申请/专利权人：广州钜慧信息科技有限公司

申请日：2024-02-23

公开（公告）日：2024-04-09

公开（公告）号：CN117852092A

主分类号：G06F21/62

分类号：G06F21/62;G06N3/092;G06N3/045

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明提出基于区块链的数据安全保护方法及系统，方法包括：收集区块链数据，并采用基于高维时间序列分解方法对区块链数据进行预处理；对数据进行分析，利用基于混合GNN和TCN的动态交易图模式识别方法对区块链中的异常交易进行实时异常检测；设计强化学习进行动态调整和优化安全策略；利用真实世界的区块链数据对模型进行微调；实时监测区块链的网络状态，并根据未来可能出现的安全威胁调整奖励函数和模型的安全策略；对模型进行测试；在区块链上执行安全策略。本发明利用深度学习和强化学习技术，提高了传统安全机制的效率和准确性，为区块链网络带来了更为动态和自适应的安全解决方案，提高了传统安全机制的效率和准确性。

主权项：1.基于区块链的数据安全保护方法，其特征在于，所述方法包括：S1、收集区块链数据，并采用基于高维时间序列分解方法对区块链数据进行预处理；S2、对预处理后的数据进行分析，利用基于混合GNN和TCN的动态交易图模式识别方法对区块链中的异常交易进行实时异常检测，设计混合GNN和TCN的整体损失函数，再使用Adam优化器进行神经网络优化训练，最小化整体损失函数Ltotal；其中，所述整体损失函数Ltota1＝αLrecon+βLdetect，其中，α和β是调节Lrecon和Ldetect权重参数，Lrecon表示自编码器部分的损失函数，Ldetect表示交叉摘损失函数；其中所述基于混合GNN和TCN的动态交易图模式识别方法包括：S201、根据区块链上的交易记录构建动态交易图GT＝VT，ET，其中，T表示时间窗口，VT节点集合，表示区块链地址；ET是边集合，表示交易；S202、使用GNN层处理S201得到的图结构数据获得处理后的时间序列数据；其中，所述GNN层使用卷积层处理图结构数据，图卷积公式为： 其中表示节点i在第l层的特征，j表示节点，表示节点i的邻居节点集，cij表示归一化常数，Wl表示层参数；S203、使用TCN层的一维卷积网络处理S202输出的时间序列数据；其中所述TCN层的卷积公式为：Ot＝ReLUCONV1DHt，K其中，Ht表示在时间t的GNN输出，K表示卷积核；其中，采用使用重建误差作为自编码器部分的损失函数Lrecon，表示如下： 其中，Xi是原始输入，是重建输出；使用交叉摘损失函数Ldetect表示异常检测，表示为： 其中，yi是真实标签，是模型预测；S3、设计强化学习对S2的结果进行动态调整和优化安全策略；S4、利用真实世界的区块链数据对模型进行微调，采用梯度裁剪和Dropout正则化防止模型过拟合，通过增强学习的探索与利用平衡，确保模型能够探索新的策略同时利用已知的有效策略；其中，所述真实世界的区块链数据包括历史的安全事件和网络流量数据；S5、实时监测区块链的网络状态，使用自适应算法调整模型的结构和参数，采用状态感知机制允许模型预测未来可能出现的安全威胁，并根据未来可能出现的安全威胁调整奖励函数和模型的安全策略；S6、对模型进行测试，使用真实世界的区块链数据进行回测，评估和验证模型的性能；S7、在区块链上执行安全策略，根据预设条件自动激活特定的安全措施，同时根据区块链的实时状态和历史数据进行自我调整和优化执行逻辑。

全文数据：

权利要求：

百度查询： 广州钜慧信息科技有限公司 基于区块链的数据安全保护方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD