CN111355631B - 一种区块链异常识别方法和***、设备及存储介质 - Google Patents

一种区块链异常识别方法和***、设备及存储介质 Download PDF

Info

Publication number
CN111355631B
CN111355631B CN202010099085.9A CN202010099085A CN111355631B CN 111355631 B CN111355631 B CN 111355631B CN 202010099085 A CN202010099085 A CN 202010099085A CN 111355631 B CN111355631 B CN 111355631B
Authority
CN
China
Prior art keywords
excavation
share
address
address group
rollback
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.)
Active
Application number
CN202010099085.9A
Other languages
English (en)
Other versions
CN111355631A (zh
Inventor
虞康
何玉斌
王志文
吴思进
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Fuzamei Technology Co Ltd
Original Assignee
Hangzhou Fuzamei Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Fuzamei Technology Co Ltd filed Critical Hangzhou Fuzamei Technology Co Ltd
Priority to CN202010099085.9A priority Critical patent/CN111355631B/zh
Publication of CN111355631A publication Critical patent/CN111355631A/zh
Application granted granted Critical
Publication of CN111355631B publication Critical patent/CN111355631B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/56—Provisioning of proxy services
    • H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Retry When Errors Occur (AREA)

Abstract

本发明公开了一种区块链异常识别方法和***、设备及存储介质，涉及区块链技术领域。包括：获取挖矿地址的份额；按照份额多少对挖矿地址排序；在设定窗口值范围内按照份额排序选出N个挖矿地址，作为一个挖矿地址组；计算挖矿地址组内挖矿地址的最大份额与最小份额之差ΔP；保留ΔP小于设定份额基准差的挖矿地址组，舍弃ΔP大于设定份额基准差的挖矿地址组；滑动窗口，得到ΔP小于设定份额基准差的挖矿地址组。可以通过收集用户挖矿地址的区块回滚数据，并通过数学化的方法来准确定位异常数据，并评估网络稳定性的方法，能有效测算出当前网络是否稳定，是否有异常挖矿。

Description

一种区块链异常识别方法和***、设备及存储介质
技术领域
本发明涉及区块链等技术领域，尤其涉及一种区块链异常识别方法和***、设备及存储介质。
背景技术
随着区块链技术的不断发展和落地应用，稳定性问题也日益凸显，在POS 及Dpos共识机制中，如果区块不发生异常回滚，用户持有的份额/股权与收益是成正相关性，若区块回滚异常，可能造成用户挖矿收益的不平均和不公正，从而导致用户流失，用户信任度也会下降。由于区块链网络的去中心化特性，没有一个集中的收集管理工具，用于区块链的稳定性检测和异常检测，特别对于和用户收益挂钩的挖矿收益测算和定位，都存在不小的挑战。
发明内容
1.发明要解决的技术问题
为了克服上述技术问题，本发明提供了一种区块链异常识别方法和***、设备及存储介质。可以通过收集用户挖矿地址的区块回滚数据，并通过数学化的方法来准确定位异常数据，并评估网络稳定性的方法，能有效测算出当前网络是否稳定，是否有异常挖矿。
2.技术方案
为解决上述问题，本发明提供的技术方案为：
一种区块链异常识别方法，包括：获取挖矿地址的份额；按照份额多少对挖矿地址排序；在设定窗口值范围内按照份额排序选出N个挖矿地址，作为一个挖矿地址组；计算挖矿地址组内挖矿地址的最大份额与最小份额之差ΔP；保留ΔP小于设定份额基准差的挖矿地址组，舍弃ΔP大于设定份额基准差的挖矿地址组；滑动窗口，得到ΔP小于设定份额基准差的挖矿地址组。
进一步地改进是，所述设定窗口值、所述设定份额基准差均为经验值。
进一步地改进是，保存指定时间范围内所述挖矿地址组中挖矿地址的回滚区块，回滚区块高度，回滚区块深度到缓存中；统计所述指定时间范围内挖矿地址对应的回滚次数；计算挖矿地址组内所有挖矿地址的平均回滚数，挖矿地址组回滚数方差；判断挖矿地址组回滚数方差是否大于设定方差基准值W；若否，则挖矿地址正常；若是，则为异常挖矿地址组。
进一步地改进是，还包括：查看异常挖矿地址组中每一个挖矿地址的回滚数，定位到回滚数过大的挖矿地址，完成异常挖矿地址定位。
进一步地改进是，当共识方法为POS时，所述份额为票数；当共识方法为 DPOS时，所述份额为股权。
进一步地改进是，所述缓存算法为LRU、OPT、NRU Cl ock、LFU、PBA。
一种区块链异常识别***，根据以上所述的一种区块链异常识别方法，挖矿地址份额统计模块，用于根据以上所述方法，选出符合条件的挖矿地址组；异常挖矿地址组识别单元，用于根据以上所述的方法识别异常挖矿地址组。
进一步地改进是，所述异常挖矿地址组识别单元还用于查看异常挖矿地址组中每一个挖矿地址的回滚数，定位到回滚数过大的挖矿地址，完成异常挖矿地址定位。
一种设备，所述设备包括：一个或多个处理器；存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如以上所述的方法。
一种存储有计算机程序的存储介质，该程序被处理器执行时实现如以上任一项所述的方法。
3.有益效果
采用本发明提供的技术方案，与现有技术相比，具有如下有益效果：
通过统计挖矿地址的份额、回滚次数及其方法，可以有效检测当前网络的稳定程度，可以精准定位异常回滚。
附图说明
图1为本发明一实施例提供的一种区块链异常识别方法的流程图。
图2为本发明一优选实施例提供的一种区块链异常识别方法的流程图。
图3为本发明的一种设备结构示意图。
具体实施方式
为进一步了解本发明的内容，结合附图及实施例对本发明作详细描述。
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与发明相关的部分。
本发明中所述的第一、第二等词语，是为了描述本发明的技术方案方便而设置，并没有特定的限定作用，均为泛指，对本发明的技术方案不构成限定作用。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
实施例1
一种区块链异常识别方法，如图1所示，包括：S101、获取挖矿地址的份额；S102、按照份额多少对挖矿地址排序；S103、在设定窗口值范围内按照份额排序选出N个挖矿地址，作为一个挖矿地址组；S104、计算挖矿地址组内挖矿地址的最大份额与最小份额之差ΔP；S105、保留ΔP小于设定份额基准差的挖矿地址组，舍弃ΔP大于设定份额基准差的挖矿地址组；S106、滑动窗口，得到ΔP 小于设定份额基准差的挖矿地址组。
N为设定窗口值，所述设定窗口值、所述设定份额基准差均为经验值，考虑区块链网络***的节点数量，份额分布情况而定，以便合理评价区块链网络性能。
当共识方法为POS时，所述份额为票数。当共识方法为DPOS时，所述份额为股权。
对于共识方法为POS的某区块链网络，挖矿地址共有230481个，随着时间的推移挖矿地址的数量还在不停的增加。对该区块链网络的异常情况进行识别时，首先获取到每个挖矿地址的份额，按照份额多少对挖矿地址进行排序，当设定窗口值为25时，即选出份额为25以下的挖矿地址；将这些挖矿地址按照份额进行排序，再设定窗口值25范围内按照份额排序选出25(N取25，N的取值也是根据区块链网络的规模大小，挖矿地址份额多少等因素综合确定，是一个经验值)个挖矿地址，计算挖矿地址组内的最大挖矿地址份额与最小挖矿地址份额之差ΔP；保留ΔP小于设定份额基准差的挖矿地址组，舍弃ΔP大于设定份额基准差的挖矿地址组。在挖矿地址组排序的列表中不断滑动窗口，得到ΔP小于设定份额基准差的挖矿地址组。得到一系列符合上述条件的挖矿地址组，将这些挖矿地址组进行如图2所示的处理。
如图2所示，S201、保存指定时间范围内所述挖矿地址组中挖矿地址的回滚区块，回滚区块高度，回滚区块深度到缓存中；S202、统计所述指定时间范围内挖矿地址对应的回滚次数；S203、计算挖矿地址组内所有挖矿地址的平均回滚数，挖矿地址组回滚数方差；S204、判断挖矿地址组回滚数方差是否大于设定方差基准值W；若否，则挖矿地址组正常；若是，则为异常挖矿地址组。
还包括：S205、查看异常挖矿地址组中每一个挖矿地址的回滚数，定位到回滚数过大的挖矿地址，完成异常挖矿地址定位。所述缓存算法为LRU、OPT、 NRU Clock、LFU、PBA。所述指定时间范围也是由经验确定，因挖矿地址发生回滚次数少之又少，若指定时间范围的取值较小，则所述方法评价意义较低，不能够这么敏感的识别出异常的挖矿地址，所以指定时间范围的取值较大，比如以月或者以年计，指定时间范围的取值越大，所述识别方法可以较为准确的识别出异常节点。
其中回滚区块深度为回滚的区块对应的高度范围，挖矿地址组回滚数方差计算公式为：
Figure RE-GDA0002495374080000041
其中，S^2为挖矿地址组回滚数方差，X为挖矿地址组内的挖矿地址回滚次数，
Figure RE-GDA0002495374080000042
为挖矿地址回滚次数均值，n为挖矿地址组内的挖矿地址数量。
设定方差基准值W的取值根据经验值而定，通过统计区块链网络内所有挖矿地址回滚次数、区块链网络用户的增加数量、流失数量、挖矿地址增加数量、区块链网络规模大小等因素整体评估确定。
实施例2
一种区块链异常识别***，根据以上所述的一种区块链异常识别方法，挖矿地址份额统计模块，用于根据以上所述方法，选出符合条件的挖矿地址组；异常挖矿地址组识别单元，用于根据以上所述的方法识别异常挖矿地址组。所述异常挖矿地址组识别单元还用于查看异常挖矿地址组中每一个挖矿地址的回滚数，定位到回滚数过大的挖矿地址，完成异常挖矿地址定位。
所述***可以以中心化(类似现有的中心化应用软件)或去中心化形式(如智能合约，DAPP等)存在于区块链网络中，用于检测挖矿地址挖矿异常与否。
实施例3
一种设备，所述设备包括：一个或多个处理器；存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如以上所述的方法。
一种存储有计算机程序的存储介质，该程序被处理器执行时实现如以上实施例1所述的方法。
图3为本发明一实施例提供的一种设备的结构示意图。
如图3所示，作为另一方面，本申请还提供了一种设备500，包括一个或多个中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM503中，还存储有设备500操作所需的各种程序和数据。CPU501、ROM502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510 也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地，根据本申请公开的实施例，上述任一实施例描述的方法可以被实现为计算机软件程序。例如，本申请公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包含用于执行上述任一实施例描述的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。
作为又一方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例的装置中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，该程序被一个或者一个以上的处理器用来执行描述于本申请的方法。
附图中的流程图和框图，图示了按照本发明各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这根据所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以通过执行规定的功能或操作的专用的基于硬件的***来实现，或者可以通过专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，例如，各所述单元可以是设置在计算机或移动智能设备中的软件程序，也可以是单独配置的硬件装置。其中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离本申请构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (9)

1.一种区块链异常识别方法，其特征在于,包括：
获取挖矿地址的份额；
按照份额多少对挖矿地址排序；
在设定窗口值范围内按照份额排序选出N个挖矿地址，作为一个挖矿地址组；
计算挖矿地址组内挖矿地址的最大份额与最小份额之差ΔP；
保留ΔP小于设定份额基准差的挖矿地址组，舍弃ΔP大于设定份额基准差的挖矿地址组滑动窗口，得到ΔP小于设定份额基准差的第一挖矿地址组；
保存指定时间范围内所述第一挖矿地址组中挖矿地址的回滚区块，回滚区块高度，回滚区块深度到缓存中；
统计所述指定时间范围内挖矿地址对应的回滚次数；
计算所述第一挖矿地址组内所有挖矿地址的平均回滚数，所述第一挖矿地址组回滚数方差；
判断所述回滚数方差是否大于设定方差基准值W；若否，则所述第一挖矿地址组正常；
若是，则所述第一挖矿地址组异常。
2.根据权利要求1所述的方法，其特征在于：所述设定窗口值、所述设定份额基准差均为经验值。
3.根据权利要求1所述的方法，其特征在于，还包括：
查看异常挖矿地址组中每一个挖矿地址的回滚数，定位到回滚数过大的挖矿地址，完成异常挖矿地址定位。
4.根据权利要求1所述的方法，其特征在于，当共识方法为POS时，所述份额为票数；当共识方法为DPOS时，所述份额为股权。
5.根据权利要求1所述的方法，其特征在于，缓存算法为LRU、OPT、NRU Clock、LFU、PBA。
6.一种区块链异常识别***，其特征在于，包括：
挖矿份额获取单元，用于获取挖矿地址的份额；
排序单元，用于按照份额多少对挖矿地址排序；
挖矿地址组确定单元，用于在设定窗口值范围内按照份额排序选出N个挖矿地址，作为一个挖矿地址组；
ΔP计算单元，用于计算挖矿地址组内挖矿地址的最大份额与最小份额之差ΔP；
第一挖矿地址组确定单元，用于保留ΔP小于设定份额基准差的挖矿地址组，舍弃ΔP大于设定份额基准差的挖矿地址组滑动窗口，得到ΔP小于设定份额基准差的第一挖矿地址组；
数据缓存单元，用于保存指定时间范围内所述第一挖矿地址组中挖矿地址的回滚区块，回滚区块高度，回滚区块深度到缓存中；
回滚此处统计单元，用于统计所述指定时间范围内挖矿地址对应的回滚次数；
平均回滚数和回滚数方差计算单元，用于计算所述第一挖矿地址组内所有挖矿地址的平均回滚数，所述第一挖矿地址组回滚数方差；
异常识别单元，用于判断所述回滚数方差是否大于设定方差基准值W；若否，则所述第一挖矿地址组正常；若是，则所述第一挖矿地址组异常单元。
7.根据权利要求6所述的***，其特征在于，所述异常识别单元还用于查看异常挖矿地址组中每一个挖矿地址的回滚数，定位到回滚数过大的挖矿地址，完成异常挖矿地址定位。
8.一种计算机设备，其特征在于，所述设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如权利要求1-5中任一项所述的方法。
9.一种存储有计算机程序的存储介质，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一项所述的方法。
CN202010099085.9A 2020-02-18 2020-02-18 一种区块链异常识别方法和***、设备及存储介质 Active CN111355631B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010099085.9A CN111355631B (zh) 2020-02-18 2020-02-18 一种区块链异常识别方法和***、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010099085.9A CN111355631B (zh) 2020-02-18 2020-02-18 一种区块链异常识别方法和***、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111355631A CN111355631A (zh) 2020-06-30
CN111355631B true CN111355631B (zh) 2021-07-06

Family

ID=71194072

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010099085.9A Active CN111355631B (zh) 2020-02-18 2020-02-18 一种区块链异常识别方法和***、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111355631B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10250708B1 (en) * 2017-12-26 2019-04-02 Akamai Technologies, Inc. High performance distributed system of record
CN110442577A (zh) * 2019-07-15 2019-11-12 杭州复杂美科技有限公司 一种状态数据存储、查询和管理方法、设备及存储介质
CN110574059A (zh) * 2017-04-11 2019-12-13 区块链控股有限公司 关于区块链的快速分布式共识
CN110730225A (zh) * 2019-09-30 2020-01-24 北京中电拓方科技股份有限公司 基于区块链的物联网的数据处理方法、物联网及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190251199A1 (en) * 2018-02-14 2019-08-15 Ivan Klianev Transactions Across Blockchain Networks

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110574059A (zh) * 2017-04-11 2019-12-13 区块链控股有限公司 关于区块链的快速分布式共识
US10250708B1 (en) * 2017-12-26 2019-04-02 Akamai Technologies, Inc. High performance distributed system of record
CN110442577A (zh) * 2019-07-15 2019-11-12 杭州复杂美科技有限公司 一种状态数据存储、查询和管理方法、设备及存储介质
CN110730225A (zh) * 2019-09-30 2020-01-24 北京中电拓方科技股份有限公司 基于区块链的物联网的数据处理方法、物联网及存储介质

Also Published As

Publication number Publication date
CN111355631A (zh) 2020-06-30

Similar Documents

Publication Publication Date Title
US20080077515A1 (en) Self-Calibrating Fraud Detection
CN113792089B (zh) 基于人工智能的非法行为检测方法、装置、设备及介质
CN107911231A (zh) 一种威胁数据的评估方法及装置
CN113159922A (zh) 一种数据的流向识别方法、装置、设备及介质
Zhou et al. The risk management using limit theory of statistics on extremes on the big data era
CN111355631B (zh) 一种区块链异常识别方法和***、设备及存储介质
CN112613762B (zh) 基于知识图谱的集团评级方法、装置和电子设备
CN106526545A (zh) 一种鲁棒cfar检测器的检测方法
CN113391306A (zh) 恒虚警率车载雷达目标检测方法及装置、设备、存储介质
CN116739605A (zh) 交易数据检测方法、装置、设备及存储介质
CN113835947A (zh) 一种基于异常识别结果确定异常原因的方法和***
CN110458713B (zh) 模型监控方法、装置、计算机设备及存储介质
CN111510348B (zh) 一种异常挖矿监控方法、设备及存储介质
CN111414528A (zh) 确定设备标识的方法、装置、存储介质及电子设备
CN113469697B (zh) 基于知识图谱的无监督异常检测方法及装置
JP2023095063A (ja) 情報処理装置、情報処理方法及びプログラム
CN114219166A (zh) 一种在线动态分析暴雨灾害链概率的方法及终端
CN114049205A (zh) 异常交易识别方法、装置、计算机设备和存储介质
CN111651753A (zh) 用户行为分析***及方法
CN111355608A (zh) 一种区块链回滚异常识别方法和***、设备及存储介质
CN110991695A (zh) 一种基于企业关系图谱的地区高风险失信行为预测方法
CN116862303B (zh) 城市内涝隐患分级及评估方法
Troop et al. Risk-averse action selection using extreme value theory estimates of the CVaR
Machado et al. Geospatial disparities: A case study on real estate prices in paris
US11854087B1 (en) Systems and methods for water loss mitigation messaging

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
GR01 Patent grant
GR01 Patent grant