CN116611838B - 基于区块链的环保混凝土降碳制品碳足迹核算方法 - Google Patents

Abstract

本发明涉及数据处理技术领域，提出了基于区块链的环保混凝土降碳制品碳足迹核算方法，包括：采集区块链记录碳足迹数据生成的若干交易数据；将每笔交易数据作为节点获取图结构，图聚类得到若干子图以及生成子图层，对每个子图通过图因子分解获取若干因子图；根据每个节点在不同生成子图层对应的子图及若干因子图，获取每个节点的稳定性，结合交易数据中不同字符得到字符稳定性序列；根据字符稳定性序列进行BWT编码，并对编码结果进行哈希计算，进行交易数据的数字签名验证；验证交易数据并打包区块，分发区块完成碳足迹核算。本发明旨在解决对碳足迹进行数字签名验证核算过程中存在哈希碰撞而影响验证结果的问题。

Description

基于区块链的环保混凝土降碳制品碳足迹核算方法

技术领域

本发明涉及数据处理技术领域，具体涉及基于区块链的环保混凝土降碳制品碳足迹核算方法。

背景技术

碳足迹是指企业机构、活动、产品或个人通过交通运输、食品生产和消费以及各类生产过程等引起的温室气体排放的集合，而作为降碳制品的环保混凝土同样具有相应的碳足迹数据，通过对碳足迹数据在区块链中进行保存，并进行核算验证，从而实现对环保混凝土作为降碳制品的碳足迹的核算及监测。

对于通过区块链对环保混凝土降碳制品的碳足迹数据进行核算，通常采用数字签名验证的方法，而哈希函数则是对于数据唯一性的验证方法，然而哈希计算过程中存在哈希碰撞的风险，尤其在数据量较大过程中，哈希碰撞导致碳足迹数据的唯一性存在误差，进而影响数据验证核算结果；因此需要通过增大相近数据之间的差异，进而通过BWT编码来减小哈希碰撞的风险，从而提高碳足迹核算过程中数据验证的安全性及准确性。

发明内容

本发明提供基于区块链的环保混凝土降碳制品碳足迹核算方法，以解决现有的对碳足迹进行数字签名验证核算过程中存在哈希碰撞而影响验证结果的问题，所采用的技术方案具体如下：

本发明一个实施例提供了基于区块链的环保混凝土降碳制品碳足迹核算方法，该方法包括以下步骤：

采集区块链记录碳足迹数据生成的若干交易数据；

将每笔交易数据作为节点构建图结构，对图结构进行图聚类并通过图因子分解，得到若干生成子图层及子图与对应的若干因子图；

根据每个节点在相邻生成子图层的所属子图及因子图匹配率，结合交易数据中不同字符，获取字符稳定性序列；

根据字符稳定性序列对每笔交易数据进行编码，对编码结果进行哈希计算，完成交易数据的数字签名验证；

验证交易数据并打包区块，分发区块，完成碳足迹核算。

进一步的，所述得到若干生成子图层及子图与对应的若干因子图，包括的具体方法为：

根据交易数据构建图结构；对图结构通过格里-纽曼算法逐步去除最大介数的边，将分割生成新子图时对应的图结构，记为生成子图层，得到若干生成子图层，每个生成子图层又分别对应若干子图；

对每个生成子图层中的每个子图进行图因子分解，得到每个子图的若干因子图。

进一步的，所述根据交易数据构建图结构，包括的具体方法为：

每笔交易数据均表示为交易向量，将每个交易向量作为图结构的节点，对任意两个节点对应的交易向量计算余弦相似度，将余弦相似度作为两个节点之间的边值，将边值大于预设第一阈值的边进行保留，边值小于等于预设第一阈值的边进行去除，得到交易向量构成的图结构。

进一步的，所述字符稳定性序列，具体的获取方法为：

根据每个节点在相邻生成子图层的所属子图及因子图匹配率，获取每个节点的稳定性，图结构中每个节点对应一个交易向量，得到每个交易向量的稳定性；

每个字符在多个交易向量中存在，以任意一个字符为目标字符，获取存在目标字符的若干交易向量，获取目标字符在每个交易向量中的初选次数，对所有出现次数进行softmax归一化，得到的结果作为每个交易向量对于目标字符的参考权重，根据参考权重对每个交易向量的稳定性进行加权求和，得到的结果记为目标字符的稳定性；

获取所有交易数据中每个字符的稳定性，按照稳定性降序对字符进行排列，得到的序列记为字符稳定性序列。

进一步的，所述每个节点的稳定性，具体的获取方法为：

根据节点在不同生成子图层中所属子图及对应的若干因子图，得到每个节点在相邻两个生成子图层的因子图匹配率；图结构中节点的稳定性/>的计算方法为：

其中，表示生成子图层的数量，/>表示图结构中节点/>在第/>个生成子图层与第/>个生成子图层的因子图匹配率，/>表示图结构中节点/>在第/>个生成子图层中对应子图中的节点数量，/>表示图结构中节点/>在第/>个生成子图层中对应子图中的节点数量；

获取图结构中每个节点的稳定性。

进一步的，所述得到每个节点在相邻两个生成子图层的因子图匹配率，包括的具体方法为：

对每个节点在相邻生成子图层中所属子图分别对应的因子图计算匹配程度；获取节点在第/>个生成子图层及第/>个生成子图层中所属子图，获取两个子图对应的若干因子图，将第/>个生成子图层对应子图的若干因子图作为二分图左侧的节点，将第/>个生成子图层对应的若干因子图作为二分图右侧的节点，二分图中的节点记为第一节点，二分图记为第一二分图，将二分图中左侧第一节点对应的因子图，与右侧第一节点对应的因子图的匹配程度，作为左右两侧第一节点之间的边值；

对第一二分图进行KM匹配，将第一二分图匹配成功的边值之和与右侧第一节点数量的比值，作为节点在第/>个生成子图层与第/>个生成子图层的因子图匹配率；

获取图结构中每个节点在相邻两个生成子图层的因子图匹配率。

进一步的，所述对每个节点在相邻生成子图层中所属子图分别对应的因子图计算匹配程度，包括的具体方法为：

将第一二分图中任意一个左侧第一节点对应的因子图，与右侧第一节点对应的因子图中的边，用对应的节点对表示，对两个因子图中的边构建二分图，该二分图中节点记为第二节点，二分图记为第二二分图；

将第一二分图中左侧第一节点对应的因子图中每条边对应的节点对，作为第二二分图中左侧的第二节点，将第一二分图中右侧第一节点对应的因子图中每条边对应的节点对，作为第二二分图中右侧的第二节点，第二节点之间的边值采用节点对的交并比表示，对第二二分图进行KM匹配，得到左侧第二节点与右侧第二节点之间一对一的匹配关系，将匹配成功的边值之和作为两个因子图的匹配程度；

对每个节点在相邻生成子图层中所属子图分别对应的因子图，计算因子图的匹配程度。

本发明的有益效果是：本发明通过对区块链记录碳足迹数据生成的交易数据进行数据验证，从而保证碳足迹数据记录在区块链中的安全性、真实性及准确性，同时保证碳足迹数据同步，从而实现碳足迹核算；其中通过对交易数据构建图结构，并根据图聚类过程中节点的稳定性进行量化，进而得到字符稳定性序列，使得不同交易数据的编码结果之间差异较大，避免哈希计算过程中使得不同数据产生相似结果而影响数据验证结果的准确性；而节点稳定性考虑节点所属类别，即所属子图在不同生成子图层的变化，通过节点数量及因子图匹配率量化节点稳定性，保证变化越小的类别中节点的稳定性越大，结合字符在不同交易数据中的分布，最终得到字符稳定性序列，从而提高数据验证结果的准确性，并最终根据验证结果完成区块链对于碳足迹数据的记录。

附图说明

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，下面描述中的附图仅仅是本发明的一些实施例，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为本发明一个实施例所提供的基于区块链的环保混凝土降碳制品碳足迹核算方法流程示意图；

图2为数字签名验证过程示意图。

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做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。

请参阅图1，其示出了本发明一个实施例所提供的基于区块链的环保混凝土降碳制品碳足迹核算方法流程图，该方法包括以下步骤：

步骤S001、采集区块链记录碳足迹数据生成的若干交易数据。

本实施例的目的是在区块链中对碳足迹数据进行记录，并实现数据同步从而完成碳足迹核算，而在区块链中记录碳足迹数据时，会生成相应的交易数据，交易数据包括发起方、接收方、交易金额、时间戳以及手续费等信息；本实施例对作为降碳制品的环保混凝土记录在区块链中的碳足迹数据过程中，生成的每笔交易数据进行采集，得到若干交易数据，将每笔交易数据表示为向量形式，每个信息作为向量中的一个元素，其中交易金额、时间戳及手续费为数字形式，发起方及接收方为字母形式，则得到若干向量，记为交易向量。

至此，获取到了若干交易数据及对应的交易向量。

步骤S002、将每笔交易数据作为节点获取图结构，对图结构进行图聚类得到若干子图以及生成子图层，对每个子图通过图因子分解获取若干因子图。

需要说明的是，在区块链中记录碳足迹数据时，需要生成相应的交易数据，在交易中需要对数据进行加密和验证，从而保证交易的安全性及真实性，现有方法在交易中通过数字签名的方法进行数据验证，请参阅图2，其示出了数字签名的验证过程示意图；图2中用户A将原始文件、加密的摘要和用户A的公钥发送给用户B，用户B首先对原始数据通过相同的哈希函数获得数据摘要，同时通过A的公钥对加密的摘要进行解密获得数据摘要，对两个数据摘要进行比较；如果相等，则数据是用户A发送过来的，且没有经过其他人的篡改，验证成功，交易在所有的区块链节点处进行记录。

进一步需要说明的是，数字签名过程中通过哈希函数生成数据摘要，而哈希函数在这个过程中用于数据唯一性的判断，而哈希碰撞则是不同的数据错误地被判定为相同的数据，进而影响数据验证的准确性；因此考虑到不同交易数据的稳定性存在差异，即通过将交易数据作为节点，通过图聚类迭代过程中图因子分解的变化来量化交易数据的稳定性，因子图变化越小则稳定性越大，进而根据不同字符在每笔交易数据中的存在得到字符稳定性序列，而根据字符稳定性序列进行BWT编码，不再根据相同的字典顺序进行BWT编码，提高了不同交易数据编码结果的差异性，进而减小哈希碰撞的风险。

具体的，每笔交易数据都表示为交易向量，将每个交易向量作为图结构的节点，对任意两个节点对应的交易向量计算余弦相似度，将余弦相似度作为两个节点之间的边值，设置预设第一阈值用于筛选图结构的边，本实施例预设第一阈值采用0.5进行计算，将边值大于预设第一阈值的边进行保留，边值小于等于预设第一阈值的边进行去除，则得到了交易向量构成的图结构。

进一步需要说明的是，格里-纽曼图聚类算法是通过逐步去除最大介数的边，进而进行节点类别划分的方法；当某个节点在多次的节点类别划分中，均属于同一个类别，则该节点的性质较为稳定，节点对应的交易向量稳定性较大；而图聚类主要是将图中节点划分为若干个类别，使得同一类别内的节点之间具有相似的特征或者性质，而不同类别之间则存在明显差异，这种方法主要用于发现数据集中潜在的结构、模式或者群组；而图因子分解则是根据节点的属性或者连接方式，将图分解为若干个子图或者因子图，每个因子图代表了图的一个重要的局部结构或者模式；属于同一个类别的节点，在该类别中的局部模式不一定相同，因此对于每个类别，通过图因子分解，得到每个节点所属的局部模式，进而通过图聚类迭代过程中每个节点的所属类别和局部模式的变化，进一步计算得到每个节点对应的交易向量的稳定性。

具体的，对图结构通过格里-纽曼算法逐步去除最大介数的边，在某个边去除过程中，图结构会被分割为多个子图，将分割生成新子图时对应的图结构，记为生成子图层，则可以得到若干生成子图层，而每个生成子图层又分别对应若干子图；对每个生成子图层中的每个子图进行图因子分解，得到每个子图的若干因子图，需要说明的是，每个因子图是子图中一种完美匹配的导出子图，每个因子图包含了对应子图中的所有节点，不同因子图及对应的子图仅是节点之间的边存在差异，其中格里-纽曼算法及图因子分解均为现有技术，本实施例不再赘述。

至此，对交易数据获取了图结构，并在图聚类过程中得到若干生成子图层，以及子图与对应的因子图。

步骤S003、根据每个节点在不同生成子图层对应的子图及若干因子图，获取每个节点的稳定性，进而得到每笔交易数据的稳定性，结合交易数据中不同字符得到字符稳定性序列。

需要说明的是，节点在图聚类的过程中，在不同生成子图层中对应的子图变化越小，表明节点所属类别变化越小，节点性质较为稳定，首先通过对应子图的节点数量变化来量化类别变化；同时引入对应子图的因子图变化，通过因子图变化进一步量化节点所属类别的变化，通过迭代过程中所有生成子图层中节点所属类别即对应子图变化累加，量化得到节点的稳定性，进而根据字符存在于不同交易数据中，量化得到字符稳定性序列。

具体的，以节点为例，获取该节点在第/>个生成子图层及第/>个生成子图层中所属子图，获取两个子图对应的若干因子图，将第/>个生成子图层对应子图的若干因子图作为二分图左侧的节点，将第/>个生成子图层对应的若干因子图作为二分图右侧的节点，二分图中的节点为了与图结构中节点进行区分，记为第一节点，二分图记为第一二分图；左侧每个第一节点与右侧任意一个第一节点均存在边值，边值的计算过程为：对于左侧任意一个第一节点，其对应一个因子图，右侧任意一个第一节点，同样对应一个因子图，每个因子图中存在多条边，将每条边用对应的节点对来表示，同样对两个因子图中的边构建二分图，该二分图中节点记为第二节点，二分图记为第二二分图，将第一二分图中任意一个左侧第一节点对应的因子图中每条边对应的节点对，作为第二二分图中左侧的第二节点，将第一二分图中任意一个右侧第一节点对应的因子图中每条边对应的节点对，作为第二二分图中右侧的第二节点，第二节点之间的边值则采用节点对的交并比来表示，对第二二分图进行KM匹配，得到左侧第二节点与右侧第二节点之间一对一的匹配关系，将匹配成功的边值之和作为两个因子图的匹配程度，作为两个第一节点之间的边值；按照上述方法获取第一二分图中左右两侧任意两个第一节点之间的边值，对第一二分图进行KM匹配，将第一二分图匹配成功的边值之和与右侧第一节点数量的比值，作为节点/>在第/>个生成子图层与第个生成子图层的因子图匹配率；按照上述方法获取图结构中每个节点在相邻两个生成子图层的因子图匹配率，需要说明的是，原始的图结构作为图聚类过程中第0个生成子图层参与计算。

进一步的，以图结构中的节点为例，节点/>的稳定性/>的计算方法为：

其中，表示生成子图层的数量，/>表示图结构中节点/>在第/>个生成子图层与第/>个生成子图层的因子图匹配率，/>表示图结构中节点/>在第/>个生成子图层中对应子图中的节点数量，/>表示图结构中节点/>在第/>个生成子图层中对应子图中的节点数量；因子图匹配率越大，对应子图变化越小，节点的稳定性越大；对应子图的节点数量比值越大，节点数量变化越少，对应子图变化越小，节点的稳定性越大；按照上述方法获取图结构中每个节点的稳定性，每个节点对应一个交易向量即交易数据，则得到了每笔交易数据的稳定性。

进一步的，每笔交易数据为由字母及数字表示的交易向量，将字母及数字统一记为字符，而每个字符在多个交易向量中存在，以任意一个字符为例，获取存在该字符的若干交易向量，并获取该字符在每个交易向量中的出现次数，对所有出现次数进行softmax归一化，得到的结果作为每个交易向量对于该字符的参考权重，根据参考权重对每个交易向量即交易数据的稳定性进行加权求和，得到的结果记为该字符的稳定性；按照上述方法获取所有交易数据中每个字符的稳定性，并按照稳定性降序对字符进行排列，得到的序列记为字符稳定性序列。

至此，通过对图结构中每个节点在图聚类过程中对应子图及其因子图的变化，得到每个节点即每笔交易数据（交易向量）的稳定性，进而得到字符稳定性序列。

步骤S004、根据字符稳定性序列进行BWT编码，并对编码结果进行哈希计算，进行交易数据的数字签名验证。

需要说明的是，获取到字符稳定性序列后，通过对每笔交易数据进行BWT编码，由于字符稳定性序列包含了所有字符，而每个字符的顺序已经固定，因此不再会出现不同交易数据中编码结果相似的问题，进而减小了碰撞的风险。

具体的，根据字符稳定性序列中每个字符对应的顺序，对每笔交易数据进行BWT编码，得到每笔交易数据的编码结果，对编码结果通过MD5计算得到哈希值，通过哈希值完成对交易数据的数字签名验证过程，其中BWT编码及哈希计算与数字签名验证均为现有技术，本实施例不再赘述。

步骤S005、验证交易数据并打包区块，分发区块并保证碳足迹数据同步，完成碳足迹核算。

在碳足迹数据被记录到区块链中，即交易完成之后，需要对交易数据进行验证和确认，确保交易符合规则和要求；交易被成功确认，则将交易数据放入一个新的区块中，并通过工作量证明、权益证明等共识机制来保证区块的有效性和一致性；同时，每个区块都包含一个指向前一个区块的哈希值，形成不可篡改的链式记录。

进一步的，当新区块被创建之后，需要将其分发给其他节点，并通过点对点网络来同步更新数据；通过这种方式，确保记录的碳足迹数据能够被多个节点所共享和使用，提高数据的可靠性和透明度，进而完成区块链中对于碳足迹数据的核算。

至此，完成了基于区块链的对于作为降碳制品的环保混凝土的碳足迹数据的核算。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.基于区块链的环保混凝土降碳制品碳足迹核算方法，其特征在于，该方法包括以下步骤：

采集区块链记录碳足迹数据生成的若干交易数据；

将每笔交易数据作为节点构建图结构，对图结构进行图聚类并通过图因子分解，得到若干生成子图层及子图与对应的若干因子图；

根据每个节点在相邻生成子图层的所属子图及因子图匹配率，结合交易数据中不同字符，获取字符稳定性序列；

根据字符稳定性序列对每笔交易数据进行编码，对编码结果进行哈希计算，完成交易数据的数字签名验证；

验证交易数据并打包区块，分发区块，完成碳足迹核算；

所述得到若干生成子图层及子图与对应的若干因子图，包括的具体方法为：

根据交易数据构建图结构；对图结构通过格里-纽曼算法逐步去除最大介数的边，将分割生成新子图时对应的图结构，记为生成子图层，得到若干生成子图层，每个生成子图层又分别对应若干子图；

对每个生成子图层中的每个子图进行图因子分解，得到每个子图的若干因子图；

所述根据交易数据构建图结构，包括的具体方法为：

每笔交易数据均表示为交易向量，将每个交易向量作为图结构的节点，对任意两个节点对应的交易向量计算余弦相似度，将余弦相似度作为两个节点之间的边值，将边值大于预设第一阈值的边进行保留，边值小于等于预设第一阈值的边进行去除，得到交易向量构成的图结构；

所述字符稳定性序列，具体的获取方法为：

根据每个节点在相邻生成子图层的所属子图及因子图匹配率，获取每个节点的稳定性，图结构中每个节点对应一个交易向量，得到每个交易向量的稳定性；

每个字符在多个交易向量中存在，以任意一个字符为目标字符，获取存在目标字符的若干交易向量，获取目标字符在每个交易向量中的初选次数，对所有出现次数进行softmax归一化，得到的结果作为每个交易向量对于目标字符的参考权重，根据参考权重对每个交易向量的稳定性进行加权求和，得到的结果记为目标字符的稳定性；

获取所有交易数据中每个字符的稳定性，按照稳定性降序对字符进行排列，得到的序列记为字符稳定性序列；

所述每个节点的稳定性，具体的获取方法为：

根据节点在不同生成子图层中所属子图及对应的若干因子图，得到每个节点在相邻两个生成子图层的因子图匹配率；图结构中节点的稳定性/>的计算方法为：

其中，表示生成子图层的数量，/>表示图结构中节点/>在第/>个生成子图层与第/>个生成子图层的因子图匹配率，/>表示图结构中节点/>在第/>个生成子图层中对应子图中的节点数量，/>表示图结构中节点/>在第/>个生成子图层中对应子图中的节点数量；

获取图结构中每个节点的稳定性；

所述得到每个节点在相邻两个生成子图层的因子图匹配率，包括的具体方法为：

对每个节点在相邻生成子图层中所属子图分别对应的因子图计算匹配程度；获取节点在第/>个生成子图层及第/>个生成子图层中所属子图，获取两个子图对应的若干因子图，将第/>个生成子图层对应子图的若干因子图作为二分图左侧的节点，将第/>个生成子图层对应的若干因子图作为二分图右侧的节点，二分图中的节点记为第一节点，二分图记为第一二分图，将二分图中左侧第一节点对应的因子图，与右侧第一节点对应的因子图的匹配程度，作为左右两侧第一节点之间的边值；

对第一二分图进行KM匹配，将第一二分图匹配成功的边值之和与右侧第一节点数量的比值，作为节点在第/>个生成子图层与第/>个生成子图层的因子图匹配率；

获取图结构中每个节点在相邻两个生成子图层的因子图匹配率；

所述对每个节点在相邻生成子图层中所属子图分别对应的因子图计算匹配程度，包括的具体方法为：

将第一二分图中任意一个左侧第一节点对应的因子图，与右侧第一节点对应的因子图中的边，用对应的节点对表示，对两个因子图中的边构建二分图，该二分图中节点记为第二节点，二分图记为第二二分图；

将第一二分图中左侧第一节点对应的因子图中每条边对应的节点对，作为第二二分图中左侧的第二节点，将第一二分图中右侧第一节点对应的因子图中每条边对应的节点对，作为第二二分图中右侧的第二节点，第二节点之间的边值采用节点对的交并比表示，对第二二分图进行KM匹配，得到左侧第二节点与右侧第二节点之间一对一的匹配关系，将匹配成功的边值之和作为两个因子图的匹配程度；

对每个节点在相邻生成子图层中所属子图分别对应的因子图，计算因子图的匹配程度。