CN113450091B - 一种基于混合器技术的联盟链隐私保护方法 - Google Patents

一种基于混合器技术的联盟链隐私保护方法 Download PDF

Info

Publication number
CN113450091B
CN113450091B CN202110686352.7A CN202110686352A CN113450091B CN 113450091 B CN113450091 B CN 113450091B CN 202110686352 A CN202110686352 A CN 202110686352A CN 113450091 B CN113450091 B CN 113450091B
Authority
CN
China
Prior art keywords
group
transaction
mixing
user
users
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
CN202110686352.7A
Other languages
English (en)
Other versions
CN113450091A (zh
Inventor
盖珂珂
孙晗雯
祝烈煌
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.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202110686352.7A priority Critical patent/CN113450091B/zh
Publication of CN113450091A publication Critical patent/CN113450091A/zh
Application granted granted Critical
Publication of CN113450091B publication Critical patent/CN113450091B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/04—Payment circuits
    • G06Q20/06—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme
    • G06Q20/065—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme using e-cash
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0407—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the identity of one or more communicating identities is hidden
    • H04L63/0421—Anonymous communication, i.e. the party's identifiers are hidden from the other party or parties, e.g. using an anonymizer

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Finance (AREA)
  • Computer Security & Cryptography (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Software Systems (AREA)
  • Bioethics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Mathematical Physics (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Technology Law (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明涉及一种基于混合器技术的联盟链隐私保护方法，属于区块链中的联盟链数据隐私保护技术领域。本方法面向较大规模用户集，支持任意数量的用户进行交易，且能够在需要时灵活地扩大或缩小用户规模，面向大规模用户集时依旧可以保持较好的灵活性。本方法通过增加交易混合复杂度，有效提高了攻击者猜测用户身份信息的难度。本方法提出了一种惩罚措施，能有效地在用户之间达成共识，使用户有权限和渠道对第三方实施监管和惩罚，从而实现交易***内的自我信任和自我监管。

Description

一种基于混合器技术的联盟链隐私保护方法
技术领域
本发明涉及一种基于混合器技术的联盟链隐私保护方法，属于区块链中的联盟链数据隐私保护技术领域。
背景技术
在传统的集中式存储服务器架构中，数据隐私保护的关键在于如何防止信息泄露。然而，在区块链的去中心化架构中，关键变为了如何保持交易的匿名性，即，如何确保攻击者无法在通过分析交易数据和交易内容的情况下直接或间接地了解用户的身份信息。
现有的数据隐私保护方法中，混合器技术是一种较为常用的方式。但是，传统的混币技术只能对固定数量的用户提供服务，并且只能为用户提供单次混合的服务。这些限制不仅没有给用户足够的自由度，而且无法得到较好的隐私保护效果。通过一些技术手段加以分析，攻击者依然可以根据混合后的交易信息分析出用户的实际身份信息。
发明内容
本发明的目的在于针对现有技术存在的隐私保护性能较低、灵活性较差等技术缺陷，创造性地提出一种基于混合器技术的联盟链隐私保护方法。
本发明的创新点主要在于：在交易***中对用户进行分组设计，将打包交易信息并传输上链的权利从第三方平台中分离出来并赋予给用户，基于遗传算法和马尔科夫链模型在各分组内进行组长节点轮换，为每位参与混币的用户提供多次混合服务。
为了达到上述目的，本发明采取如下技术方案。
首先定义相关概念。
定义1：用户
指交易***中的发起者，即卖家。
定义2：平台方
指交易***中的第三方平台，负责执行用户分组后每组内的混币过程，在需要时根据规则选择相应的用户节点赋予其组长节点的身份。
定义3：监管者
指监管中心，能够以权威性和法律性给予平台方有效的约束力。
在实际应用场景中，监管者通常由大型金融证券所、中央银行、交易监管部门承担。
定义4：交易活跃度
指用户在给定时间内的交易频次，该值越高则用户的交易频次越高。
定义5：阈值
指***根据初始混币交易中的交易活跃度最高值所设定的。一般设为最高值的1/3，用于筛选组长节点。
定义6：组长节点
指每组中根据规则选择出的具有打包传输混合后的交易记录的用户节点；
一种基于混合器技术的联盟链隐私保护方法，包括以下步骤：
步骤1：用户向交易***提交入链交易申请。同时，***设置用户准入条件。
其中，***在用户提交入链申请后计算每位用户的交易活跃度，并根据最低入链活跃度，对用户进行筛选。
步骤2：***对允许入链的用户进行分组。
具体地，分组过程包括以下步骤：
步骤2.1：***设定一个阈值，对允许入链的用户进行交易活跃度评定。例如，可以将阈值设定为用户中交易活跃度评定值最高值的1/3。
步骤2.2：将交易活跃度评定值高于阈值的用户筛选出来，并按照交易活跃度评定值由大到小的顺序进行排序。之后，赋予这些用户节点“组长节点”的身份，初级分组由此形成；
步骤2.3：将剩余用户按照交易活跃度评定值由小到大的顺序，依次加入上述形成的各个分组中。
步骤3：***在各分组内执行混币操作。混币过程结束后，由各分组的组长节点将本组本轮混合交易结果打包发布在本组内的公告板上。
步骤4：基于马尔科夫链模型和遗传算法，在各分组内进行组长节点轮换。
具体地，步骤4包括以下步骤：
步骤4.1：***依据马尔科夫链模型，对当前状态下每位用户的交易活跃度进行评定预测。具体过程如下：
马尔科夫链模型的预测特性是“未来状态与且仅与当前状态有关”。基于上述思想，***认为在一轮混合结束后，各分组中当前各节点的交易活跃度将在很大程度上代表下一轮混合交易中的活跃度。此时，***将计算各个节点在本轮混合中的交易活跃度，并将该值作为该节点在遗传算法模拟过程中的交易频次。
步骤4.2：选出每个分组中预测值最高和最低的两个节点，结合遗传算法交叉变异生成子代的过程，在二者之间进行模拟交易过程，并得到子代交易活跃度。其中，模拟交易只是按照预测交易活跃度，在相同时间内模拟交易流程，对实际交易不产生任何影响。
具体地，模拟交易过程如下：
首先，将遗传算法中的特征函数作为交易混合度达到原组长节点的数值，选出每分组中交易混合度预测值最高和最低的两个节点，交叉变异概率为0.5％。然后，在两个节点的交易混合度这一特征上执行遗传算法的交叉和变异操作。
之后，保持二者当前交易混合度，在二者之间模拟混币过程。混合结束后，选取二者之间当前交易混合度高的值，作为子代的交易活跃度值。
步骤4.3：将各分组内的子代交易活跃度与原分组的组长节点进行比较，若子代更大，则选择步骤4.2中预测值最高的节点作为组长节点，否则，保留原组长节点不变。
步骤5：将各分组当前组长节点交易活跃度最高和最低的两个组长节点进行交换。
步骤6：重复步骤3至步骤5，直到每个分组内都完成至少10轮混币过程。
步骤7：当最后一轮混币结束后，由各分组组长节点将最终得到的混合交易信息打包并传输上链。
有益效果
本发明方法，与现有技术相比，具有以下优点：
1.本方法具有良好的灵活性和用户自由度。本方法面向较大规模用户集，支持任意数量的用户以任意金额进行交易，且能够在需要时灵活地扩大(或缩小)用户规模，面向大规模用户集时依旧可以保持较好的灵活性。
2.本方法具有较好的隐私保护性能。通过增加交易混合复杂度，有效提高了攻击者猜测用户身份信息的难度。其中，混合复杂度指增加对同一批用户在同一次混币交易过程中的混合次数。本方法通过将马尔科夫链模型和遗传算法相结合，实现了这一目的。
3.本方法具有自我监管能力，本方法提出了一种惩罚措施，能有效地在用户之间达成共识，使用户有权限和渠道对第三方实施监管和惩罚，从而实现交易***内的自我信任和自我监管。
附图说明
图1为本发明方法的实施示意图。
具体实施方式
下面结合附图和实施例对本发明做进一步详细说明。
实施例
为达到更好的混合效果以及匿名性，本实施例中，将使每位用户都得到10次的混合服务，每次混币服务所持续的时间间隔是固定的，用户在这10次的混币过程中将不断与其他用户(可能每次都相同，也可能每次都有变化)进行较大规模的交易混合。因此，用户在一段时间内的交易频次将会直接影响混合效果。
在交易***中，将一段固定时间内用户的交易次数设定为用户的交易活跃度。由于***是构架在联盟链Hyperledger Fabric上的，所以可以结合联盟链的身份验证优势，在初始阶段通过设定一个基础最低的交易活跃度值来限定可加入***的用户，为后续实现更高效的混币、提高匿名性提供保障。
针对大量用户参与的大规模交易，将用户进行分组来保证***的并行性。
在所有参与用户开始混币之前，首先运用马尔科夫链“未来仅与当前有关”的特性，跟踪每位用户最近一段时间内的交易频次，根据交易频次的高低给每位用户一个初始的交易活跃度评定值，该评定值预测了用户在下一次混合过程中交易次数的最接近值。例如，将交易活跃度评定值最高的数值的三分之一设定为阈值，不小于该阈值的用户自动成为具有混币权限的“组长节点”，分组也随之形成，也就是说，“组长节点”的个数即为分组的组数。这里需要注意，交易活跃度将会影响接下来的整个多次混币的过程。为了在一定程度上保证各组内混合复杂度的平均(即各组的混合效果都能较好)，将非“组长节点”的节点们(后称之为“组员节点”)按照初始交易活跃度评定值的高低进行排序，并依据贪心算法思想，依次按照由高到低的顺序加入组长节点由低到高排序的各组中(即按照交易活跃度评定值首尾相结合的方式)。
在每段固定时间的混币服务结束后，按照马尔科夫链模型的方法对当前状态下每位用户的交易活跃度进行***预测，并在每组内实行遗传算法，通过遗传算法的结果来进行“组长节点”的轮换。同时，依据贪心算法的思想，每次都将轮换出的交易活跃度最高的组长节点与交易活跃度最低的组长进行交换，尽可能保证混合复杂度与各个用户参与混合的均衡程度。
为满足用户中途加入和退出的需求，采用相对动态的过程，具体如下：
当有新的用户申请加入混币时，将准备加入混币的用户根据马尔科夫链预测交易活跃度评定值，并与其他各位已在***内的用户的最近一次的交易活跃度评定值进行排序，可直接将各个新用户按照贪心算法分配规则合理地分配到各个组中。
当有用户需要退出混币池时，则需考虑两种情况：若为非组长节点，则可在支付给平台相应的费用后正常退出即可。若为组长节点，则需根据马尔可夫原则，从该组的交易活跃度评定值中顺位选出下一任组长。同时在执行退出操作时，***需判定此时该组成员数是否大于或等于(总用户数量/2*组数)，若小于，则将该组内剩余用户打散，按照最近一次交易活跃度评定值进行排序，并依次按照由高到低的顺序分别加入组长节点交易活跃度评定值排序由低到高的组中。
为了提高模型的整体性能，在设计***时也将对平台方的惩罚机制考虑在内。平台方需要向监管方按照用户数量支付相应的押金，且需要向监管方公开运营数据。监管方每隔一定时间间隔对数据进行查询，若发现平台方存在偷盗用户货币的行为，则可对平台方进行强制执行。
在本实施例中，参与交易流程的为用户和平台方。具体步骤如下：
步骤1：用户Ni提出加入交易***进行混币交易的请求。
交易***依据马尔科夫链模型，对每个用户在当前交易状态下固定时间段内的交易次数进行统计，并分别计算各位用户的交易活跃度。同时，对用户的交易活跃度进行由大到小排序。交易***根据Kmin对每位用户的入链资格进行审查，若Ni的交易活跃度低于Kmin，则拒绝该用户的入链申请，反之则允许。
步骤2：将允许入链的用户中交易活跃度最高的数值设定为Kmax，并设定初始阈值为1/3Kmax。参照步骤1中的排序值，将交易活跃度的值大于阈值的用户筛选出来，将它们的身份按照交易活跃度排序由大到小依次设置为组长节点Li，同时统计组长节点总个数g。将剩余用户按照交易活跃度评定值由低到高的顺序，分别依次加入形成的各分组Gi中。
步骤3：各分组的组长节点Li同时向交易***申请开始执行混币过程。此时Li向***分别发送请求执行信息Vi，***确认并返回Vi′。各分组内的用户将各自的资金从私人地址转移到各组的adi中，并分别记录交易下该笔转移交易TXi：用户原ip→adi在组内的公告板上，以便后续查验。各组长节点Li确认各组BBi消息，确认后***开始执行混币过程。当本轮混币结束后，由组长节点将本组本次交易Txi：adi→oi发布在本组的BBi上。
步骤4：当一轮混币结束后，在组内依照马尔可夫模型预测接下来各节点的交易活跃度，并在每分组内选出预测值最高和最低的两个节点模拟遗传算法的过程(这里仅通过算法模拟二者在相同时间间隔内的交易过程，且模拟过程中保持各自所预测得到的交易活跃度的频次，该模拟不会对真实交易产生任何影响)得到一个子代交易活跃度值k′，接下来比较k′与各组当前组长节点的交易活跃度进行对比。如果k′更大，则直接选取预测值最高的节点作为该组新任组长节点Li，否则依旧保持当前组长节点不变。
步骤5：将各组新得到的Li的Ki值进行排序，并交换Kimax和Kimin分别代表的Li，以尽可能地保证混合复杂度与各用户参与混合的均衡度。
步骤6：重复步骤3至步骤5，直到每个分组内都完成10轮的混币过程。
步骤7：由最后一轮的组长节点将最终交易Ti统一打包为Ti:Ii→oi，并公开在联盟链中。
在上述过程中，当有新的用户Ai申请加入，则根据其交易活跃度评定值将其***各组中；若有要退出混合池的用户Di，则先判定用户Di的身份是属于组长节点Li还是组员节点Mi，若为Li则根据马尔可夫模型预测该分组内所有Mi接下来的交易活跃度评定值，并依据贪心算法思想顺位选择该组内的最高值用户任为组长，若为Mi则在支付完平台费用后正常退出；同时，在用户退出后，***判定此时该分组成员数是否大于或等于“(总用户数量/2)*组数”，若小于，则将该组内剩余用户打散，按照最近一次交易活跃度评定值进行排序，并依次按照由高到低的顺序分别加入组长节点交易活跃度评定值排序由低到高的组中，否则，继续进行下一轮混币操作。
需要说明的是，本实施例中各分组即为各个区块。
本实施例中涉及的字符含义如表1所示：
表1本实施例中方法涉及字符说明
Figure GDA0003852047180000071
其中，
(1)参与混币交易的用户总量记为n，每个用户记为Ni，{i|i∈Z且1≤i≤n}，Z为整数集。
(2)***所设定的最低入链交易活跃度的值记为Kmin。
(3)n个用户共被分为g组，每组记为Gi，{i|i∈Z且1≤i≤g}。
(4)第一次混合之前，用户中交易活跃度评定值中最大的记为Kmax，初始阈值为1/3Kmax；之后每次混合之前，每组中的交易活跃度评价值最高的记为Ki，{i|i∈Z且1≤i≤g}。
(5)Ii表示经过10轮混合后每组最终交易的输入地址总和，oi表示经过十轮混合后每组最终交易的输出地址总和，Ti表示每组最终呈现在链上的交易，{i|i∈Z且1≤i≤g}。
(6)Ai表示新加入的各用户，{i|i∈Z且1≤i≤+∞}。
(7)Di表示退出的各用户，{i|i∈Z且1≤i≤n}。
(8)Li表示各组长节点，{i|i∈Z且1≤i≤g}。
(9)Mi表示隶属于各i组中的组员节点身份，其中i表示每个组的组号，{i|i∈Z且1≤i≤g}。
(10)BBi表示各组的公告板，便于记录本组内在混币过程中的交易，{i|i∈Z且1≤i≤g}。
(11)Vi表示每组组长节点申请执行混币服务时的***确认信息，{i|i∈Z且1≤i≤g}。
(12)Vi′表示***收到各组组长节点的Vi并确认后的返回信息，{i|i∈Z且1≤i≤g}。
(13)adi表示各组每轮混币生成的托管地址，{i|i∈Z且1≤i≤g}。
(14)oui表示各组每轮混合结束的输出地址，{i|i∈Z且1≤i≤g}。
(15)TXi表示各组每轮混合结束时生成的交易记录，且只有最后一次的TXi会公开在链中，{i|i∈Z且1≤i≤g}。
实验在Hyperledger Fabric的环境中进行模拟，设定交叉概率为0.5％，用不同规模的用户集去测试***运算性能，结果如图2所示。
结果表明在面向较大数据集时，***整体运算性能将逐渐趋于稳定。

Claims (6)

1.一种基于混合器技术的联盟链隐私保护方法，其特征在于，包括以下步骤：
步骤1：用户向交易***提交入链交易申请，同时，***设置用户准入条件；
其中，***在用户提交入链申请后计算每位用户的交易活跃度，并根据最低入链交易活跃度，对用户进行筛选；
步骤2：***对允许入链的用户进行分组；
步骤3：***在各分组内执行混币操作；混币过程结束后，由各分组的组长节点将本组本轮混合交易结果打包发布在本组内的公告板上；
步骤4：基于马尔科夫链模型和遗传算法，在各分组内进行组长节点轮换；
具体包括以下步骤：
步骤4.1：***依据马尔科夫链模型，对当前状态下每位用户的交易活跃度进行评定预测；
***计算各个节点在本轮混合中的交易活跃度，并将该值作为该节点在遗传算法模拟过程中的交易频次；
步骤4.2：选出每个分组中预测值最高和最低的两个节点，结合遗传算法交叉变异生成子代的过程，在二者之间进行模拟交易过程，并得到子代交易活跃度；其中，模拟交易只是按照预测交易活跃度，在相同时间内模拟交易流程，对实际交易不产生任何影响；
模拟交易过程如下：
首先，将遗传算法中的特征函数作为交易混合度达到原组长节点的数值，之后，选出每分组中交易混合度预测值最高和最低的两个节点，交叉变异概率为0.5％；然后，在两个节点的交易混合度这一特征上执行遗传算法的交叉和变异操作；
之后，保持二者当前交易混合度，在二者之间模拟混币过程；
混合结束后，选取二者之间当前交易混合度高的值，作为子代的交易活跃度值；
步骤4.3：将各分组内的子代交易活跃度与原分组的组长节点进行比较，若子代更大，则选择步骤4.2中预测值最高的节点作为组长节点，否则，保留原组长节点不变；
步骤5：将各分组当前组长节点交易活跃度最高和最低的两个组长节点进行交换；
步骤6：重复步骤3至步骤5，直到每个分组内都完成至少10轮混币过程；
步骤7：当最后一轮混币结束后，由各分组组长节点将最终得到的混合交易信息打包并传输上链。
2.如权利要求1所述的一种基于混合器技术的联盟链隐私保护方法，其特征在于，步骤1的具体实现方法为：
交易***依据马尔科夫链模型，对每个用户在当前交易状态下固定时间段内的交易次数进行统计，并分别计算各位用户的交易活跃度，同时，对用户的交易活跃度进行由大到小排序；
交易***根据Kmin对每位用户的入链资格进行审查，若Ni的交易活跃度低于Kmin，则拒绝该用户的入链申请，反之则允许；
其中，Kmin表示***所设定的最低入链交易活跃度的值；
参与混币交易的用户总量记为n，每个用户记为Ni，{i|i∈Z且1≤i≤n}，Z为整数集。
3.如权利要求1所述的一种基于混合器技术的联盟链隐私保护方法，其特征在于，步骤2所述分组，包括以下步骤：
步骤2.1：***设定一个阈值，对允许入链的用户进行交易活跃度评定；
步骤2.2：将交易活跃度评定值高于阈值的用户筛选出来，并按照交易活跃度评定值由大到小的顺序进行排序，之后赋予这些用户节点“组长节点”的身份，“组长节点”的个数即为分组的组数；
步骤2.3：将剩余用户按照交易活跃度评定值由小到大的顺序，依次加入上述形成的各个分组中。
4.如权利要求3所述的一种基于混合器技术的联盟链隐私保护方法，其特征在于，步骤2中，将允许入链的用户中交易活跃度最高的数值设定为Kmax，并设定阈值为1/3Kmax，不小于该阈值的用户自动成为具有混币权限的“组长节点”，“组长节点”的个数即为分组的组数。
5.如权利要求1所述的一种基于混合器技术的联盟链隐私保护方法，其特征在于，步骤3的具体实现方法如下：
各分组的组长节点Li同时向***申请开始执行混币过程；
此时，Li向***分别发送Vi，***确认并返回Vi ′；各分组内的用户将各自的资金从私人地址转移到各组的adi中，并分别将该笔交易TXi记录在组内的公告板BBi上，用于后续查验；
各分组的组长节点Li确认各分组BBi消息，确认后，***开始执行混币过程；
当本轮混币结束后，由组长节点将本组本次交易Txi发布在本分组的BBi上，Txi表示为adi→oi；
其中，Vi表示每组组长节点申请执行混币服务时的***确认信息，{i|i∈Z且1≤i≤g}，Z为整数集，g为分组的组数；
Vi ′表示***收到各分组组长节点的Vi并确认后的返回信息，{i|i∈Z且1≤i≤g}；
adi表示各分组每轮混币生成的托管地址，{i|i∈Z且1≤i≤g}；
oi表示经过10轮混合后每分组最终交易的输出地址总和；
TXi表示各分组每轮混合结束时生成的交易记录，且只有最后一次的TXi会公开在链中，{i|i∈Z且1≤i≤g}；
BBi表示各分组的公告板，用于记录本组内在混币过程中的交易，{i|i∈Z且1≤i≤g}。
6.如权利要求1所述的一种基于混合器技术的联盟链隐私保护方法，其特征在于，当有新的用户Ai申请加入，则根据其交易活跃度评定值将其***各组中；若有要退出混合池的用户Di，则先判定用户Di的身份是属于组长节点Li还是组员节点Mi，若为Li则根据马尔科夫模型预测该分组内所有Mi接下来的交易活跃度评定值，并依据贪心算法思想顺位选择该组内的最高值用户任为组长，若为Mi则在支付完平台费用后正常退出；同时，在用户退出后，***判定此时该分组成员数是否大于或等于“(总用户数量/2)*组数”，若小于，则将该组内剩余用户打散，按照最近一次交易活跃度评定值进行排序，并依次按照由高到低的顺序分别加入组长节点交易活跃度评定值排序由低到高的组中，否则，继续进行下一轮混币操作。
CN202110686352.7A 2021-06-21 2021-06-21 一种基于混合器技术的联盟链隐私保护方法 Active CN113450091B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110686352.7A CN113450091B (zh) 2021-06-21 2021-06-21 一种基于混合器技术的联盟链隐私保护方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110686352.7A CN113450091B (zh) 2021-06-21 2021-06-21 一种基于混合器技术的联盟链隐私保护方法

Publications (2)

Publication Number Publication Date
CN113450091A CN113450091A (zh) 2021-09-28
CN113450091B true CN113450091B (zh) 2023-06-02

Family

ID=77811954

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110686352.7A Active CN113450091B (zh) 2021-06-21 2021-06-21 一种基于混合器技术的联盟链隐私保护方法

Country Status (1)

Country Link
CN (1) CN113450091B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109447602A (zh) * 2018-10-16 2019-03-08 北京航空航天大学 一种保护隐私的多中心协同分布式数字货币混币方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108737068B (zh) * 2018-04-13 2020-08-07 中国地质大学（武汉） 一种基于区块链的密码货币交易隐私保护方法及***
US20200074458A1 (en) * 2018-08-30 2020-03-05 International Business Machines Corporation Privacy preserving transaction system
CN111222164B (zh) * 2020-01-10 2022-03-25 广西师范大学 联盟链数据发布的隐私保护方法
CN112016910A (zh) * 2020-08-12 2020-12-01 东北大学秦皇岛分校 一种可监管的区块链的混币协议
CN112989409A (zh) * 2021-03-15 2021-06-18 山东建筑大学 格上基于盲混币的区块链隐私保护方案

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109447602A (zh) * 2018-10-16 2019-03-08 北京航空航天大学 一种保护隐私的多中心协同分布式数字货币混币方法

Also Published As

Publication number Publication date
CN113450091A (zh) 2021-09-28

Similar Documents

Publication Publication Date Title
Kaur et al. Scalability in blockchain: Challenges and solutions
CN110928951B (zh) 一种基于区块链的数据共享及仲裁方法
CN110175913A (zh) 基于区块链的数据处理***、方法、计算设备及存储介质
CN108876599A (zh) 一种扶贫贷款管理***
CN107423978A (zh) 一种基于联盟区块链的分布式能源交易认证方法
CN107341402A (zh) 一种程序执行方法及装置
CN111612613A (zh) 一种部署有中心化***的区块链网络
Wang et al. Beh-Raft-Chain: a behavior-based fast blockchain protocol for complex networks
CN115499129A (zh) 一种多模信任跨链共识方法、***、介质、设备及终端
CN109146681A (zh) 一种区块链的元素处理方法、装置、设备和存储介质
Lin et al. DRL-based adaptive sharding for blockchain-based federated learning
Wang et al. A trusted consensus scheme for collaborative learning in the edge ai computing domain
CN113628049B (zh) 一种基于群体智能的区块链智能合约的冲突裁决方法
CN113364831A (zh) 基于区块链的多域异构算网资源可信协同方法
CN112184274A (zh) 一种在线履约***和方法
Chen et al. Towards reducing delegation overhead in replication-based verification: An incentive-compatible rational delegation computing scheme
Ruan et al. Edge in-network computing meets blockchain: A multi-domain heterogeneous resource trust management architecture
Petruzzi et al. Experiments with social capital in multi-agent systems
CN113450091B (zh) 一种基于混合器技术的联盟链隐私保护方法
CN115186305B (zh) 一种构建数据元件模型并生产数据元件的方法
Sun et al. An efficient and secure trading framework for shared charging service based on multiple consortium blockchains
Zhu et al. The governance technology for blockchain systems: a survey
CN107995204A (zh) 基于Bayes模型的Hadoop架构信任评估方法
Liaskos et al. Towards a model for comprehending and reasoning about PoW-based blockchain network sustainability
CN111242789A (zh) 一种基于区块链技术的保险自动理赔方法及***

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