CN114036224A - 区块链信息治理方法、装置、存储介质及电子设备 - Google Patents
区块链信息治理方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN114036224A CN114036224A CN202111266354.7A CN202111266354A CN114036224A CN 114036224 A CN114036224 A CN 114036224A CN 202111266354 A CN202111266354 A CN 202111266354A CN 114036224 A CN114036224 A CN 114036224A
- Authority
- CN
- China
- Prior art keywords
- data
- model
- activation function
- block chain
- consensus
- 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.)
- Pending
Links
- 238000007726 management method Methods 0.000 title description 4
- 238000000034 method Methods 0.000 claims abstract description 80
- 238000001514 detection method Methods 0.000 claims abstract description 67
- 238000012549 training Methods 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 33
- 230000004913 activation Effects 0.000 claims description 144
- 230000006870 function Effects 0.000 claims description 99
- 210000002569 neuron Anatomy 0.000 claims description 57
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 12
- 101100129590 Schizosaccharomyces pombe (strain 972 / ATCC 24843) mcp5 gene Proteins 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 12
- 238000013528 artificial neural network Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000008034 disappearance Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000000306 recurrent effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/44—Program or device authentication
-
- 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
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开涉及一种区块链信息治理方法、装置、存储介质及电子设备,所述方法应用于区块链网络中的目标节点,所述目标节点为区块链网络中参与共识的任意节点,所述方法包括:接收数据上链请求,所述数据上链请求包括待保存数据;在对所述待保存数据进行共识的过程中,通过数据检测模型对所述待保存数据进行检测,得到所述待保存数据的检测结果;在所述检测结果表征所述待保存数据违规的情况下,终止针对所述待保存数据的共识过程;其中,所述数据检测模型基于违规数据以及合规数据训练得到。通过这样的方式,能够在信息上链前进行检测和治理。
Description
技术领域
本公开涉及区块链技术领域,具体地,涉及一种区块链信息治理方法、装置、存储介质及电子设备。
背景技术
区块链技术作为一种新兴技术,具有分布式账本、去中心化和不可篡改的特点,这就使得存储在区块链上的信息可以永久地保存。这样的方式不仅便于用户检索,还能确保信息的安全性和可用性。
然而,区块链具有的分布式、不可篡改等特性,也使得信息的审查难以像传统中心化平台***一样简单易行。不可篡改的特性使得违规信息上链后便难以删除,在参与节点众多的区块链网络中,该问题尤为严峻。
发明内容
本公开的目的是提供一种区块链信息治理方法、装置、存储介质及电子设备,以解决上述相关技术问题。
为了实现上述目的,根据本公开实施例的第一方面,提供一种区块链信息治理方法,应用于区块链网络中的目标节点,所述目标节点为区块链网络中参与共识的任意节点,所述方法包括:
接收数据上链请求,所述数据上链请求包括待保存数据;
在对所述待保存数据进行共识的过程中,通过数据检测模型对所述待保存数据进行检测,得到所述待保存数据的检测结果;
在所述检测结果表征所述待保存数据违规的情况下,终止针对所述待保存数据的共识过程;
其中,所述数据检测模型基于违规数据以及合规数据训练得到。
可选地,所述终止针对所述待保存数据的共识过程,包括:
在共识方式为工作量证明算法的情况下,停止生成随机数;或者,
在共识方式为raft算法的情况下,在预设时长内停止参与领导者的选举。
可选地,重复执行如下步骤,直至模型收敛,得到所述数据检测模型:
获取样本数据,所述样本数据包括所述区块链网络中的多个参与共识的节点接收到的历史待保存数据;
根据所述区块链网络的状态参数,调整模型的激活函数;
将所述样本数据作为所述模型的输入,得到所述模型的输出结果;
根据所述模型的输出结果计算损失值;
根据所述损失值对所述模型中的权重值进行调整。
可选地,所述区块链网络的状态参数包括区块链的长度值。
可选地,所述根据所述区块链网络的状态参数,调整模型的激活函数,包括:
计算所述区块链的长度值与所述模型中的神经元的数量值的比值,得到第一比值;
在所述第一比值小于第一阈值时,将第一激活函数作为所述模型的激活函数;
在所述第一比值大于第一阈值时,将第二激活函数作为所述模型的激活函数,所述第二激活函数的变化趋势比所述第一激活函数的变化趋势平缓。
可选地,第一激活函数f1(x)为:
第二激活函数f2(x)为:
其中,num1为预设值,len(block)为区块链的长度值,num(neurons)为所述模型中的神经元的数量值。
可选地,所述区块链网络的状态参数还包括所述区块链网络中的参与节点的数量值,所述根据所述区块链网络的状态参数,调整模型的激活函数,包括:
计算所述区块链的长度值与所述参与节点的数量值的乘积,得到第一乘积;
计算所述第一乘积与所述模型中的神经元的数量值的比值,得到第二比值;
在所述第二比值小于第二阈值时,将第一激活函数作为所述模型的激活函数;
在所述第二比值大于第二阈值时,将第三激活函数作为所述模型的激活函数,所述第三激活函数的变化趋势比所述第一激活函数的变化趋势平缓。
可选地,第三激活函数f3(x)为:
其中,num(peer)为参与节点的数量值,len(block)为区块链的长度值,num(neurons)为所述模型中的神经元的数量值。
可选地,还包括:
在所述模型的多次训练中,基于所述区块链网络的状态参数调整激活参数;并
根据所述激活参数从所述模型的神经元中选择目标神经元;
在本次训练中,将所述目标神经元设置为未激活状态。
可选地,所述区块链网络的状态参数包括区块链的长度值以及所述区块链网络中的参与节点的数量值,所述基于所述区块链网络的状态参数调整激活参数,包括:
在所述区块链的长度值小于第三阈值时,所述激活参数为预设激活参数;
在所述区块链的长度大于第三阈值时,通过如下计算式计算所述激活参数:
其中,p为所述激活参数,p*为所述预设激活参数,num(peer)为参与节点的数量值,len(block)为区块链的长度值,num(peer)*为所述区块链网络中的初始参与节点的数量值。
根据本公开实施例的第二方面,提供一种区块链信息治理装置,应用于区块链网络中的目标节点,所述目标节点为区块链网络中参与共识的任意节点,所述装置包括:
接收模块,用于接收数据上链请求,所述数据上链请求包括待保存数据;
数据检测模块,用于在对所述待保存数据进行共识的过程中,通过数据检测模型对所述待保存数据进行检测,得到所述待保存数据的检测结果;
执行模块,用于在所述检测结果表征所述待保存数据违规的情况下,终止针对所述待保存数据的共识过程;
其中,所述数据检测模型基于违规数据以及合规数据训练得到。
可选地,所述执行模块用于:
在共识方式为工作量证明算法的情况下,停止生成随机数;或者,
在共识方式为raft算法的情况下,在预设时长内停止参与领导者的选举。
可选地,所述装置还包括模型训练模块,用于重复执行如下步骤,直至模型收敛,得到所述数据检测模型,所述模型训练模块包括:
获取子模块,用于获取样本数据,所述样本数据包括所述区块链网络中的多个参与共识的节点接收到的历史待保存数据;
参数调整子模块,用于根据所述区块链网络的状态参数,调整模型的激活函数;
输入子模块,用于将所述样本数据作为所述模型的输入,得到所述模型的输出结果;
计算子模块,用于根据所述模型的输出结果计算损失值;
权重调整子模块,用于根据所述损失值对所述模型中的权重值进行调整。
可选地,所述区块链网络的状态参数包括区块链的长度值。
可选地,所述参数调整子模块,包括:
第一计算子单元,用于计算所述区块链的长度值与所述模型中的神经元的数量值的比值,得到第一比值;
第一模型设置子单元,用于在所述第一比值小于第一阈值时,将第一激活函数作为所述模型的激活函数;
第二模型设置子单元,用于在所述第一比值大于第一阈值时,将第二激活函数作为所述模型的激活函数,所述第二激活函数的变化趋势比所述第一激活函数的变化趋势平缓。
可选地,第一激活函数f1(x)为:
第二激活函数f2(x)为:
其中,num1为预设值,len(block)为区块链的长度值,num(neurons)为所述模型中的神经元的数量值。
可选地,所述区块链网络的状态参数还包括所述区块链网络中的参与节点的数量值,所述参数调整子模块,包括:
第二计算子单元,用于计算所述区块链的长度值与所述参与节点的数量值的乘积,得到第一乘积;
第三计算子单元,用于计算所述第一乘积与所述模型中的神经元的数量值的比值,得到第二比值;
第三模型设置子单元,用于在所述第二比值小于第二阈值时,将第一激活函数作为所述模型的激活函数;
第四模型设置子单元,用于在所述第二比值大于第二阈值时,将第三激活函数作为所述模型的激活函数,所述第三激活函数的变化趋势比所述第一激活函数的变化趋势平缓。
可选地,第三激活函数f3(x)为:
其中,num(peer)为参与节点的数量值,len(block)为区块链的长度值,num(neurons)为所述模型中的神经元的数量值。
可选地,所述装置还包括:
激活参数调整模块,用于在所述模型的多次训练中,基于所述区块链网络的状态参数调整激活参数;并
神经元选择模块,用于根据所述激活参数从所述模型的神经元中选择目标神经元;
神经元设置模块,用于在本次训练中,将所述目标神经元设置为未激活状态。
可选地,所述区块链网络的状态参数包括区块链的长度值以及所述区块链网络中的参与节点的数量值,所述激活参数调整模块用于:
在所述区块链的长度值小于第三阈值时,将激活参数设置为预设激活参数;
在所述区块链的长度大于第三阈值时,通过如下计算式计算所述激活参数:
其中,p为所述激活参数,p*为所述预设激活参数,num(peer)为参与节点的数量值,len(block)为区块链的长度值,num(peer)*为所述区块链网络中的初始参与节点的数量值。
根据本公开实施例的第三方面,提供一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述第一方面中任一项所述方法的步骤。
根据本公开实施例的第四方面,提供一种电子设备,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现上述第一方面中任一项所述方法的步骤。
上述技术方案中,区块链网络中参与共识的节点在接收到数据上链请求之后,可以在共识阶段通过数据检测模型对待保存数据进行检测。在检测结果表征待保存数据违规的情况下,参与共识的节点可以终止针对所述待保存数据的共识过程,从而避免违规信息上链。通过这样的方式,能够在信息上链前进行检测和治理。并且,上述技术方案是在共识层进行违规数据的检测,相对于在应用层通过调用数据检测智能合约进行检测的方式(合约调用需人工审核),还能够节省人力成本。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是本公开一示例性实施例所示出的一种区块链信息治理方法的流程图。
图2是本公开一示例性实施例所示出的一种模型训练的步骤的示意图。
图3是本公开一示例性实施例所示出的一种模型训练的步骤的示意图。
图4是本公开一示例性实施例所示出的一种模型训练的步骤的示意图。
图5是本公开一示例性实施例所示出的一种神经网络的示意图。
图6是本公开一示例性实施例所示出的一种区块链信息治理装置的框图。
图7是本公开一示例性实施例所示出的一种电子设备的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
在介绍本公开的区块链信息治理方法、装置、存储介质及电子设备之前,首先对本公开的应用场景进行介绍。本公开所提供的各实施例可以用于对区块链网络信息进行治理,从而降低违规信息上链的风险。
相关场景中,可以通过智能合约对违规信息进行治理。例如,可以在区块链网络中部署信息监管智能合约,这样,其他业务合约可以调用信息监管智能合约,从而进行违规信息治理。然而,采用这样的信息治理方式,信息监管智能合约需要与业务合约耦合,即需要在每一个账本操作前调用信息监管智能合约执行信息检测过程,从而增大了智能合约的调用成本。
并且,这样的信息治理方式还存在着使用不灵活的问题。由于区块链***的主体较为分散,且智能合约的部署可由任意参与节点发起,因此为了确定信息监管智能合约被调用的事实(例如节点可能恶意不进行信息检测),还需要对信息监管智能合约的调用进行人工审核,最终导致运维成本增加。
为此,本公开提供一种区块链信息治理方法,应用于区块链网络中的目标节点,所述目标节点为区块链网络中参与共识的任意节点。图1是本公开所示出的一种区块链信息治理方法的流程图,参照图1,所述方法包括:
在步骤11中,接收数据上链请求,所述数据上链请求包括待保存数据。
这里,数据上链请求例如可以以交易的形式呈现。例如,在交易客户端产生新的交易后,可以向区块链网络广播所述交易,从而请求对该交易的数据进行记账保存。
在步骤12中,在对所述待保存数据进行共识的过程中,通过数据检测模型对所述待保存数据进行检测,得到所述待保存数据的检测结果。其中,所述数据检测模型基于违规数据以及合规数据训练得到。
示例地,可以在区块链网络的共识层设置信息检测模型。这样,每一参与共识的节点(以下将简称为共识节点)在对待上链的数据进行共识的过程中,都可以调用所述信息检测模型对待上链的数据进行检测。
这里以公开链网络为例,对本实施例中的数据检测过程和相关场景中基于智能合约的数据检测过程的区别进行说明。在基于智能合约进行数据检测的场景中,客户端产生新的交易之后,可以在区块链网络广播所述交易。这样,区块链网络中的各共识节点在接收到所述交易之后可以将交易中的信息打包至该节点的一个区块中。所述共识节点还可以通过工作量证明(即穷举生成满足工作量证明算法要求的随机数)的方式争取记账权。接着,获得记账权的共识节点可以调用信息检测智能合约对该节点打包的区块中的信息进行检测,在检测通过之后,可以生成并广播新区块。这样,随着新区块的扩散,交易数据被保存至区块链中。需要说明的是,即便获得记账权的共识节点检测到数据异常,但是全网的共识过程已经完成,共识开销也已经产生,因此这样的方式还可能存在着资源浪费的问题。
本实施例中,客户端产生新的交易之后,可以在区块链网络广播所述交易。这样,区块链网络中的各共识节点在接收到所述交易之后可以调用信息检测模型对待上链的交易数据进行检测。当检测通过的情况下,各共识节点可以通过工作量证明算法达成共识,将交易数据保存至区块链中。
在步骤13中,在所述检测结果表征所述待保存数据违规的情况下,终止针对所述待保存数据的共识过程。
其中,待保存数据违规可以是指待保存数据中包括了预设的违规信息、敏感数据等等。在检测到待保存数据违规情况下,共识节点可以终止针对所述待保存数据的共识过程,从而减少资源浪费。
示例地,在一些实施场景中,区块链网络中的各共识节点通过工作量证明算法完成共识。在这种情况下,共识节点在检测到待保存数据违规时,可以停止随机数的生成过程。这样,由于待保存数据无法被共识,因此能够阻止所述待保存数据被保存至区块链中。
在一些实施场景中,区块链网络中的各共识节点通过raft算法完成共识。在这种情况下,共识节点在检测到待保存数据违规时,可以在预设时长内停止参与领导者的选举。这样,由于领导者的缺失,所述待保存数据也无法被共识,因此能够阻止所述待保存数据被保存至区块链中。当然,为了区块链网络的正常运行,还可以根据应用需求设置所述预设时长,以便于其他交易数据能够被正常处理和保存,本公开对此不做限制。
值得注意的是,上述实施例中,共识节点在确定待保存数据违规的情况下,可以终止针对所述待保存数据的共识过程。也就是说,共识节点的检测结果影响的是该共识节点本身的处理策略,其他共识节点则可以继续进行共识过程。
例如在相关联盟链场景中,针对目标交易的提案,各个共识节点可以对该交易提案进行背书,并在背书验证通过之后生成背书认证信息,背书认证信息可以包括共识节点的签名。这样,当所述交易提案具备阈值数量(如大于共识节点数量的50%)的背书认证之后,可以确定所述交易提案完成共识,进而可以提交所述目标交易,将该目标交易的信息保存至区块链中。当某一共识节点检测到所述交易提案违规时,则可以拒绝生成所述背书认证信息。并且,基于区块链节点的版本一致性,其他共识节点对所述交易提案的验证过程是一致的,因此其他共识节点也无法生成背书认证信息。这样,由于背书认证的数量不足,因此所述交易提案无法继续进行,目标交易的数据也无法被保存至区块链中。
通过这样的方式,能够避免个别共识节点作恶,导致合法信息无法通过验证,进而引起区块链***故障的问题。
此外,关于工作量证明算法以及raft算法的执行过程,请参照相关技术中的说明,为了说明书的简洁,本公开在此不做赘述。并且,在一些实施场景中,区块链网络也可能采用其他的共识算法(例如权益证明算法,Proof of Stake),在这种情况下,参与共识的节点也可以在确定待保存数据违规时终止该共识算法,本公开对共识算法的类型不做限制。
上述技术方案中,区块链网络中参与共识的节点在接收到数据上链请求之后,可以在共识阶段通过数据检测模型对待保存数据进行检测。在检测结果表征待保存数据违规的情况下,参与共识的节点可以终止针对所述待保存数据的共识过程,从而避免违规信息上链。也就是说,上述技术方案能够通过各个共识节点进行信息的审核,并且不会影响共识节点本身的执行逻辑。同时,该方法可以兼容工作量证明、raft等多种共识算法,能够在信息上链前进行检测和治理。
并且,上述技术方案是在共识层进行违规数据的检测,相对于在应用层通过调用数据检测智能合约进行检测的方式(合约调用需人工审核),还能够降低合约调用成本,并节省人力成本。
接下来对本公开的数据检测模型的训练流程进行说明。图2是本公开所示出的一种模型训练的步骤的示意图,在一些实施场景中,可以重复执行如下步骤,直至模型收敛,得到所述数据检测模型:
S21,获取样本数据。
所述样本数据包括所述区块链网络中的多个参与共识的节点接收到的历史待保存数据。应当理解,参与节点接收到的历史待保存数据中可以包括合规数据以及违规数据。在具体实施时,可以从多个参与共识的节点接收到的历史待保存数据中抽取一定比例的数据作为所述样本数据。此外,还可以针对所述历史待保存数据进行特征提取(例如词性特征、词项特征),以便于后续处理。
当然,在一些实施场景中,所述样本数据还可以包括预设的目标数据,如人工构建的训练数据等,本公开对此不做限制。
S22,根据区块链网络的状态参数,调整模型的激活函数。
违规信息的识别属于自然语言处理的范畴,因此在一些实施场景中可以基于循环神经网络构建所述数据检测模型。相对于传统神经网络,循环神经网络中,上一时刻神经元的“历史信息”可以通过权值与下一时刻的神经元相连接,这使得循环神经网络具有记忆性。
为了避免循环神经网络在训练过程中出现梯度消失的现象,本实施例中可以根据区块链网络的状态参数,动态调整模型的激活函数,从而调整神经元的饱和区域。
示例地,在一些实施场景中,所述区块链网络的状态参数可以包括区块链的长度值。在这种情况下,参照图3所示出的一种模型训练的步骤的示意图,所述根据所述区块链网络的状态参数,调整模型的激活函数(S22),包括:
S221,计算区块链的长度值与模型中的神经元的数量值的比值,得到第一比值。
S222,在第一比值小于第一阈值时,将第一激活函数作为模型的激活函数。
其中,所述第一阈值可以根据应用需求进行设置,本实施例中例如可以将第一阈值设置为e。应当理解,当第一比值小于第一阈值时,可以确定区块链网络以及所述模型处于较为初始的状态,此时的参与节点接收到的历史待保存数据较少,所述样本数据的数量以及模型的迭代次数也较少。因此,在一些实施场景中,可以设置第一激活函数f1(x)为:
应当理解,在样本数据较少、模型迭代次数较少的情况下,出现梯度消失的概率较低。因此,可以采用上述第一激活函数,以便于加快模型的收敛速度。
S223,在第一比值大于第一阈值时,将第二激活函数作为模型的激活函数,所述第二激活函数的变化趋势比所述第一激活函数的变化趋势平缓。
示例地,第二激活函数f2(x)可以为:
其中,num1为预设值,len(block)为区块链的长度值,num(neurons)为所述模型中的神经元的数量值。
应当理解,在样本数据较多、模型迭代次数较多的情况下,可能出现梯度消失的现象。因此,在第一比值大于第一阈值,即样本数据较多、模型迭代次数较多时,可以设置变化速度较为平缓的激活函数,从而防止模型出现死区,避免梯度消失的问题。
S23,将所述样本数据作为所述模型的输入,得到所述模型的输出结果。
S24,根据所述模型的输出结果计算损失值。这里,例如可以采用叉熵损失函数计算所述损失值。
S25,根据所述损失值对所述模型中的权重值进行调整。示例地,可以基于所述损失值,通过反向传播计算的方式,对所述模型各层神经元的权值进行调整。
上述技术方案通过结合区块链网络的状态参数,能够实现对模型的激活函数的动态调整。通过这样的方式,在样本数据较少、模型迭代次数较少的情况下,可以通过调整激活函数,从而提升模型的收敛速度。在样本数据较多、模型迭代次数较多的情况下,可以调整激活函数,从而预防梯度消失的现象。也就是说,上述技术方案能够提升模型的训练效果,进而有助于提升数据检测模型对异常数据的检测准确度。
在一些实施场景中,所述区块链网络的状态参数包括所述区块链网络中的参与节点的数量值以及区块链的长度值。在这种情况下,参照图4所示出的一种模型训练的步骤的示意图,所述模型训练的步骤在图2的基础上,所述根据所述区块链网络的状态参数,调整模型的激活函数(S22),包括:
S224,计算区块链的长度值与参与节点的数量值的乘积,得到第一乘积。
S225,计算第一乘积与模型中的神经元的数量值的比值,得到第二比值。
S226,在第二比值小于第二阈值时,将第一激活函数作为模型的激活函数。
其中,所述第二阈值可以根据应用需求进行设置,本实施例中例如可以将第二阈值设置为e(第二阈值与第一阈值可以相同也可以不同)。应当理解,当第二比值小于第二阈值时,可以确定区块链网络以及所述模型处于较为初始的状态,此时的参与节点接收到的历史待保存数据较少,所述样本数据的数量以及模型的迭代次数也较少。因此,在一些实施场景中,可以设置第一激活函数f1(x)为:
应当理解,在样本数据较少、模型迭代次数较少的情况下,出现梯度消失的概率较低。因此,可以采用上述第一激活函数,以便于加快模型的收敛速度。
S227,在第二比值大于第二阈值时,将第三激活函数作为模型的激活函数,所述第三激活函数的变化趋势比所述第一激活函数的变化趋势平缓。
应当理解,在样本数据较多、模型迭代次数较多的情况下,可能出现梯度消失的现象。因此,在第二比值大于第二阈值,即样本数据较多、模型迭代次数较多时,可以设置变化速度较为平缓的激活函数,从而防止模型出现死区,避免梯度消失的问题。
示例地,第三激活函数f3(x)可以为:
其中,num(peer)为参与节点的数量值,len(block)为区块链的长度值,num(neurons)为所述模型中的神经元的数量值。
上述技术方案通过结合区块链网络中的参与节点的数量值以及区块链的长度值,能够实现对模型的激活函数的动态调整。通过这样的方式,在样本数据较少、模型迭代次数较少的情况下,可以通过调整激活函数,从而提升模型的收敛速度。在样本数据较多、模型迭代次数较多的情况下,可以调整激活函数,预防梯度消失的现象。也就是说,上述技术方案能够提升模型的训练效果,进而有助于提升数据检测模型对异常数据的检测准确度。
值得说明的是,在样本数据较少的情况下,加快模型的收敛速度还可能导致模型出现过拟合的现象,即导致模型在训练数据中表现较好,但在测试数据中表现较差的现象。
为此,在一种可能的实施方式中,还可以在所述模型的多次训练中,基于所述区块链网络的状态参数调整激活参数。
示例地,所述区块链网络的状态参数可以包括区块链的长度值以及所述区块链网络中的参与节点的数量值。在这种情况下,所述基于所述区块链网络的状态参数调整激活参数,包括:
在所述区块链的长度值小于第三阈值时,所述激活参数为预设激活参数。其中,第三阈值可以根据应用需求进行设置,作为一种示例,这里可以将第三阈值取值为1000。所述预设激活参数也可以根据应用需求进行设置,本公开对此不做限制。
在所述区块链的长度大于第三阈值时,通过如下计算式计算所述激活参数:
其中,p为所述激活参数,p*为所述预设激活参数,num(peer)为参与节点的数量值,len(block)为区块链的长度值,num(peer)*为所述区块链网络中的初始参与节点的数量值。
这样,可以根据所述激活参数从所述模型的神经元中选择目标神经元。并在本次训练中,可以将所述目标神经元设置为未激活状态。
图5是本公开所示出的一种神经网络的示意图,其中5A为各神经元依次连接所形成的神经网络。通过确定激活参数,并根据激活参数对神经元进行选择,例如可以得到如图5B所述的神经网络。
在具体实施时,例如可以基于dropout(丢弃)技术实现上述过程。这样,通过在训练时随机地丢弃部分神经元的激活,能够减少所述模型对局部特征的依赖(因为局部特征有可能被丢弃),从而可以提升模型的鲁棒性,增强模型对异常数据的识别能力。
采用上述技术方案,在模型的训练过程中,可以根据区块链网络的状态参数动态调节神经元丢弃的发生概率p。在参与节点数量较少、区块链长度较短(历史数据较少)时,以较大概率发生丢弃,避免过拟合的发生。在参与节点较多、区块链长度较长时,以较小概率发生丢弃,从而提升模型对异常数据的识别准确率。
基于同一发明构思,本公开还提供一种区块链信息治理装置,应用于区块链网络中的目标节点,所述目标节点为区块链网络中参与共识的任意节点。图6是本公开所示出的一种区块链信息治理装置的框图,装置600包括:
接收模块601,用于接收数据上链请求,所述数据上链请求包括待保存数据;
数据检测模块602,用于在对所述待保存数据进行共识的过程中,通过数据检测模型对所述待保存数据进行检测,得到所述待保存数据的检测结果;
执行模块603,用于在所述检测结果表征所述待保存数据违规的情况下,终止针对所述待保存数据的共识过程;
其中,所述数据检测模型基于违规数据以及合规数据训练得到。
上述技术方案中,区块链网络中参与共识的节点在接收到数据上链请求之后,可以在共识阶段通过数据检测模型对待保存数据进行检测。在检测结果表征待保存数据违规的情况下,参与共识的节点可以终止针对所述待保存数据的共识过程,从而避免违规信息上链。通过这样的方式,能够在信息上链前进行检测和治理。并且,上述技术方案是在共识层进行违规数据的检测,相对于在应用层通过调用数据检测智能合约进行检测的方式(合约调用需人工审核),还能够节省人力成本。
可选地,所述执行模块603用于:
在共识方式为工作量证明算法的情况下,停止生成随机数;或者,
在共识方式为raft算法的情况下,在预设时长内停止参与领导者的选举。
可选地,所述装置600还包括模型训练模块,用于重复执行如下步骤,直至模型收敛,得到所述数据检测模型,所述模型训练模块包括:
获取子模块,用于获取样本数据,所述样本数据包括所述区块链网络中的多个参与共识的节点接收到的历史待保存数据;
参数调整子模块,用于根据所述区块链网络的状态参数,调整模型的激活函数;
输入子模块,用于将所述样本数据作为所述模型的输入,得到所述模型的输出结果;
计算子模块,用于根据所述模型的输出结果计算损失值;
权重调整子模块,用于根据所述损失值对所述模型中的权重值进行调整。
可选地,所述区块链网络的状态参数包括区块链的长度值。
可选地,所述参数调整子模块,包括:
第一计算子单元,用于计算所述区块链的长度值与所述模型中的神经元的数量值的比值,得到第一比值;
第一模型设置子单元,用于在所述第一比值小于第一阈值时,将第一激活函数作为所述模型的激活函数;
第二模型设置子单元,用于在所述第一比值大于第一阈值时,将第二激活函数作为所述模型的激活函数,所述第二激活函数的变化趋势比所述第一激活函数的变化趋势平缓。
可选地,第一激活函数f1(x)为:
第二激活函数f2(x)为:
其中,num1为预设值,len(block)为区块链的长度值,num(neurons)为所述模型中的神经元的数量值。
可选地,所述区块链网络的状态参数还包括所述区块链网络中的参与节点的数量值,所述参数调整子模块,包括:
第二计算子单元,用于计算所述区块链的长度值与所述参与节点的数量值的乘积,得到第一乘积;
第三计算子单元,用于计算所述第一乘积与所述模型中的神经元的数量值的比值,得到第二比值;
第三模型设置子单元,用于在所述第二比值小于第二阈值时,将第一激活函数作为所述模型的激活函数;
第四模型设置子单元,用于在所述第二比值大于第二阈值时,将第三激活函数作为所述模型的激活函数,所述第三激活函数的变化趋势比所述第一激活函数的变化趋势平缓。
可选地,第三激活函数f3(x)为:
其中,num(peer)为参与节点的数量值,len(block)为区块链的长度值,num(neurons)为所述模型中的神经元的数量值。
可选地,所述装置600还包括:
激活参数调整模块,用于在所述模型的多次训练中,基于所述区块链网络的状态参数调整激活参数;并
神经元选择模块,用于根据所述激活参数从所述模型的神经元中选择目标神经元;
神经元设置模块,用于在本次训练中,将所述目标神经元设置为未激活状态。
可选地,所述区块链网络的状态参数包括区块链的长度值以及所述区块链网络中的参与节点的数量值,所述激活参数调整模块用于:
在所述区块链的长度值小于第三阈值时,将激活参数设置为预设激活参数;
在所述区块链的长度大于第三阈值时,通过如下计算式计算所述激活参数:
其中,p为所述激活参数,p*为所述预设激活参数,num(peer)为参与节点的数量值,len(block)为区块链的长度值,num(peer)*为所述区块链网络中的初始参与节点的数量值。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开还提供一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本公开所提供的区块链信息治理方法的步骤。
本公开还提供一种电子设备,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现本公开所提供的区块链信息治理方法的步骤。
图7是根据一示例性实施例示出的一种电子设备700的框图。如图7所示,该电子设备700可以包括:处理器701,存储器702。该电子设备700还可以包括多媒体组件703,输入/输出(I/O)接口704,以及通信组件705中的一者或多者。
其中,处理器701用于控制该电子设备700的整体操作,以完成上述的区块链信息治理方法中的全部或部分步骤。存储器702用于存储各种类型的数据以支持在该电子设备700的操作,这些数据例如可以包括用于在该电子设备700上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如区块链账本数据、收发的消息、图片、音频、视频等等。该存储器702可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件703可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器702或通过通信组件705发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口704为处理器701和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件705用于该电子设备700与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G、4G、NB-IOT、eMTC、或其他5G等等,或它们中的一种或几种的组合,在此不做限定。因此相应的该通信组件705可以包括:Wi-Fi模块,蓝牙模块,NFC模块等等。
在一示例性实施例中,电子设备700可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的区块链信息治理方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的区块链信息治理方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器702,上述程序指令可由电子设备700的处理器701执行以完成上述的区块链信息治理方法。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述的区块链信息治理方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (12)
1.一种区块链信息治理方法,其特征在于,应用于区块链网络中的目标节点,所述目标节点为区块链网络中参与共识的任意节点,所述方法包括:
接收数据上链请求,所述数据上链请求包括待保存数据;
在对所述待保存数据进行共识的过程中,通过数据检测模型对所述待保存数据进行检测,得到所述待保存数据的检测结果;
在所述检测结果表征所述待保存数据违规的情况下,终止针对所述待保存数据的共识过程;
其中,所述数据检测模型基于违规数据以及合规数据训练得到。
2.根据权利要求1所述的方法,其特征在于,所述终止针对所述待保存数据的共识过程,包括:
在共识方式为工作量证明算法的情况下,停止生成随机数;或者,
在共识方式为raft算法的情况下,在预设时长内停止参与领导者的选举。
3.根据权利要求1所述的方法,其特征在于,重复执行如下步骤,直至模型收敛,得到所述数据检测模型:
获取样本数据,所述样本数据包括所述区块链网络中的多个参与共识的节点接收到的历史待保存数据;
根据所述区块链网络的状态参数,调整模型的激活函数;
将所述样本数据作为所述模型的输入,得到所述模型的输出结果;
根据所述模型的输出结果计算损失值;
根据所述损失值对所述模型中的权重值进行调整。
4.根据权利要求3所述的方法,其特征在于,所述区块链网络的状态参数包括区块链的长度值,所述根据所述区块链网络的状态参数,调整模型的激活函数,包括:
计算所述区块链的长度值与所述模型中的神经元的数量值的比值,得到第一比值;
在所述第一比值小于第一阈值时,将第一激活函数作为所述模型的激活函数;
在所述第一比值大于第一阈值时,将第二激活函数作为所述模型的激活函数,所述第二激活函数的变化趋势比所述第一激活函数的变化趋势平缓。
6.根据权利要求3所述的方法,其特征在于,所述区块链网络的状态参数包括区块链的长度值以及所述区块链网络中的参与节点的数量值,所述根据所述区块链网络的状态参数,调整模型的激活函数,包括:
计算所述区块链的长度值与所述参与节点的数量值的乘积,得到第一乘积;
计算所述第一乘积与所述模型中的神经元的数量值的比值,得到第二比值;
在所述第二比值小于第二阈值时,将第一激活函数作为所述模型的激活函数;
在所述第二比值大于第二阈值时,将第三激活函数作为所述模型的激活函数,所述第三激活函数的变化趋势比所述第一激活函数的变化趋势平缓。
8.根据权利要求3所述的方法,其特征在于,还包括:
在所述模型的多次训练中,基于所述区块链网络的状态参数调整激活参数;并
根据所述激活参数从所述模型的神经元中选择目标神经元;
在本次训练中,将所述目标神经元设置为未激活状态。
10.一种区块链信息治理装置,其特征在于,应用于区块链网络中的目标节点,所述目标节点为区块链网络中参与共识的任意节点,所述装置包括:
接收模块,用于接收数据上链请求,所述数据上链请求包括待保存数据;
数据检测模块,用于在对所述待保存数据进行共识的过程中,通过数据检测模型对所述待保存数据进行检测,得到所述待保存数据的检测结果;
执行模块,用于在所述检测结果表征所述待保存数据违规的情况下,终止针对所述待保存数据的共识过程;
其中,所述数据检测模型基于违规数据以及合规数据训练得到。
11.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-9中任一项所述方法的步骤。
12.一种电子设备,其特征在于,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求1-9中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111266354.7A CN114036224A (zh) | 2021-10-28 | 2021-10-28 | 区块链信息治理方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111266354.7A CN114036224A (zh) | 2021-10-28 | 2021-10-28 | 区块链信息治理方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114036224A true CN114036224A (zh) | 2022-02-11 |
Family
ID=80135689
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111266354.7A Pending CN114036224A (zh) | 2021-10-28 | 2021-10-28 | 区块链信息治理方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114036224A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115186035A (zh) * | 2022-09-13 | 2022-10-14 | 腾讯科技(深圳)有限公司 | 一种区块处理方法、相关***及存储介质和服务器 |
CN117495232A (zh) * | 2023-11-27 | 2024-02-02 | 深圳市晟晟科技有限公司 | 一种订单跟踪方法及*** |
-
2021
- 2021-10-28 CN CN202111266354.7A patent/CN114036224A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115186035A (zh) * | 2022-09-13 | 2022-10-14 | 腾讯科技(深圳)有限公司 | 一种区块处理方法、相关***及存储介质和服务器 |
CN115186035B (zh) * | 2022-09-13 | 2022-11-22 | 腾讯科技(深圳)有限公司 | 一种区块处理方法、相关***及存储介质和服务器 |
CN117495232A (zh) * | 2023-11-27 | 2024-02-02 | 深圳市晟晟科技有限公司 | 一种订单跟踪方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6918245B2 (ja) | 本人確認方法および装置 | |
CN111552986B (zh) | 基于区块链的联邦建模方法、装置、设备及存储介质 | |
CN110610242B (zh) | 一种联邦学习中参与者权重的设置方法及装置 | |
CN114036224A (zh) | 区块链信息治理方法、装置、存储介质及电子设备 | |
US20220272105A1 (en) | Blockchain-based data detection method, apparatus, and computer-readable storage medium | |
CN110569658A (zh) | 基于区块链网络的用户信息处理方法、装置、电子设备及存储介质 | |
CN110580206A (zh) | 用于区块链***的压力测试的方法、介质和控制装置 | |
CN110892675B (zh) | 用于监控区块链的方法和设备 | |
US20180152478A1 (en) | Systems and methods for generation and selection of access rules | |
US20210112160A1 (en) | Decentralized automatic phone fraud risk management | |
CN111191212B (zh) | 基于区块链的数字凭证处理方法、装置、设备和存储介质 | |
JP2019121141A (ja) | デバイス、セキュアエレメント、プログラム、情報処理システム及び情報処理方法 | |
CN109145651B (zh) | 一种数据处理方法及装置 | |
CN106713388A (zh) | 一种突发业务处理方法及装置 | |
CN112995236A (zh) | 一种物联网设备安全管控方法、装置和*** | |
CN107358526B (zh) | 一种紧急交易的方法和装置 | |
US10970180B2 (en) | Methods and apparatus for verifying processing results and/or taking corrective actions in response to a detected invalid result | |
CN115730319A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN114978651B (zh) | 一种隐私计算存证方法、装置、电子设备及存储介质 | |
CN113922952B (zh) | 访问请求响应方法、装置、计算机设备和存储介质 | |
CN113869525A (zh) | 基于大数据的业务规则数据处理方法、装置、设备及介质 | |
CN113076531A (zh) | 身份认证方法、装置、计算机设备和存储介质 | |
CN111553796A (zh) | 一种汇率管理方法、装置及计算机可读存储介质 | |
CN114157712B (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN117040929B (zh) | 一种访问处理方法、装置、设备、介质及程序产品 |
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 |