息和机构节点信息,则用所述多个反馈的机构节点的公钥分别对所述多个反馈的服务信息进行解密,得到所述多个服务信息,获取所述多个服务的优先级,将所述多个服务按照优先级进行排序,只保留优先级最高的服务;将匹配成功且保留的服务对应的服务信息和所述机构节点作为所述需求匹配成功的服务和机构节点,向所述机构节点发送接受所述服务的确认信息;所述机构节点接受到所述确认信息后,将所述需求、用户节点、服务、机构节点、成交信息打包后作为最新区块加入交易区块链,所述机构节点为所述用户节点的所述需求提供所述服务。
信息隐藏的步骤;
为所述需求提供所述服务的步骤包括:
所述机构节点获取所述需求对应的需求方特征(需求方特征包括需求方的人脸特征);所述用户节点获取所述服务对应的服务方特征(需求方特征包括服务方的人脸特征);
机构节点发送需要隐藏的信息给用户节点时,将需求方特征和随机信息作为输入,将需要隐藏的信息作为预期输出,通过深度学习模型进行测试和反向生成输入数据来调整所述随机信息,得到优选信息;将需求方特征和优选信息作为输入,通过深度学习模型进行计算得到输出信息,将所述输出信息与需要隐藏的信息进行比较,得到差异信息。将所述优选信息和差异信息发送给用户节点;用户节点接受到所述优选信息和差异信息后,将需求方特征和优选信息作为输入,通过所述深度学习模型进行计算得到输出信息,将所述输出信息与差异信息进行合成,得到需要隐藏的信息。将所述需求、用户节点、服务、机构节点、需求方和服务方信息、信息发送方和接收方信息、优选信息和差异信息打包后作为最新区块加入交易区块链。
用户节点发送需要隐藏的信息给机构节点时,将服务方特征和随机信息作为输入,将需要隐藏的信息作为预期输出,通过深度学习模型进行测试和反向生成输入数据来调整所述随机信息,得到优选信息;将服务方特征和优选信息作为输入,通过深度学习模型进行计算得到输出信息,将所述输出信息与需要隐藏的信息进行比较,得到差异信息。将所述优选信息和差异信息发送给用户节点;用户节点接受到所述优选信息和差异信息后,将服务方特征和优选信息作为输入,通过所述深度学习模型进行计算得到输出信息,将所述输出信息与差异信息进行合成,得到需要隐藏的信息。将所述需求、用户节点、服务、机构节点、需求方和服务方信息、信息发送方和接收方信息、优选信息和差异信息打包后作为最新区块加入交易区块链。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,则对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种区块链方法,其特征在于,所述方法包括:
节点注册请求步骤:获取预设类型,预设类型包括平台或机构或用户;平台节点获取待注册节点注册预设类型节点的请求;所述请求中包括所述待注册节点的空间位置、所述待注册节点申请管辖的空间范围、所述待注册节点申请的管理优先级;平台节点获取待注册节点的位置信息和基本信息,若所述待注册节点的基本信息符合预设类型节点注册条件,则向所述待注册节点发送拟同意所述待注册节点成为平台节点的拟同意消息,所述拟同意消息已经用所述平台节点的私钥加密;
注册信息确认步骤:待注册节点若成功获取前预设数个到达的所述拟同意消息,则获取预设类型区块链中最新区块的哈希值作为前一区块的哈希值,将前一区块的哈希值、所述待注册节点的基本信息、预设数个到达的所述拟同意消息打包成待插入区块插入预设类型区块链,并用所述待注册节点的私钥加密后向区块链集合中所有节点广播待插入区块;区块链集合中每一节点获取到了所述广播的待插入区块,首先用广播所述待插入区块的所述待注册节点的公钥解密所述待插入区块;
注册共识步骤:若区块链集合任一节点接受到了不超过预设数个的节点广播的所述待插入区块,则从中选取一个所述待插入区块,从所述待插入区块中提取前一区块的哈希值,并与所述任一区块链节点存储的每一候选的预设类型区块链的最新区块的哈希值进行匹配,若匹配失败,则抛弃所述待插入区块,若匹配成功,则从所述区块中提取预设数个到达的所述拟同意消息后,对预设数个到达的所述拟同意消息通过发送拟同意消息的平台节点的公钥进行解密,并判断所述拟同意消息是否为拟同意消息,若验证通过,则将所述待插入区块插入所述每一候选的预设类型区块链,并将所述待插入区块用所述任一节点的私钥加密后再次向区块链集合中每一节点广播;
注册共识达成步骤:若区块链集合任一节点接受到了超过预设数个的节点广播的所述待插入区块,则从中选取一个所述待插入区块,从所述待插入区块中提取前一区块的哈希值,并与所述任一节点存储的每一候选的预设类型区块链的最新区块的哈希值进行匹配,若匹配失败,则抛弃所述待插入区块,若匹配成功,则将所述待插入区块插入所述每一候选的预设类型区块链。
2.根据权利要求1所述的区块链方法,其特征在于,所述方法还包括:
用户需求优先级确定步骤:获取通过用户数据判断用户的每类需求优先级的规则,获取用户数据,根据所述规则,计算所述用户的所述每类需求优先级;当根据所述规则判断所述每类需求优先级失败时,将用户数据输入所述每类需求优先级预测深度学习模型进行计算,将所述模型的输出作为所述用户的所述每类需求优先级;每类需求优先级预测深度学习模型构建步骤:将已知所述每类需求优先级的用户数据、所述已知每类需求优先级作为输入和预期输出对深度学习模型进行训练和测试,得到所述每类需求优先级预测深度学习模型;
机构服务优先级确定步骤:获取通过机构数据判断机构的每类服务优先级的规则,获取机构数据,根据所述规则,计算所述机构的所述每类服务优先级;当根据所述规则判断所述每类服务优先级失败时,将机构数据输入所述每类服务优先级预测深度学习模型进行计算,将所述模型的输出作为所述机构的所述每类服务优先级;每类服务优先级预测深度学习模型构建步骤:将已知所述每类服务优先级的机构数据、所述已知每类服务优先级作为输入和预期输出对深度学习模型进行训练和测试,得到所述每类服务优先级预测深度学习模型;
平台服务优先级确定步骤:获取通过平台数据判断平台的每类对接优先级的规则,获取平台数据,根据所述规则,计算所述平台的所述每类对接优先级;当根据所述规则判断所述每类对接优先级失败时,将平台数据输入所述每类对接优先级预测深度学习模型进行计算,将所述模型的输出作为所述平台的所述每类对接优先级;每类对接优先级预测深度学习模型构建步骤:将已知所述每类对接优先级的平台数据、所述已知每类对接优先级作为输入和预期输出对深度学习模型进行训练和测试,得到所述每类对接优先级预测深度学习模型。
3.根据权利要求1所述的区块链方法,其特征在于,所述方法还包括:
用户节点发布需求步骤:用户节点向区块链集合中的节点广播的方式发布需求,所述需求已经用所述用户节点的私钥加密;
机构节点发布服务步骤:机构节点向区块链集合中的节点广播的方式发布可提供的服务,所述可提供的服务已经用所述机构节点的私钥加密;
平台节点转单步骤:平台节点接受到多个用户节点的多个需求、多个机构节点的多个可提供的服务,用所述多个用户节点的多个公钥分别对所述多个需求进行解密,用所述多个机构节点的多个公钥分别对所述多个可提供的服务进行解密,所述平台节点将所述多个需求与所述多个可提供的服务进行匹配,获取匹配成功的多个需求与多个服务;若多个需求与同一个服务匹配,则获取所述多个需求的优先级,将所述多个需求按照优先级进行排序,只保留优先级最高的需求;若多个服务与同一个需求匹配,则获取所述多个服务的优先级,将所述多个服务按照优先级进行排序,只保留优先级最高的服务;将匹配成功且保留的需求对应的服务信息和所述机构节点信息反馈给所述需求对应的用户节点,所述服务信息已经用所述机构节点的私钥进行加密;
机构节点接单步骤:机构节点接受到多个用户节点的多个需求,用所述多个用户节点的多个公钥分别对所述多个需求进行解密,所述机构节点将所述多个需求与所述机构节点的空闲服务进行匹配,获取匹配成功的多个需求与多个服务;若多个需求与同一个服务匹配,则获取所述多个需求的优先级,将所述多个需求按照优先级进行排序,只保留优先级最高的需求;将匹配成功且保留的需求对应的服务信息和所述机构节点信息反馈给所述需求对应的用户节点,所述服务信息已经用所述机构节点的私钥进行加密;
反馈信息接受步骤:用户节点在预设时间内接受对所述发布的需求的反馈信息,若没有接受到反馈信息,则重新执行反馈信息接受步骤;若接受到所述发布的需求的多个反馈的服务信息和机构节点信息,则用所述多个反馈的机构节点的公钥分别对所述多个反馈的服务信息进行解密,得到所述多个服务信息,获取所述多个服务的优先级,将所述多个服务按照优先级进行排序,只保留优先级最高的服务;将匹配成功且保留的服务对应的服务信息和所述机构节点作为所述需求匹配成功的服务和机构节点,向所述机构节点发送接受所述服务的确认信息;所述机构节点接受到所述确认信息后,将所述需求、用户节点、服务、机构节点、成交信息打包后作为最新区块加入交易区块链,所述机构节点为所述用户节点的所述需求提供所述服务。
4.根据权利要求1所述的区块链方法,其特征在于,所述方法还包括:
特征获取步骤:所述机构节点获取所述需求对应的需求方特征;所述用户节点获取所述服务对应的服务方特征;
机构信息隐藏与发送步骤:机构节点发送需要隐藏的信息给用户节点时,将需求方特征和随机信息作为输入,将需要隐藏的信息作为预期输出,通过深度学习模型进行测试和反向生成输入数据来调整所述随机信息,得到优选信息;将需求方特征和优选信息作为输入,通过深度学习模型进行计算得到输出信息,将所述输出信息与需要隐藏的信息进行比较,得到差异信息;将所述优选信息和差异信息发送给用户节点;用户节点接受到所述优选信息和差异信息后,将需求方特征和优选信息作为输入,通过所述深度学习模型进行计算得到输出信息,将所述输出信息与差异信息进行合成,得到需要隐藏的信息;将所述需求、用户节点、服务、机构节点、需求方和服务方信息、信息发送方和接收方信息、优选信息和差异信息打包后作为最新区块加入交易区块链;
用户信息隐藏与发送步骤:用户节点发送需要隐藏的信息给机构节点时,将服务方特征和随机信息作为输入,将需要隐藏的信息作为预期输出,通过深度学习模型进行测试和反向生成输入数据来调整所述随机信息,得到优选信息;将服务方特征和优选信息作为输入,通过深度学习模型进行计算得到输出信息,将所述输出信息与需要隐藏的信息进行比较,得到差异信息;将所述优选信息和差异信息发送给用户节点;用户节点接受到所述优选信息和差异信息后,将服务方特征和优选信息作为输入,通过所述深度学习模型进行计算得到输出信息,将所述输出信息与差异信息进行合成,得到需要隐藏的信息;将所述需求、用户节点、服务、机构节点、需求方和服务方信息、信息发送方和接收方信息、优选信息和差异信息打包后作为最新区块加入交易区块链。
5.一种区块链系统,其特征在于,所述系统包括:
节点注册请求模块:获取预设类型,预设类型包括平台或机构或用户;平台节点获取待注册节点注册预设类型节点的请求;所述请求中包括所述待注册节点的空间位置、所述待注册节点申请管辖的空间范围、所述待注册节点申请的管理优先级;平台节点获取待注册节点的位置信息和基本信息,若所述待注册节点的基本信息符合预设类型节点注册条件,则向所述待注册节点发送拟同意所述待注册节点成为平台节点的拟同意消息,所述拟同意消息已经用所述平台节点的私钥加密;
注册信息确认模块:待注册节点若成功获取前预设数个到达的所述拟同意消息,则获取预设类型区块链中最新区块的哈希值作为前一区块的哈希值,将前一区块的哈希值、所述待注册节点的基本信息、预设数个到达的所述拟同意消息打包成待插入区块插入预设类型区块链,并用所述待注册节点的私钥加密后向区块链集合中所有节点广播待插入区块;区块链集合中每一节点获取到了所述广播的待插入区块,首先用广播所述待插入区块的所述待注册节点的公钥解密所述待插入区块;
注册共识模块:若区块链集合任一节点接受到了不超过预设数个的节点广播的所述待插入区块,则从中选取一个所述待插入区块,从所述待插入区块中提取前一区块的哈希值,并与所述任一区块链节点存储的每一候选的预设类型区块链的最新区块的哈希值进行匹配,若匹配失败,则抛弃所述待插入区块,若匹配成功,则从所述区块中提取预设数个到达的所述拟同意消息后,对预设数个到达的所述拟同意消息通过发送拟同意消息的平台节点的公钥进行解密,并判断所述拟同意消息是否为拟同意消息,若验证通过,则将所述待插入区块插入所述每一候选的预设类型区块链,并将所述待插入区块用所述任一节点的私钥加密后再次向区块链集合中每一节点广播;
注册共识达成模块:若区块链集合任一节点接受到了超过预设数个的节点广播的所述待插入区块,则从中选取一个所述待插入区块,从所述待插入区块中提取前一区块的哈希值,并与所述任一节点存储的每一候选的预设类型区块链的最新区块的哈希值进行匹配,若匹配失败,则抛弃所述待插入区块,若匹配成功,则将所述待插入区块插入所述每一候选的预设类型区块链。
6.根据权利要求5所述的区块链系统,其特征在于,所述系统还包括:
用户需求优先级确定模块:获取通过用户数据判断用户的每类需求优先级的规则,获取用户数据,根据所述规则,计算所述用户的所述每类需求优先级;当根据所述规则判断所述每类需求优先级失败时,将用户数据输入所述每类需求优先级预测深度学习模型进行计算,将所述模型的输出作为所述用户的所述每类需求优先级;每类需求优先级预测深度学习模型构建模块:将已知所述每类需求优先级的用户数据、所述已知每类需求优先级作为输入和预期输出对深度学习模型进行训练和测试,得到所述每类需求优先级预测深度学习模型;
机构服务优先级确定模块:获取通过机构数据判断机构的每类服务优先级的规则,获取机构数据,根据所述规则,计算所述机构的所述每类服务优先级;当根据所述规则判断所述每类服务优先级失败时,将机构数据输入所述每类服务优先级预测深度学习模型进行计算,将所述模型的输出作为所述机构的所述每类服务优先级;每类服务优先级预测深度学习模型构建模块:将已知所述每类服务优先级的机构数据、所述已知每类服务优先级作为输入和预期输出对深度学习模型进行训练和测试,得到所述每类服务优先级预测深度学习模型;
平台服务优先级确定模块:获取通过平台数据判断平台的每类对接优先级的规则,获取平台数据,根据所述规则,计算所述平台的所述每类对接优先级;当根据所述规则判断所述每类对接优先级失败时,将平台数据输入所述每类对接优先级预测深度学习模型进行计算,将所述模型的输出作为所述平台的所述每类对接优先级;每类对接优先级预测深度学习模型构建模块:将已知所述每类对接优先级的平台数据、所述已知每类对接优先级作为输入和预期输出对深度学习模型进行训练和测试,得到所述每类对接优先级预测深度学习模型。
7.根据权利要求5所述的区块链系统,其特征在于,所述系统还包括:
用户节点发布需求模块:用户节点向区块链集合中的节点广播的方式发布需求,所述需求已经用所述用户节点的私钥加密;
机构节点发布服务模块:机构节点向区块链集合中的节点广播的方式发布可提供的服务,所述可提供的服务已经用所述机构节点的私钥加密;
平台节点转单模块:平台节点接受到多个用户节点的多个需求、多个机构节点的多个可提供的服务,用所述多个用户节点的多个公钥分别对所述多个需求进行解密,用所述多个机构节点的多个公钥分别对所述多个可提供的服务进行解密,所述平台节点将所述多个需求与所述多个可提供的服务进行匹配,获取匹配成功的多个需求与多个服务;若多个需求与同一个服务匹配,则获取所述多个需求的优先级,将所述多个需求按照优先级进行排序,只保留优先级最高的需求;若多个服务与同一个需求匹配,则获取所述多个服务的优先级,将所述多个服务按照优先级进行排序,只保留优先级最高的服务;将匹配成功且保留的需求对应的服务信息和所述机构节点信息反馈给所述需求对应的用户节点,所述服务信息已经用所述机构节点的私钥进行加密;
机构节点接单模块:机构节点接受到多个用户节点的多个需求,用所述多个用户节点的多个公钥分别对所述多个需求进行解密,所述机构节点将所述多个需求与所述机构节点的空闲服务进行匹配,获取匹配成功的多个需求与多个服务;若多个需求与同一个服务匹配,则获取所述多个需求的优先级,将所述多个需求按照优先级进行排序,只保留优先级最高的需求;将匹配成功且保留的需求对应的服务信息和所述机构节点信息反馈给所述需求对应的用户节点,所述服务信息已经用所述机构节点的私钥进行加密;
反馈信息接受模块:用户节点在预设时间内接受对所述发布的需求的反馈信息,若没有接受到反馈信息,则重新执行反馈信息接受模块;若接受到所述发布的需求的多个反馈的服务信息和机构节点信息,则用所述多个反馈的机构节点的公钥分别对所述多个反馈的服务信息进行解密,得到所述多个服务信息,获取所述多个服务的优先级,将所述多个服务按照优先级进行排序,只保留优先级最高的服务;将匹配成功且保留的服务对应的服务信息和所述机构节点作为所述需求匹配成功的服务和机构节点,向所述机构节点发送接受所述服务的确认信息;所述机构节点接受到所述确认信息后,将所述需求、用户节点、服务、机构节点、成交信息打包后作为最新区块加入交易区块链,所述机构节点为所述用户节点的所述需求提供所述服务。
8.根据权利要求5所述的区块链系统,其特征在于,所述系统还包括:
特征获取模块:所述机构节点获取所述需求对应的需求方特征;所述用户节点获取所述服务对应的服务方特征;
机构信息隐藏与发送模块:机构节点发送需要隐藏的信息给用户节点时,将需求方特征和随机信息作为输入,将需要隐藏的信息作为预期输出,通过深度学习模型进行测试和反向生成输入数据来调整所述随机信息,得到优选信息;将需求方特征和优选信息作为输入,通过深度学习模型进行计算得到输出信息,将所述输出信息与需要隐藏的信息进行比较,得到差异信息;将所述优选信息和差异信息发送给用户节点;用户节点接受到所述优选信息和差异信息后,将需求方特征和优选信息作为输入,通过所述深度学习模型进行计算得到输出信息,将所述输出信息与差异信息进行合成,得到需要隐藏的信息;将所述需求、用户节点、服务、机构节点、需求方和服务方信息、信息发送方和接收方信息、优选信息和差异信息打包后作为最新区块加入交易区块链;
用户信息隐藏与发送模块:用户节点发送需要隐藏的信息给机构节点时,将服务方特征和随机信息作为输入,将需要隐藏的信息作为预期输出,通过深度学习模型进行测试和反向生成输入数据来调整所述随机信息,得到优选信息;将服务方特征和优选信息作为输入,通过深度学习模型进行计算得到输出信息,将所述输出信息与需要隐藏的信息进行比较,得到差异信息;将所述优选信息和差异信息发送给用户节点;用户节点接受到所述优选信息和差异信息后,将服务方特征和优选信息作为输入,通过所述深度学习模型进行计算得到输出信息,将所述输出信息与差异信息进行合成,得到需要隐藏的信息;将所述需求、用户节点、服务、机构节点、需求方和服务方信息、信息发送方和接收方信息、优选信息和差异信息打包后作为最新区块加入交易区块链。
9.一种医康养交易系统,包括医康养系统,其特征在于,所述医康养系统实现权利要求1-4任意一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1-4任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210918294.0A CN115357915A (zh) | 2022-08-01 | 2022-08-01 | 基于深度学习和信息隐藏的区块链方法和医康养交易系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210918294.0A CN115357915A (zh) | 2022-08-01 | 2022-08-01 | 基于深度学习和信息隐藏的区块链方法和医康养交易系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115357915A true CN115357915A (zh) | 2022-11-18 |
Family
ID=84031586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210918294.0A Pending CN115357915A (zh) | 2022-08-01 | 2022-08-01 | 基于深度学习和信息隐藏的区块链方法和医康养交易系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115357915A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115840787A (zh) * | 2023-02-20 | 2023-03-24 | 塔比星信息技术(深圳)有限公司 | 基于区块链的供应链数据共享方法、装置、设备及介质 |
-
2022
- 2022-08-01 CN CN202210918294.0A patent/CN115357915A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115840787A (zh) * | 2023-02-20 | 2023-03-24 | 塔比星信息技术(深圳)有限公司 | 基于区块链的供应链数据共享方法、装置、设备及介质 |
CN115840787B (zh) * | 2023-02-20 | 2023-05-02 | 塔比星信息技术(深圳)有限公司 | 基于区块链的供应链数据共享方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110046521B (zh) | 去中心化隐私保护方法 | |
US10848315B2 (en) | Contract agreement method, agreement verification method, contract agreement system, agreement verification device, contract agreement device, contract agreement program and agreement verification program | |
CN111949953B (zh) | 基于区块链的身份认证方法、系统、装置和计算机设备 | |
CN111914027B (zh) | 一种区块链交易关键字可搜索加密方法及系统 | |
CN110958110B (zh) | 一种基于零知识证明的区块链隐私数据管理方法和系统 | |
CN108173805B (zh) | 一种基于区块链的具有隐私保持的分布式匿名区协同构造方法 | |
CN101981890B (zh) | 安全工作组管理和通信的系统和方法 | |
CN112580821A (zh) | 一种联邦学习方法、装置、设备及存储介质 | |
CN114730420A (zh) | 用于生成签名的系统和方法 | |
CN108769230B (zh) | 交易数据存储方法、装置、服务器及存储介质 | |
EP1662691A1 (en) | Device authentication system | |
JPH04213242A (ja) | 限定同報通信システム | |
RU2005109159A (ru) | Способ и системы для обеспечения безопасного распределения данных через сети общего пользования | |
JP2008192129A (ja) | ネットワークデータ分散共有システム | |
KR20130004841A (ko) | 이동 기기에 대한 그룹 키 관리를 위한 방법 및 장치 | |
CN116527372B (zh) | 基于互联网的数据安全交互系统及方法 | |
CN112261137A (zh) | 基于联合学习的模型训练方法及系统 | |
CN111711607B (zh) | 一种基于区块链的流式微服务可信加载与验证方法 | |
CN110635912A (zh) | 数据处理方法及装置 | |
CN113821789A (zh) | 基于区块链的用户密钥生成方法、装置、设备及介质 | |
CN115357915A (zh) | 基于深度学习和信息隐藏的区块链方法和医康养交易系统 | |
CN114297678A (zh) | 一种联盟链系统运行方法、装置、设备及存储介质 | |
CN112235290B (zh) | 基于区块链的物联网设备管理方法及第一物联网设备 | |
CN115001719B (zh) | 隐私数据处理系统、方法、装置、计算机设备及存储介质 | |
JP3314900B2 (ja) | ゼロ知識証明プロトコルを利用した情報配送方法およびシステム |
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 |