一种基于群智感知技术的联盟链安全激励方法专利检索-期望最大化算法算法电脑编程专利检索查询-专利查询网

一种基于群智感知技术的联盟链安全激励方法

阅读：858发布：2020-05-15

专利汇可以提供一种基于群智感知技术的联盟链安全激励方法专利检索，专利查询，专利分析的服务。并且本发明设计了一种基于群智感知技术的联盟链共识激励方法，包括：在联盟链交易处理的过程中，排序节点间隔T1时间对联盟链内部所有的组织、用户或平台(节点)的数据进行访问，当期望报酬pexpect≥ci时，组织、用户或平台采用群智感知技术收集交易数据。过时间T2(0 风险的组织、用户或平台发出风险警告。故本发明能够激励提高组织、用户或平台提交有效交易的数量，即保证了联盟链组织、用户或平台间的安全信用问题。，下面是一种基于群智感知技术的联盟链安全激励方法专利的具体信息内容。

权利要求

1.一种基于群智感知技术的联盟链安全激励方法，其特征在于，其安全激励方法具体包括：
1)制定信用状态标识方法；
2)执行智群感知的联盟链安全激励方法，即应用智群感知网络模型，基于有效交易对组织、用户或平台展开奖惩；
3)投票结果统计。
2.根据权利要求1所述的基于群智感知技术的联盟链安全激励方法，其特征在于，其制定信用状态标识方法具体包括：
1.1节点状态标识；
1.2节点状态的变更，包括组织、用户或平台状态的变更；
1.3节点信用系数的计数。
3.根据权利要求2所述的基于群智感知技术的联盟链安全激励方法，其特征在于，其节点状态标识包括：
1)Good：代表节点状态良好，即连续提交有效交易的数量超过标准值上限，并通过了排序节点和其他节点的检验，对此状态下的节点进行奖励；
2)Normal：代表节点状态正常，为初始状态，即提交的交易没有无效交易，但并未达到标准值上限，对此状态下的节点不做奖惩；
3)Exception：代表节点状态异常，即提交无效交易，但并未达到标准值下限，对此状态下的节点不做奖惩，但发出风险提示；
4)Error：代表节点状态恶意，即提交无效交易的数量超过标准值下界，发出风险警告，对此状态下的节点进行惩罚并发出风险警告。
4.根据权利要求2所述的基于群智感知技术的联盟链安全激励方法，其特征在于，组织、用户或平台状态变更方法包括：联盟链中，所有节点的初始状态为Normal，提交有效交易数量达标准值上限，则节点状态转换为Good；提交无效交易节点状态转换为Exception；
提交无效交易数量达标准值下限，则节点状态转换为Error；提交交易后各节点对交易数据进行投票验证，记账节点收集联盟链中所有排序节点收集的节点计数数据列表，同时记账节点自动转换所有节点状态列表；节点信用系数的计数方法包括：信用系数以百分制计数，每个初次接入系统的网络节点，初始化信用系数为50，标准值范围为25-75，每产生一个有效区块信用系数加1，每产生一个无效区块信用系数减1，在区块投票时更新所有节点的信用系数列表；信用系数在76-100范围内，节点状态为Good，进行奖励；信用系数在50-75范围内，节点状态为Normal，不做奖惩；信用系数在25-49范围内，节点状态为Exception，不做奖惩，但给出风险提示；信用系数在0-24范围内，节点状态为Error，进行惩罚并发出风险警告；节点状态可通过提交有效交易达到相应的标准值进行更改。
5.根据权利要求4所述的基于群智感知技术的联盟链安全激励方法，其特征在于，记账节点发布感知任务，给出任务名称、任务功能、任务要求、具体质量评定标准、报酬标准和罚款标准，贡献量化和报酬分配，然后支付相应报酬，对提供不同的质量等级数据的节点支付相应的报酬，对不同信用系数的节点进行相应奖惩；排序节点根据普通节点发送过来的感知数据的质量计算报酬，并将此信息发送到记账节点；普通节点负责执行感知任务；执行智群感知的联盟链安全激励方法的过程包括：
2.1记账节点间隔时间T1发布感知任务，组织或用户评估感知代价，决定是否执行感知任务；
2.2参与任务的组织或用户上传感知数据到排序节点；
2.3排序节点对感知数据的质量进行评估；
2.4根据累计组织或用户的有效交易数量情况，调整节点状态标识列表；
2.5记账节点进行贡献量化与报酬分配。
6.根据权利要求5所述的基于群智感知技术的联盟链安全激励方法，其特征在于，上传感知数据的步骤包括：节点ai将购置安装设备和装置、花费的时间和精力代价、执行感知任务花费的设备计算和存储代价、流量费用等成本费的总代价ci与感知报酬进行比较；每个节点设置一个工作量矩阵将数据分为n个离散区间，用集合B＝{b1,b2,……bn}表示不同区间的节点感知质量；节点ai在误差最小的数据质量区间bk提交感知数据的概率矩阵为其在坐标轴上离bk越远误差越大；感知水平不
变时，根据次任务的执行情况评估其感知数据质量
7.根据权利要求5所述的基于群智感知技术的联盟链安全激励方法，其特征在于，评估感知任务质量的步骤包括：使用扩展的经典期望最大化算法评估感知数据质量；用扩展的经典期望最大化算法迭代运行计算似然函数的期望值和寻找期望函数最大化的估计值这2个步骤至收敛。
8.根据权利要求5所述的基于群智感知技术的联盟链安全激励方法，其特征在于，贡献量化的步骤包括：记账节点对参与感知任务的节点质量评估之后量化感知质量的有效贡献记账节点根据量化后的贡献量支付相应参与任务的节点报酬，并依据所有节点的状态标识支付相应报酬和收取罚款；报酬分配的步骤包括：记账节点根据数据质量并对恶意节点进行罚款，记账节点内的报酬为发布任务时节点预存的押金和收取的恶意节点的罚款积累；其中，不同应用场景具有不同的贡献量化和质量评估方法，相应的奖励方法和报酬分配方法不同。
9.根据权利要求1所述的基于群智感知技术的联盟链安全激励方法，其特征在于，投票结果统计的步骤包括：排序节点在计算用户节点的数据质量同时计算数据质量的签名；记账节点和组织或用户节点之间的交易由排序节点验证，验证通过后将所有交易打包形成区块，写入区块链。

说明书全文

一种基于群智感知技术的联盟链安全激励方法

技术领域

[0001] 本发明属于区块链技术领域，具体涉及一种基于群智感知技术的联盟链安全激励方法。技术背景

[0002] 区块链技术包含P2P网络技术、密码学技术、数据存储技术、共识算法以及智能合约技术的使用。本质上是一个去中心化的数据库，并采用密码学方法将一个个区块相互关联的数据块构成块链式数据结构，每个数据块包含了一批比特币网络交易的信息，用于验证其信息的有效性和产生下一个区块。

[0003] 在区块链上进行着各种交易。传统的交易方法很难在一个互信的网络中监视跨机构的交易的执行，由于区块链的分布式账本具有共享、授权和可复制的特点，区块链架构使得每一个商业网络的参与方都具有一个共享的账本。但对于不同的应用场景需要不同类别的区块链以实现不同的应用需要。从大的分类上来看，区块链可分为三类：公有链、私有链和联盟链。其中私有链和联盟链可以认为是广义的私链。公有链是指在此链的协议或架构中接受任何个体或者团体；私有链只允许某个个体或者团体独享该区块链的写入权限；联盟链上可由某个群体内部指定多个预选节点为记账人节点，其他个体或者团体具有限定查询的许可。

[0004] 现在，联盟链基本上的业务开发人员负责编写智能合约、创建维护通道、执行交易等。用户通过联盟链进行交易，其交易数据被排序节点记录在联盟链的账本当中，并最终由记账节点进行验证，其交易处理流程为：联盟链正常启动后，用户基于用户节点从认证节点或通过工具生成合法的身份证书、签名私钥等文件，获得合法的节点身份，认证后进入网络，这样用户就能正常发送交易到网络中请求处理。第一步：用户节点发送签名提案消息到背书节点请求处理；第二步：背书节点模拟执行交易提案并签名背书；第三步：背书节点向客户端返回提案响应消息，并分发隐私数据明文；第四步：用户节点处理提案响应消息；第五步：发送交易数据给排序节点请求排序；第六步：排序节点对交易进行排序并构造新区块；第七步：主节点请求排序节点发送通道账本区块；第八步：记账节点验证交易并提交账本；第九步：主节点分发数据与状态同步；第十步：记账节点验证交易并提交账本。

[0005] 区块链与各种技术融合的应用是时下的热点问题。融合各种技术使得区块链的应用变得更加成熟和完善，实现的功能也更加强大。目前，群智感知技术已在区块链的激励方法中进行了运用，这种技术采用多种质量评估算法对节点上传的感知数据进行评估，例如EM算法是常用的质量评估算法。智群感知技术指的是用户群通过其携带具备感知、计算能力的移动终端，对感知数据进行采集、共享、测量、分析和估计，高技能用户对这些数据进行处理后提取与公共利益相关的现象或信息的技术，这些高技能用户被给予相应的报酬以弥补其在执行感知任务中的资源消耗。目前还并没有将智群感知技术应用于联盟链的实例。但是联盟链符合群智感知技术适用于分布式的安全环境的要求，并且在联盟链中采用群智感知技术有利于激励组织或用户提交有效交易的数量，所以采用群智感知技术收集交易数据是联盟链领域值得关注的问题。

发明内容

[0006] 基于以上技术背景和存在的问题，针对应用于联盟链架构的特点，对其交易处理过程进行了调整，即在联盟链的交易过程中设计了一种基于群智感知技术的安全激励方法，提高了组织或用户进行有效交易的积极性，同时通过快速剔除恶意组织或用户，激励组织或用户参与感知任务，避免了可信第三方带来的安全隐患。联盟链符合群智感知技术适用于分布式的安全环境的要求，在本发明的说明中，联盟链交易过程中运用群智感知技术，名称只有节点两字的节点代表可参与感知交易任务的组织、用户或平台的节点(代表涵盖此次交易的提交者所代表的组织、用户或平台)，采用群智感知技术收集的交易数据称为感知数据。此系统的设计采用了一种定义了节点状态、信用系数，并提出了基于信用奖惩的方法，以此激励联盟链组织、用户或平台间的安全信用问题，也可以有效防止组织、用户或平台发起共谋攻击、恶意欺骗等问题。

[0007] 一种基于群智感知技术的联盟链共识激励方法，具体包括：

[0008] 在联盟链交易处理的过程中，参与联盟链交易过程的组织和平台可以是多个节点或单个节点，某一准入的用户可以是单个节点，并根据不同的分工可分为两大类，即普通节点和排序节点，其中记账节点是普通节点的一类。本发明方法的实现过程为：排序节点定期(间隔时间T1)对联盟链内部所有普通节点的数据进行访问，采用群智感知技术收集交易数据和激励安全交易，即所有参加感知任务的普通节点提交同步的账本并对风险组织或用户进行投票的过程，收集的交易数据称为感知数据。在排序节点处先对所有普通节点的感知数据进行质量评估，剔除无效交易，对节点提交的有效交易进行计数，将有效交易打包成区块，再将质量评估结果信息发送到记账节点，记账节点选出进行无效交易的节点，对参与感知任务并投票选出进行无效交易的数量达标准值下限的组织、用户或平台，以及状态标识为良好的组织、用户或平台进行奖励，对提交无效交易的数量达标准值下限的组织、用户或平台进行惩罚。过时间T2(0

[0009] 基于群智感知技术的联盟链安全激励方法的系统组成包括：

[0010] (1)信用状态标识方法；

[0011] (2)应用智群感知网络模型，基于有效交易对组织、用户或平台展开奖惩；

[0012] (3)投票结果统计；

[0013] 进一步地，信用状态标识方法包括以下三个方面的内容：

[0014] 1.1节点状态标识；

[0015] 1.2节点状态的变更；

[0016] 1.3节点信用系数的计数；

[0017] 进一步地，所述1.1的节点状态标识方法包括：

[0018] 1)Good：代表节点状态良好，即连续提交有效交易超过标准值上界(标准值为节点发生状态变更的规定常量)，并通过了排序节点和其他节点的检验，对此状态下的节点进行奖励；

[0019] 2)Normal：代表节点状态正常，为初始状态，即提交的交易没有无效交易，但并未达到标准值上限，对此状态下的节点不做奖惩；

[0020] 3)Exception：代表节点状态异常，即提交无效交易，但并未达到标准值下限，对此状态下的节点不做奖惩但给出风险提示；

[0021] 4)Error：代表节点状态恶意，即提交无效交易数量超过标准值下界，对此状态下的节点进行惩罚，并发出风险警告。

[0022] 进一步地，所述1.2的节点状态变更的过程为：联盟链中，所有节点的初始状态为Normal，提交有效交易的数量达标准值上限，则节点状态转换为Good，提交无效交易则使得节点状态转换为Exception，提交无效交易的数量达标准值下限，则节点状态转换为Error。提交交易后各节点对交易的有效性进行投票，记账节点验证交易并提交账本。记账节点收集联盟链中所有排序节点收集的节点数据列表，同时所有节点同步转换所有节点状态列表。

[0023] 进一步地，上述1.3的节点状态变更过程中对节点信用进行计数的过程为：信用系数(Credit)是节点加入分布式网络时，系统赋予的初始信用参数，表现节点信用程度，在共识方法中，信用系数将以百分制计数，每个初次接入系统的网络节点，初始化信用系数为50，标准值范围为[25,75]，每产生一个有效区块信用系数加1，每产生一个无效区块信用系数减1，在区块投票时更新所有节点的信用系数列表。信用系数在(75,100]范围内，节点状态为Good，进行奖励；信用系数在[50, 75]范围内，节点状态为Normal，不做奖惩；信用系数在[25,50)范围内，节点状态为Exception，不做奖惩，但给出提示；信用系数在[0,25)范围内，节点状态为 Error，进行惩罚并发出风险警告；节点状态可通过产生有效区块达到相应的标准值进行更改。

[0024] 进一步地，执行智群感知任务的联盟链安全激励方法的过程为：

[0025] 2.1记账节点发布感知任务，各节点评估感知代价，决定是否执行感知任务；

[0026] 2.2参与任务的节点上传感知数据到排序节点；

[0027] 2.3排序节点对感知数据的质量进行验证；

[0028] 2.4根据累计节点的有效交易的数量情况，调整节点状态标识列表；

[0029] 2.5记账节点进行贡献量化与报酬分配。

[0030] 进一步地，所述2.1的发布感知任务步骤为：感知任务由记账节点发布，给出任务名称、任务功能、任务要求、具体质量评定标准、报酬标准和罚款标准。对于不同的质量等级的数据支付相应的报酬，根据不同节点的信用系数对恶意节点或恶意节点所在的组织、用户或平台进行罚款，支付报酬和收集罚款都由记账节点进行。记账节点根据排序节点发送过来的节点感知数据的质量计算报酬，验证获得报酬的节点的身份信息，并支付相应报酬。

[0031] 进一步地，所述2.2节点上传感知数据的具体操作为：节点ai将购置安装设备和装置、花费的时间和精力代价、执行感知任务花费的设备计算和存储代价、流量费用等成本费的总代价ci与感知报酬进行比较，在通常情况下，智能设备和装置是已有资本，这部分的代价为0。参与者的感知代价服从概率分布函数f(ci)，累积分布函数F(c)。只有在预计上传感知数据后获得的报酬不小于ci时才执行感知任务。例如节点在存在五个节点的网络中选择x个节点执行感知任务，(0

[0032]

[0033] 进一步地，当期望报酬pexpect≥ci时，说明可执行感知任务，采集感知数据并上传感知数据给排序节点，排序节点验证其他节点上传的感知数据的质量，将验证结果传送给记账节点。

[0034] 进一步地，所述2.3对感知数据的质量验证的具体过程为：排序节点评价上传的感知数据的质量，作为记账节点给用户的报酬标准，数据质量划分的等级越多，质量评估就越精细，则激励方法越精确。记账节点比较精度和复杂性最大化自己的利益，制定不同的质量标准等级，根据不同的等级进行报酬分配，鼓励用户提交有效交易。

[0035] 优化地，所述2.3将感知数据的质量视为节点感知水平的体现，每个节点设置一个工作量矩阵将数据分为n个离散区间，用集合B＝{b1,b2,……bn}表示不同区间的节点感知质量。节点上传数据落在n个区间大的概率呈正态分布，节点ui在误差最小的数据质量区间bk提交感知数据的概率矩阵为其中在坐标轴上离bk越远误差越大。当节点在感知水平不变的情况下，根据次任务的执行情况评估其感知数据质量

[0036] 优化地，所述2.3使用扩展的经典期望最大化算法评估感知数据质量。已知感知数据D、未知的误差区间P、概率矩阵E、概率密度函数f，则E的概率为L(E： P，D)＝f(P，D|E)。用扩展的经典期望最大化算法迭代运行以下2个步骤至收敛，代表此时找了E的最大似然估计值。(节点ai的概率矩阵E迭代了t次后为 )：

[0037] 步骤1：相对于P的条件分布给定E的观测值S，计算似然函数的期望值，[0038]

[0039] 步骤2：寻找期望函数最大化的估计

[0040]

[0041] 进一步地，迭代步骤1和步骤2至评估值收敛，其具体步骤如下：

[0042] 1)初始化数据误差区间概率分布P，感知节点ai属于在时间t时的参与者节点数量At，感知数据位于区间bi时，

[0043]

[0044] 2) 代表迭代t次后的值。计算感知概率矩阵的似然估计：

[0045]

[0046] 真实的误差分布区间为：

[0047]

[0048] 3)计算误差分布区间。给定的感知数据D，感知矩阵E误差分布区间 {π1,π2,……，πn}，应用贝叶斯定律来计算真实的误差区间P，并根据以下公式计算真实的误差分布区间Pit：

[0049]

[0050] 进一步地，迭代上述2)和3)最终由和计算工作量矩阵eai，通过映射函数可知节点用户ui的感知数据质量。令根据误
差区间可得

[0051] 进一步地，所述2.4根据工作量评估，排序节点将数据质量情况发送到记账节点，并由记账节点更改各节点状态列表，广播给全网。

[0052] 进一步地，所述2.5贡献量化指的是：记账节点对参加感知任务的节点质量评估之后量化感知质量的有效贡献

[0053] 进一步地，当输出信号受信道噪声的干扰，的概率等于输入信号，与的概率不等，节点上传的感知数据有的概率为高质量数据，误差区间为精确区间 bk，给定感知数据D时，信息不确定性hd为：

[0054]

[0055] 进一步地，剩下的n-1个区间以的概率在正确区间bk中以的概率分布，因此信息不确定性计算为：

[0056]

[0057] 因此，

[0058]

[0059] 其中，质量qk＝1的感知数据会有最小的不确定性，hn(1)＝0，最大贡献cn(1) ＝lgn，从不出错和总是出错的二进制信道对于通信同样有效，但是本发明考虑的感知数据质量范围为[0.5,1]。

[0060] 进一步地，排序节点将质量数据给记账节点；记账节点处理量化后的贡献量，并依据质量标准(状态标识)支付相应报酬和收取罚款。

[0061] 进一步地，所述2.5报酬分配的内容为：任务的价值量为V，节点用户获得的报酬为p，由感知代价概率密度函数f(ci)和累积分布函数F(c)得记账节点应获得的利益为：

[0062]

[0063] 因为ci的分布独立于感知代价V和报酬p，计算得期望收益为：

[0064]

[0065] 进一步地，记账节点得到最合适的报酬p*的最大化收益：

[0066]

[0067] 进一步地，由质量评估和贡献量化得到节点ui的报酬其中p 为基准报酬。所以记账节点获得的利润prs为：

[0068]

[0069] 由于奖励的最佳质量由p*决定：

[0070]

[0071] 因此每个参与者节点最终的报酬为：

[0072]

[0073] 进一步地，记账节点根据数据质量支付节点相应报酬并对恶意节点进行罚款。记账节点内的报酬为发布任务时节点预存的押金和收取的恶意节点的罚款积累。排序节点在计算用户节点的数据质量的同时计算数据质量的签名，并依据此签名记账节点确保收到质量评估数据后分配所有节点的报酬。记账节点和其他节点之间的交易由排序节点验证，验证通过后将所有交易打包形成区块，接入区块链。因为在联盟链中排序节点具有验证身份的数字签名，所以不可能冒名顶替其他节点领取报酬。

[0074] 进一步地，不同应用场景具有不同的贡献量化和质量评估方法，相应的奖励方法及报酬分配方法不同，对其做出改进和修改都应该在本发明的保护范围之内。

[0075] 本发明的有效技术效果有：

[0076] 1.增加交易的验证，在排序节点处将无效交易剔除，保证写入区块的都是有效交易；

[0077] 2.提高全网节点(联盟链组织)参与安全监督的积极性；

[0078] 3.提高各组织、用户或平台提交有效交易的积极性；

[0079] 4.本发明首次提出将群智感知技术应用于联盟链中，设计了一种联盟链安全交易的激励方法，促进联盟链的交易安全。附图说明

[0080] 图1为一种基于群智感知技术的联盟链安全激励方法系统整体流程图；

[0081] 图2为智群感知网络模型图；

[0082] 图3为本发明的安全激励方法图。

具体实施方式

[0083] 为了清晰地阐述本发明，使本发明实施例的目的、技术方案和优点更加清楚，下面结合了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。下面将附图结合具体实施方式对本发明的技术加以详细说明。

[0084] 1.图1为一种基于群智感知技术的联盟链安全激励方法完成一次感知任务的整体流程图。其完成一次感知任务的整体流程具体说明如下：

[0085] 第1步：由记账节点制定信用状态标识和质量评估标准；

[0086] 第2步：由记账节点发布感知任务，应用智群感知网络模型，基于有效交易对用户和组织展开奖惩；

[0087] 第3步：各节点评估感知代价，决定是否执行感知任务；

[0088] 第4步：接受执行感知任务地节点向排序节点上传感知数据；

[0089] 第5步：排序节点对感知数据进行质量评估，根据累计节点提交地有效交易地数量，调整各节点的状态标识；

[0090] 第6步：排序节点评估各参与感知任务的节点上传的感知数据的质量，并将各节点提交有效交易的状态标识和感知节点的感知质量数据发送到记账节点；

[0091] 第7步：记账节点根据信用状态标识方法和质量评估标准，更新各节点的信用状态列表，并支付参与感知任务的节点和状态良好的节点相应报酬，扣除提交无效交易达到标准值下限的节点相应的罚款。

[0092] 其中，信用状态标识方法包括以下三个方面的内容：

[0093] 1.1节点状态标识；

[0094] 1.2节点状态的变更；

[0095] 1.3节点信用系数的计数；

[0096] 其中，节点状态标识方法如下：

[0097] 1)Good：代表节点状态良好，即连续产出有效区块超过标准值上界(标准值为节点发生状态变更的规定常量)，并通过了排序节点和其他节点的检验，对此状态下的节点进行奖励；

[0098] 2)Normal：代表节点状态正常，为初始状态，即产出的区块没有无效区块，但并未达到标准值上限，对此状态下的节点不做奖惩；

[0099] 3)Exception：代表节点状态异常，即产出无效区块，但并未达到标准值下限，对此状态下的节点不做奖惩但给出风险提示；

[0100] 4)Error：代表节点状态恶意，即产出无效区块数量超过标准值下界，对此状态下的节点进行惩罚并发出风险警告。

[0101] 整体流程中，质量评估标准为：排序节点评价上传的感知数据的质量，作为记账节点给用户的报酬标准，数据质量划分的等级越多，质量评估就越精细，则激励方法越精确。记账节点比较精度和复杂性最大化自己的利益，制定不同的质量标准等级，根据不同的等级进行报酬分配，鼓励用户提交有效交易。将感知数据的质量视为节点感知水平的体现，每个节点设置一个工作量矩阵将数据分为n个离散区间，用集合B＝{b1,b2,……bn}表示不同区间的节点感知质量。节点上传数据落在n 各区间大的概率呈正态分布，节点ai在误差最小的数据质量区间bk提交感知数据的概率矩阵为其中
在坐标轴上离bk越远误差越大。当节点在感知水平不变的情况下，根据次
任务的执行情况评估其感知数据质量

[0102] 2.如图2为智群感知网络模型图。执行智群感知任务的联盟链激励方法的网络模型的具体说明为：群智感知网络系统主要由感知平台、参与用户者和服务器组成。本发明将普通节点对应参与者用户，整个联盟链交易过程为感知平台，根据联盟链中排序节点的功能为排序交易并将交易打包成区块，记账节点的功能为验证交易。所以服务器为：排序节点和记账节点，共同执行感知任务的验证和管理的工作。在本发明中，各主要节点执行的功能如下：

[0103] 2.1记账节点发布感知任务、信用状态标识方法、激励公告和质量标准，将各节点的状态标识广播至全网，更改各节点状态列表，对各节点进行奖惩；

[0104] 2.2用户节点A，即普通节点，都有一个预估的感知代价ck，当pk≥ck时执行感知任务，并将感知数据上传至排序节点；

[0105] 2.3排序节点对感知数据的质量进行验证，对有效交易进行计数，更改相应节点的状态标识，并将节点的状态标识和参与感知任务的节点的质量评估结果发送至记账节点。

[0106] 3.图3为本发明整体的安全激励方法图。其具体实施说明为：在联盟链交易处理的过程中，排序节点定期(时间间隔为T1)对联盟链内部所有的组织、用户或平台(节点A1，A2,……An)的数据进行访问，采用群智感知技术收集交易数据，即所有参加感知任务的A1，A2,……Ak提交同步的账本并对风险组织或用户进行投票，在排序节点处先对所有A1，A2,……Ak上传的感知交易数据进行质量验证，对 A1，A2,……An的有效交易进行计数，剔除无效交易，将有效交易打包写入区块，再将质量评估结果信息发送到记账节点，记账节点选出进行无效交易的A1，A2,…… An，对参与感知任务并投票选出提交无效交易的数量达标准值下限的A1，A2,…… Al进行奖励，对提交无效交易达标准值下限的A1，A2,……Am进行惩罚。过时间 T2(0在此方法下，不同信用等级的A1，A2,……An被标注为不同的状态标识，存在信用风险的A1，A2,……Am(即提交无效交易的数量达到标准值下限，被标记为Error的节点)被发出风险警告，并扣除相应罚款。

[0107] 记账节点根据数据质量支付节点相应报酬并对恶意节点进行罚款。记账节点内的报酬为发布任务时节点预存的押金和收取的恶意节点(A1，A2,……Am)的罚款，即收取状态标识为Error的节点的罚款。排序节点计算用户节点(A1，A2,……Ak和A1，A2,……An)的数据质量和数据质量的签名，记账节点计算所有节点(A1， A2,……An)的报酬。记账节点和A1，A2,……An之间的交易由排序节点验证，验证通过后将所有交易打包形成区块，写入区块链。(其中，n,k,m为正整数， l≤k≤n,m≤n)。

[0108] 上述对实施例的描述是为便于本技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对上述实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于上述实施例，本领域技术人员根据本发明的揭示，对于本发明做出的改进和修改都应该在本发明的保护范围之内。

标题	发布/更新时间	阅读量
基于主动采样和高斯混合模型的图像超分辨重建方法	2020-05-08	533
一种低信噪比环境下的极化码辅助载波同步系统及方法	2020-05-16	583
一种融合了短时与长时特征建模的环境声识别方法及装置	2020-05-18	869
一种基于轨迹自适应聚类的路网快速更新的方法及系统	2020-05-14	350
一种基于卷积神经网络和距离监督的关系抽取方法	2020-05-18	361
基于时间序列分析的阀门故障实时诊断系统及诊断方法	2020-05-19	309
一种锂电池在线SOC测量方法	2020-05-13	478
音频增强方法及系统	2020-05-17	665
多通道空间音频格式输入信号的处理	2020-05-12	879
基于先验估计网络和空间约束混合模型的海面障碍物检测方法	2020-05-21	762

一种基于群智感知技术的联盟链安全激励方法

一种基于群智感知技术的联盟链安全激励方法

技术领域

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：