CN115987656A - 基于区块链的加密安全交易方法 - Google Patents

Abstract

本发明涉及基于区块链的加密安全交易方法，包括步骤：客户端根据用户输入的交易信息判断交易类别；若为下单，客户端向区块链网络发起更新交易请求，区块链网络将初始事件包发送至客户端，初始事件包包括人脸特征数据、人声特征数据、订单信息；客户端向用户获取初始事件包的内容后，形成事件包，并将事件包发送至区块链网络存储；若为核销或退款，客户端向区块链网络发起查找交易请求，区块链网络将对应的事件包发送至客户端，客户端验证用户的人脸特征数据和人声特征数据，验证通过后进行核销或退款的操作，形成新的事件包，并将新的事件包发送至区块链网络存储。本发明在将交易数据上链存储时，严格审核用户的身份，保证交易订单不被泄漏。

Description

基于区块链的加密安全交易方法

技术领域

本发明涉及安全交易技术领域，特别涉及一种基于区块链的加密安全交易方法。

背景技术

合约作为用户与用户之间交易安全的保障与补充，为了保证消费者与商户之间达成交易的同时是按照双方约定的合约进行的，通常采用的是线下纸质合同或电子合同，消费者在购买商品或服务时，需要先阅读并签署双方达成的电子合同约束，用户如果同意合同约束的内容需要签字确认，同时内容回反馈到商户方，商户方再签章确认，只有双方都完成签字确认后系统才会生成一份电子合同凭证，整个签约过程结束后再进行订单的支付。

当前这种交易方式存在两个问题：一是双方交易过程比较复杂，用户需要先和商户签订电子合约才能进行后续的支付。二是交易的合约约束条款无法有效的追踪，条款无法在交易完成后根据条件进行自动执行。于是，为了解决双方交易过程的复杂性和无法追溯性，目前引入了区块链技术，将交易数据进行上链存储，有效解决了复杂性和无法追溯性的问题。

但是，在将交易数据上链存储时，没有严格审核用户的身份，导致交易订单泄漏。

发明内容

本发明的目的在于利用区块链网络记录交易订单时，增强对用户身份的审核，提供一种基于区块链的加密安全交易方法。

为了实现上述发明目的，本发明实施例提供了以下技术方案：

基于区块链的加密安全交易方法，包括以下步骤：

客户端根据用户输入的交易信息判断交易类别，所述交易类别包括下单、核销、退款；若为下单，则客户端向区块链网络发起更新交易请求；若为核销或退款，则客户端向区块链网络发起查找交易请求；

区块链网络接收到更新交易请求后，将初始事件包发送至客户端，所述初始事件包中包括人脸特征数据、人声特征数据、订单信息；客户端向用户获取初始事件包的内容后，形成事件包，并将事件包发送至区块链网络存储；

区块链网络接收到查找交易请求后，将对应的事件包发送至客户端，客户端验证用户的人脸特征数据和人声特征数据，验证通过后进行核销或退款的操作，形成新的事件包，并将新的事件包发送至区块链网络存储。

更进一步地，获取所述人脸特征数据的步骤包括：

采集用户的人脸图像，对人脸图像进行灰度处理，得到灰度图像；

对灰度图像进行降噪处理，得到降噪图像：

其中，Dome_i表示像素距离度量值；z(i)表示第i个人脸像素点，z(j)表示第j个人脸像素点；z(max)表示与z(i)直线距离最远的人脸边缘像素点，z(min)表示与z(i)直线距离最近的人脸边缘像素点；r_m(z(i),z(j))表示z(i)与z(j)之间的欧氏距离；r_{m_max}(z(i),z(max))表示z(i)与z(max)的之间欧氏距离；r_{m_min}(z(i),z(min))表示z(i)与z(min)的之间欧氏距离；

表示融合操作；pixel_n表示人脸像素点总和；

以z(i)为起点，z(j)为终点，连接z(i)和z(j)的直线经过的像素点集合为C_i,j，分别计算集合C_i,j中各像素点的灰度值方差σ_k，k＝1,2,...K，k表示集合C_i,j中的第k各像素点，K表示集合集合C_i,j中像素点的总数；

根据灰度值方差σ_k计算适应性噪声权重：

其中，

表示适应性噪声权重，α表示适应性参数；

代入像素距离度量值Dome_i计算像素点集合C_i,j中各像素点的噪声权重：

将ω_k大于

的像素点作为噪声像素点，并对噪声像素点进行噪声滤除，从而获得降噪图像；

从所述降噪图像中获得人脸特征数据A。

更进一步地，获取所述人声特征数据的步骤，包括：

获取实时背景声音强度

获取人声声音强度E：

E＝x(t)·λ(τ+L-t)

其中，t表示采样时刻，x(t)表示采样时刻的声音强度；λ()表示短时窗函数；τ表示采样时间段；L表示采样长度；

提取

的部分作为人声数据Ec，对人声数据Ec进行傅立叶变换，得到线性频谱Ec(x)，再对线性频谱Ec(x)进行均值滤波，得到平滑谱Z(x)：

其中，w为以频率x为中心的滤波窗口；

计算平滑谱Z(x)的对数频谱s(w)：

根据对数频谱s(w)提取人声特征数据B：

其中，G(k)表示窗口滤波器。

更进一步地，所述客户端向用户获取初始事件包的内容后，形成事件包，并将事件包发送至区块链网络存储的步骤，包括：所述客户端向用户获取人脸特征数据A、人声特征数据B、订单信息C，形成事件包Bag(A,B,C)，使用区块链网络的公钥ski对事件包Bag(A,B,C)进行加密；将加密后的事件包Bag(A,B,C)发送至区块链网络，区块链网络使用私钥spi对加密的事件包Bag(A,B,C)进行解密后，将其存储。

更进一步地，所述区块链网络接收到查找交易请求后，将对应的事件包发送至客户端的步骤，包括：区块链网络根据查找交易请求中的订单信息C查找对应的事件包Bag(A,B,C)，并将事件包Bag(A,B,C)发送至客户端。

更进一步地，所述客户端验证用户的人脸特征数据和人声特征数据，验证通过后进行核销或退款的操作，形成新的事件包，并将新的事件包发送至区块链网络存储的步骤，包括：

客户端获取用户的人脸特征数据A和人声特征数据B，根据事件包Bag(A,B,C)判断人脸特征数据A和人声特征数据B是否匹配，若匹配则验证成功；将订单信息C发送给用户进行核销或退款的操作，形成新的订单信息C`，和新的事件包Bag(A,B,C`)；

客户端使用区块链网络的公钥ski对新的事件包Bag(A,B,C`)进行加密；将加密后的事件包Bag(A,B,C`)发送至区块链网络，区块链网络使用私钥spi对加密的事件包Bag(A,B,C)`进行解密后，将其存储。

与现有技术相比，本发明的有益效果：

本发明在将交易数据上链存储时，严格审核用户的身份，保证交易订单不被泄漏。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本发明实施例交易信息为下单时的交易方法；

图2为本发明实施例交易信息为核销、退款时的交易方法。

具体实施方式

下面将结合本发明实施例中附图，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一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性，或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。另外，术语“相连”、“连接”等可以是元件之间直接相连，也可以是经由其他元件的间接相连。

实施例1：

本发明通过下述技术方案实现，一种基于区块链的加密安全交易方法，包括以下步骤：

步骤1，客户端根据用户输入的交易信息判断交易类别，所述交易类别包括下单、核销、退款。

如图1所示，若为下单，则表示此次交易是新的交易，在区块链网络中是没有存储过的，因此客户端向区块链网络发起更新交易请求。

如图2所示，若为核销或退款，则表示此次交易是已经存储在区块链网络中的，因此客户端向区块链网络发起查找交易请求。

步骤2，区块链网络接收到更新交易请求后，将初始事件包发送至客户端，所述初始事件包中包括人脸特征数据、人声特征数据、订单信息；客户端向用户获取初始事件包的内容后，形成事件包，并将事件包发送至区块链网络存储。

请继续参见图1，无论是新增交易订单或是更新交易订单，都需要一个完整的事件包，事件包中包含三部分内容：人脸特征数据A、人声特征数据B、订单信息C。其中人脸特征数据A、人声特征数据B是为了验证用户的身份，订单信息C是具体的交易订单内容。

如果是更新交易请求，则区块链网络向客户端发送一个初始事件包，初始事件包中的人脸特征数据、人声特征数据、订单信息都是空白的，需要用户补充。故客户端首先像用户获取人脸特征数据，获取人脸特征数据的方式为：

采集用户的人脸图像，对人脸图像进行灰度处理，得到灰度图像；

对灰度图像进行降噪处理，得到降噪图像：

其中，Dome_i表示像素距离度量值；z(i)表示第i个人脸像素点，z(j)表示第j个人脸像素点；z(max)表示与z(i)直线距离最远的人脸边缘像素点，z(min)表示与z(i)直线距离最近的人脸边缘像素点；r_m(z(i),z(j))表示z(i)与z(j)之间的欧氏距离；r_{m_max}(z(i),z(max))表示z(i)与z(max)的之间欧氏距离；r_{m_min}(z(i),z(min))表示z(i)与z(min)的之间欧氏距离；

表示融合操作；pixel_n表示人脸像素点总和；

以z(i)为起点，z(j)为终点，连接z(i)和z(j)的直线经过的像素点集合为C_i,j，分别计算集合C_i,j中各像素点的灰度值方差σ_k，k＝1,2,...K，k表示集合C_i,j中的第k各像素点，K表示集合集合C_i,j中像素点的总数；

根据灰度值方差σ_k计算适应性噪声权重：

其中，

表示适应性噪声权重，α表示适应性参数；

代入像素距离度量值Dome_i计算像素点集合C_i,j中各像素点的噪声权重：

将ω_k大于

的像素点作为噪声像素点，并对噪声像素点进行噪声滤除，从而获得降噪图像；由于i和j是自选的，所以通过若干次的迭代，可以排查所有的人脸像素点z(i)和z(j)之间的像素点是否为噪声像素点，从而提高人脸特征的提取精度。

从所述降噪图像中获得人脸特征数据A。

然后客户端再向用户获取人声特征数据，这里需要说明的是，也可以先获取人声特征数据，再获取人脸特征数据。获取人声特征数据的方式为：

获取实时背景声音强度

获取人声声音强度E：

E＝x(t)·λ(τ+L-t)

其中，t表示采样时刻，x(t)表示采样时刻的声音强度；λ()表示短时窗函数；τ表示采样时间段；L表示采样长度；

提取

的部分作为人声数据Ec，对人声数据Ec进行傅立叶变换，得到线性频谱Ec(x)，再对线性频谱Ec(x)进行均值滤波，得到平滑谱Z(x)：

其中，w为以频率x为中心的滤波窗口；

计算平滑谱Z(x)的对数频谱s(w)：

根据对数频谱s(w)提取人声特征数据B：

其中，G(k)表示窗口滤波器。

上述是对人声特征数据进行提取，通过上述的计算可以将音频中的背景声音滤除，仅保留人声，进一步提高了人声特征数据的提取精度。

客户端像事件包载入用户的人脸特征数据A和人声特征数据B后，即可记录订单信息C，再以后用户要查找该事件包时，则需要通过人脸特征数据A和人声特征数据B的验证后，才能提取订单信息C并进行后续的核销或退款等操作。

客户端向用户获取人脸特征数据A、人声特征数据B、订单信息C，形成事件包Bag(A,B,C)，使用区块链网络的公钥ski对事件包Bag(A,B,C)进行加密；将加密后的事件包Bag(A,B,C)发送至区块链网络，区块链网络使用私钥spi对加密的事件包Bag(A,B,C)进行解密后，将其存储，表示下单成功。

然后区块链网络调用第三方支付接口对该订单进行支付扣款操作，将支付扣款的结果更新至订单信息C中。

步骤3，区块链网络接收到查找交易请求后，将对应的事件包发送至客户端，客户端验证用户的人脸特征数据和人声特征数据，验证通过后进行核销或退款的操作，形成新的事件包，并将新的事件包发送至区块链网络存储。

请继续参见图2，区块链网络根据查找交易请求中的订单信息C查找对应的事件包Bag(A,B,C)，并将事件包Bag(A,B,C)发送至客户端。客户端获取用户的人脸特征数据A和人声特征数据B，根据事件包Bag(A,B,C)判断人脸特征数据A和人声特征数据B是否匹配，若匹配则验证成功。此处客户端获取用户人脸特征数据A和人声特征数据B的方式与步骤2相同，故不再赘述，匹配的方法可使用现有技术可实施的方式即可。

客户端将订单信息C发送给用户进行核销或退款的操作，形成新的订单信息C`，和新的事件包Bag(A,B,C`)。客户端使用区块链网络的公钥ski对新的事件包Bag(A,B,C`)进行加密；将加密后的事件包Bag(A,B,C`)发送至区块链网络，区块链网络使用私钥spi对加密的事件包Bag(A,B,C)`进行解密后，将其存储。

如果是退款的订单，则区块链调用第三方支付接口对该订单进行退款操作，将退款的结果更新至订单信息C`中。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (6)

1.基于区块链的加密安全交易方法，其特征在于：包括以下步骤：

客户端根据用户输入的交易信息判断交易类别，所述交易类别包括下单、核销、退款；若为下单，则客户端向区块链网络发起更新交易请求；若为核销或退款，则客户端向区块链网络发起查找交易请求；

区块链网络接收到更新交易请求后，将初始事件包发送至客户端，所述初始事件包中包括人脸特征数据、人声特征数据、订单信息；客户端向用户获取初始事件包的内容后，形成事件包，并将事件包发送至区块链网络存储；

区块链网络接收到查找交易请求后，将对应的事件包发送至客户端，客户端验证用户的人脸特征数据和人声特征数据，验证通过后进行核销或退款的操作，形成新的事件包，并将新的事件包发送至区块链网络存储。

2.根据权利要求1所述的基于区块链的加密安全交易方法，其特征在于：获取所述人脸特征数据的步骤包括：

采集用户的人脸图像，对人脸图像进行灰度处理，得到灰度图像；

对灰度图像进行降噪处理，得到降噪图像：

其中，Dome_i表示像素距离度量值；z(i)表示第i个人脸像素点，z(j)表示第j个人脸像素点；z(max)表示与z(i)直线距离最远的人脸边缘像素点，z(min)表示与z(i)直线距离最近的人脸边缘像素点；r_m(z(i),z(j))表示z(i)与z(j)之间的欧氏距离；r_{m_max}(z(i),z(max))表示z(i)与z(max)的之间欧氏距离；r_{m_min}(z(i),z(min))表示z(i)与z(min)的之间欧氏距离；

表示融合操作；pixel_n表示人脸像素点总和；

以z(i)为起点，z(j)为终点，连接z(i)和z(j)的直线经过的像素点集合为C_i,j，分别计算集合C_i,j中各像素点的灰度值方差σ_k，k＝1,2,...K，k表示集合C_i,j中的第k各像素点，K表示集合集合C_i,j中像素点的总数；

根据灰度值方差σ_k计算适应性噪声权重：

其中，ω_Ci,j表示适应性噪声权重，α表示适应性参数；

代入像素距离度量值Dome_i计算像素点集合C_i,j中各像素点的噪声权重：

将ω_k大于ω_Ci,j的像素点作为噪声像素点，并对噪声像素点进行噪声滤除，从而获得降噪图像；

从所述降噪图像中获得人脸特征数据A。

3.根据权利要求1所述的基于区块链的加密安全交易方法，其特征在于：获取所述人声特征数据的步骤，包括：

获取实时背景声音强度

获取人声声音强度E：

E＝x(t)·λ(τ+L-t)

其中，t表示采样时刻，x(t)表示采样时刻的声音强度；λ()表示短时窗函数；τ表示采样时间段；L表示采样长度；

提取

的部分作为人声数据Ec，对人声数据Ec进行傅立叶变换，得到线性频谱Ec(x)，再对线性频谱Ec(x)进行均值滤波，得到平滑谱Z(x)：

其中，w为以频率x为中心的滤波窗口；

计算平滑谱Z(x)的对数频谱s(w)：

根据对数频谱s(w)提取人声特征数据B：

其中，G(k)表示窗口滤波器。

4.根据权利要求1所述的基于区块链的加密安全交易方法，其特征在于：所述客户端向用户获取初始事件包的内容后，形成事件包，并将事件包发送至区块链网络存储的步骤，包括：所述客户端向用户获取人脸特征数据A、人声特征数据B、订单信息C，形成事件包Bag(A,B,C)，使用区块链网络的公钥ski对事件包Bag(A,B,C)进行加密；将加密后的事件包Bag(A,B,C)发送至区块链网络，区块链网络使用私钥spi对加密的事件包Bag(A,B,C)进行解密后，将其存储。

5.根据权利要求1所述的基于区块链的加密安全交易方法，其特征在于：所述区块链网络接收到查找交易请求后，将对应的事件包发送至客户端的步骤，包括：区块链网络根据查找交易请求中的订单信息C查找对应的事件包Bag(A,B,C)，并将事件包Bag(A,B,C)发送至客户端。

6.根据权利要求5所述的基于区块链的加密安全交易方法，其特征在于：所述客户端验证用户的人脸特征数据和人声特征数据，验证通过后进行核销或退款的操作，形成新的事件包，并将新的事件包发送至区块链网络存储的步骤，包括：

客户端获取用户的人脸特征数据A和人声特征数据B，根据事件包Bag(A,B,C)判断人脸特征数据A和人声特征数据B是否匹配，若匹配则验证成功；将订单信息C发送给用户进行核销或退款的操作，形成新的订单信息C`，和新的事件包Bag(A,B,C`)；

客户端使用区块链网络的公钥ski对新的事件包Bag(A,B,C`)进行加密；将加密后的事件包Bag(A,B,C`)发送至区块链网络，区块链网络使用私钥spi对加密的事件包Bag(A,B,C)`进行解密后，将其存储。

Images