CN117372050A - 多平台的订单核销验证的方法和*** - Google Patents
多平台的订单核销验证的方法和*** Download PDFInfo
- Publication number
- CN117372050A CN117372050A CN202311670390.9A CN202311670390A CN117372050A CN 117372050 A CN117372050 A CN 117372050A CN 202311670390 A CN202311670390 A CN 202311670390A CN 117372050 A CN117372050 A CN 117372050A
- Authority
- CN
- China
- Prior art keywords
- contract
- file
- platform
- signing
- deduction
- 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.)
- Granted
Links
- 238000012795 verification Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000013475 authorization Methods 0.000 claims description 10
- 238000010200 validation analysis Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 16
- 238000012549 training Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 8
- 238000007477 logistic regression Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000012550 audit Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/50—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using hash chains, e.g. blockchains or hash trees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- 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
- G06F21/602—Providing cryptographic facilities or services
-
- 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
-
- 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
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Security & Cryptography (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- General Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Health & Medical Sciences (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种多平台的订单核销验证的方法和***。一种多平台的订单核销验证的方法,包括:初始化阶段:若干个合约平台和签约平台共同提供至少一个服务器以组成区块链网络;合约签订阶段;合约验证阶段:合约执行阶段:交易验证阶段:根据区块链网络上储存的交易数据、意愿文件,以及合约文件对每笔交易进行验证。本申请所提供的技术方案中,合约平台所起到的任务不仅仅是向金融***发送扣款信息,而是起到了监控合约的执行情况,进而主动生成扣款指令。所以,合约平台并不会因为合约平台随便下发扣款指令而导致用户资金去向不明的问题。同时,对于智能合约的每一笔交易而言,都可以在区块链网络上找到对应的数据,进而保证了数据的可溯源性。
Description
技术领域
本申请涉及区块链网络技术领域,具体而言,涉及一种多平台的订单核销验证的方法和***。
背景技术
在现在的互联网生活中,经常存在用户在某个业务平台购买了一项服务之后,然后业务平台通过智能合约来定期、定时的来划扣客户银行账户内款项。一般而言,现有的各个业务平台都是独立运行,用户在于业务平台签订了一些智能合约之后,就由业务平台自己产生划扣资金的指令,然后将该指令发送给智能合约平台,然后智能合约平台来完成扣款。
这种模式下,具体扣款的指令仅仅有业务平台单方面的产生,用户和合约平台对这个扣款指令的产生无法起到任何的监管作用。从而导致了业务平台容易违法发布扣款指令,导致智能合约平台受到投诉,并且也无法对扣款情况进行溯源,使得在用户对扣款行为存在异议时,智能平台因为无法溯源而无法对争议做出正确的判断。
发明内容
本申请的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本申请的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
作为本申请的第一个方面,为了解决现有的智能合约平台在进行业务扣款时,无法对交易溯源,以及无法对业务平台中扣款指令的产生进行监管的问题,提供了一种多平台的订单核销验证的方法,包括:
初始化阶段:若干个合约平台和签约平台共同提供至少一个服务器以组成区块链网络;
合约签订阶段:用户向任意一个平台发送合约签订请求,合约签订平台根据合约签订请求生成合约文件,并将合约文件发送至用户,用户对合约文件确定之后,生成意愿文件、支付信息,然后将意愿文件、合约文件,以及支付信息发送至签约平台,同时将意愿文件、支付信息,以及合约文件发送至智能合约平台;
合约验证阶段:合约平台在收到意愿文件和合约文件之后,对意愿文件进行核验,核验成功之后,生成智能合约,然后将智能合约、意愿文件,以及合约文件发送至签约平台;签约平台根据合约平台和用户发送的相同的合约文件和意愿文件,确定合约文件和意愿文件的真实性,然后运行智能合约,并将智能合约上传到区块链网络上;
合约执行阶段:签约平台中的智能合约在达到触发条件之后,生成扣款指令,然后根据扣款指令将支付信息发送给金融***,由金融***根据支付信息来划分资金;同时,将交易数据上传至区块链网络;
交易验证阶段:根据区块链网络上储存的交易数据,以及意愿文件和合约文件对每笔交易进行验证。
本申请所提供的技术方案中,合约平台所起到的任务不仅仅是向金融***发送扣款信息,而是起到了监控合约的执行情况,进而主动生成扣款指令。所以,合约平台并不会因为合约平台随便下发扣款指令而导致用户资金去向不明的问题。同时,对于智能合约的每一笔交易而言,都可以在区块链网络上找到对应的数据,进而保证了数据的可溯源性。
上传到区块链网络中的信息具有去中心化和不可篡改的特点,但是在组成区块链网络的服务器在某个组织手里时,该组织还是可以对区块链网络上储存的信息进行更改。所以,针对这一问题,本申请所提供如下技术方案:
进一步的,初始化阶段包括如下步骤:
步骤11:签约平台下辖有m个合约平台,分别为M1、M2、…Mj…Mm,其中,第j个合约平台为Mj,每个合约平台和签约平台均至少提供一个服务器,以组成区块链网络;
步骤12:签约平台预先配置加密算法和哈希算法,并将加密算法和哈希算法广播至区块链网络中;
步骤13:签约平台根据加密算法生成一对公私钥对(Pe,Pu),其中Pe为私钥,Pu为公钥;每个合约平台分别生成一个公私钥对(MjHe,MjHu),其中MjHe为私钥,MjHu为公钥。
本申请所提供的技术方案,区块链网络为一个内部成员稳定的联盟区块链网络,非联盟成员无法访问区块链网络,所以保证了上传到区块链网络上的信息的安全性。同时,在组成区块链网络时,也是每个合约平台和签约平台一起提供服务器来组成,所以避免了某个单一的平台,控制整个区块链网络的现象。
签约平台相对而言是一个比较开放的平台,并且用户发送给签约平台中的信息,包含支付信息,所以用户发送给签约平台的信息被拦截时,容易对用户的资金安全造成隐患,并且这些信息公开的记录在签约平台上,也会导致合约平台的真实业务情况被公开,对于用户和签约方都极为不利。
进一步的,合约签订阶段包括如下步骤:
步骤21:签约平台下辖有k个用户,分别为U1、U2、…Ui、…Uk,Ui表示第i个用户;
步骤22:Ui向Mj发送合约签订请求,Mj根据合约签订请求生成合约文件,合约文件至少包括合约条款和扣款方式;
步骤23:Mj将合约文件发送至Ui,Ui对合约文件进行验证,验证通过之后生成意愿文件;Ui将意愿文件和合约文件发送给Mj;然后,计算意愿文件和合约文件的哈希值,然后将意愿文件的哈希值、合约文件的哈希值,以及支付信息用Pu加密为第一秘钥文件后,发送给签约平台。
本申请所提供的技术方案中,用户发送给签约平台的文件采用了签约平台的公钥进行了加密处理。所以除开签约平台,其它非法者是无法获取第一秘钥文件中的相关信息,所以保证了用户的资金安全,同时也不会导致合约平台的真实业务情况被公开。
进一步的,步骤22中,扣款方式包括以时间为节点扣款和以触发条件为节点扣款。
智能合约一般是用于触发扣款,而从扣款方式来看,目前的扣款方式一般包括两种,也就是以时间为节点,例如签约后的10天、20天、30天进行扣款,或者达到一些预先设置的条件,例如完成某个事件。为此,本方案中,扣款方式包括了前述的两种,就涵盖了大部分业务平台在经营过程中,所需要的扣款方式。
签约平台相对于合约平台而言,其实只是一个服务性平台,用于作为第三方的方式,来对用户的资金进行划分。所以,对于合约平台而言,其并不接受对应的合约文件需要受到其监管,或者尤其是合约中签订的细节,并不想要被签约平台所接收。为此,为了保证用户和合约平台在交易时的隐蔽性,本申请提供了如下技术方案:
进一步的,合约验证阶段包括如下步骤:
步骤31:Mj接收意愿文件和合约文件,Mj对意愿文件进行核查,确定Ui签订合约的真实意愿;
步骤32:Mj对接收的合约文件进行核查,判断合约文件中的合约条款和扣款方式是否被篡改;如果没有篡改,Mj根据合约文件生成智能合约Kji和扣款文件,然后Mj将合约文件的哈希值、意愿文件的哈希值、智能合约Kji,以及扣款文件用Pu加密为第二秘钥文件后,发送给签约平台;
步骤33:签约平台分别解密第一秘钥文件和第二秘钥文件,对第一秘钥文件和第二秘钥文件中的意愿文件的哈希值、合约文件的哈希值,以及扣款文件进行对比,如果相同,则将智能合约、意愿文件的哈希值,以及合约文件哈希值上传到区块链网络中,同时运行智能合约;同时,分别用Pe生成合约签订成功的授权文件,然后将授权文件分别发送至,Mj和Ui。
本申请所提供的技术方案中,签约平台并不能够收到完整的合约文件和意愿文件,而仅仅是合约文件和意愿文件的哈希值,所以合约平台能够在确认签约方和合约方都对合约的签订过程无误的情况下,又不用知晓真实的合约内容。所以保证了交易双方的真实性。
因为智能合约和扣款文件是有合约平台单独生成的,所以存在合约平台生成明显与合约文件中规定调控不符合的智能合约和扣款文件。进而导致用户的利益受到损坏;针对这一问题,本申请提供如下技术方案:
进一步的,授权文件至少包括智能合约和扣款文件。
因为授权文件中至少包括智能合约和扣款文件,所以用户可以对智能合约和扣款文件进行核对。在出现问题时,及时的向签约平台反应,以阻止合约的履行。
合约执行阶段包括如下步骤:
步骤41:签约平台根据扣款文件确定扣款指令的触发条件;其中,当触发条件与时间相关时,以签约平台的时间为准,产生扣款指令;当触发条件与条件节点相关时,由用户和合约平台提供相同的指令文件为准,而产生扣款指令;
步骤42:签约平台根据扣款指令运行智能合约,进而通过支付信息完成用户在金融***上的资金划扣,同时将交易数据上传到区块链网络中。
本申请所提供的技术方案中,在针对触发条件与时间相关时,直接用签约平台的时间为准,所以扣款指令的产生,只与签约平台有关系,与合约平台不相干,合约平台不可能独立的生成扣款指令,所以保证了用户的资金安全。
大部分的业务平台在签订智能合约时,都是根据时间来作为节点。例如大部分业务平台的会员,都是根据时间来进行扣款。但是,也存在一些业务平台,是通过相应的条件来扣款;而这些扣款条件的成立,仅仅和合约平台和用户能够生成;所以,如果仅仅依靠合约平台生成的扣款指令,来进行扣款则会导致用户的权益受损,而如果以用户的扣款指令为依据,则会导致合约平台的权益受损。针对这一问题,本申请提供如下技术方案:
步骤41中,当触发条件与条件节点相关时,合约平台向签约平台发送指令文件,签约平台在收到指令文件后,向用户发送扣款通知,在预设之间内未收到拒绝扣款的情况下,签约平台生成扣款指令。
本申请所提供的技术方案中,扣款指令的生成需要合约平台和用户都参与,所以尽量保证了合约平台和用户的的共同权益。
进一步的,交易验证阶段包括如下步骤:
步骤51:签约平台根据用户发送的验证请求,找到区块链网络中对应的交易数据;
步骤52:根据区块链网络中对应的交易数据寻找到产生扣款项目的智能合约;
步骤53:对触发智能合约的扣款指令进行审查,如果扣款指令正确,但是金融数额不正确,则审查智能合约;
步骤54:如果智能合约审查通过,金融数据对不上,则继续根据区块链网络上的合约文件的哈希值,让Mj和Ui提供分别提供能够符合区块链网络中记载的哈希值的合约文件,以完成最终的核验。
本申请所提供的技术方案中,虽然签约平台并没有保存对应的合约文件,但是在进行后续的核验时,能够将整个交易的过程,以及合约签订的过程进行核验,保证了整个过程是可以验证的。
作为本申请的第二个方面,在实践中,虽然大部分的合约平台上传到区块链网络中的智能合约都是合法的智能合约,但是还是存在一些合约平台会上传一些恶意的智能合约,为自身获取不当的利益,进而使得后续的交易验证阶段因为频频出现交易问题,而验证周期长,影响用户与其余合约平台的合法权益。针对这一问题,本申请提供了如下技术方案:本申请的一些实施例提供了一种多平台的订单核销验证的方法还包括智能合约监测阶段,包括如下步骤:
步骤61:签约平台收集预先被定义为恶意智能合约和非恶意智能合约的源代码,并对这些源代码进行预处理,将源代码分解为标识符和操作符;
步骤62:提取源代码中的语法信息;
步骤63:将源代码转化为抽象语法树,利用已知的安全漏洞模式,通过正则表达式或子图匹配技术在AST中进行搜索,如果某部分的AST与漏洞模式匹配,标记这部分代码为潜在风险区域,反之就是安全区域;
步骤64:统计分析的目标是理解风险代码片段与不同功能类别之间的关系;
步骤65:基于上述的特征和风险关联信息,训练出预测模型;
步骤66:利用预测模型对智能合约的风险进行预测。
本申请所提供的技术方案中,签约平台会收集之前已经证实其性质的智能合约的源代码,然后提取这些源代码的语法信息,利用逻辑算法建立预测模型,在对模型进行修正之后,能够利用预测模型发现存在高风险阈值的智能合约,从而及时的对这些智能合约和与之对应的合约平台进行处理。
步骤61中:对收集到的源代码进行清洗,移除注释、空格,以及特殊字符,最后对进行标准化处理。
进一步的,步骤62包括如下步骤:
步骤621:利用特定的分词工具对源代码进行分词处理,将代码拆分为一系列的标识符和操作符;
步骤622:利用专门的工具生成源代码的抽象语法树(AST);遍历AST,从中提取与语法相关的特征;
步骤623:利用词嵌入技术,将源代码中的标识符映射为稠密向量。
本申请所提供的技术方案中,收集了源代码的语法特征与语义特征,提供了代码的不同视图,结合使用它们通常能够得到更好的结果,因此将得到的语法特征和语义特征结合起来,为后续的模型训练提供更全面、丰富的特征集。
进一步的,步骤64包括如下步骤:
步骤641:据功能类别对识别出的风险代码片段进行分类;
步骤642:分析不同功能类别的风险代码片段与特定漏洞模式的共现关系,这可以通过计算它们之间的共现频率、条件概率;
其中,共现频率公式:;
条件概率公式为:,其中,中N(A,B)是A和B同时出现的次数,P(A, B) 表示 A 和 B 同时出现的概率,N是总样本数;A表示风险代码片段,B表示特定漏洞模式;P(A | B) 表示在 B 出现的情况下,A 出现的概率,P(A, B) 是 A 和 B 同时出现的概率,P(B) 是 B 出现的概率。
其中,功能类别划分如下类别:交易设置类别、交易验证类别、交易执行类别、交易记录与审计类别。
本申请所提供的技术方案的这种划分方式可以帮助我们更好地理解和监控交易型智能合约的风险,因为每种功能类别可能会有其特定的风险模式。例如,交易验证类别可能存在验证逻辑漏洞的风险,而交易执行类别可能存在资产错误转移的风险。通过统计分析这些风险代码片段与特定功能类别的关系,我们可以更精确地评估和预防这些风险。
步骤65包括如下步骤:
步骤651:选择合适的特征,包括从AST中提取的特征、风险关联特征;
步骤652:模型训练:利用选择的算法和特征进行模型训练,调整模型参数以获得最佳的预测性能;
其中,用于预先的预测模型的损失函数为:
;
其中,J(w)是损失函数,表示模型预测与实际结果之间的差异。m,是训练样本的数量,i表示正在处理的是第i个训练样本,yi表示真实的标签值,xi是第i个样本的特征向量,ω是模型的权重参数,λ是正则化系数,||ω||2这是权重参数ω的L2范数的平方,它作为正则化项出现在损失函数中。
本申请所提供的方案中,损失函数的第一部分(交叉熵损失)衡量模型预测的准确性:如果模型的预测分数与真实标签一致,则损失值较小;如果预测分数与真实标签差距较大,则损失值较大。第二部分(L2正则化项)用于防止模型过拟合:如果权重参数ω的L2范数较大,则损失值会增加,因此模型会选择较小的权重参数,以降低过拟合的风险。
作为本申请的第三个方面,本申请的一些实施例提供了一种多平台的订单核销验证的***,包括签约平台和合约平台,合约平台和签约平台共同组成区块链网络;并按前述的多平台的订单核销验证的方法来核销订单。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请,并不构成对本申请的不当限定。
另外,贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
在附图中:
图1为多平台的订单核销验证的方法的流程图。
图2为多平台的订单核销验证的***的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现, 而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开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公开。
参照图1:一种多平台的订单核销验证的方法包括:初始化阶段:若干个合约平台和签约平台共同提供至少一个服务器以组成区块链网络。
初始化阶段包括如下步骤:
步骤11:签约平台下辖有m个合约平台,分别为M1、M2、…Mj…Mm,其中,第j个合约平台为Mj,每个合约平台和签约平台均至少提供一个服务器,以组成区块链网络。
合约平台和签约平台实质上由不同的公司所运营的。所以,步骤11中,每个平台提供一个服务器,实质上就是每个平台所代表的公司,出资提供一个服务器,用于建设区块链网络。该区块链网络建立之后,为联盟区块链网络,属于一个较为封闭的区块链网络,只有对应成员,或者说受到成员授权的访问者才能够访问区块链网络上的信息,也就是合约平台和签约平台通过自身所提供的服务器才能够访问区块链网络。
步骤12:签约平台预先配置加密算法和哈希算法,并将加密算法和哈希算法广播至区块链网络中。
加密算法可以是椭圆算法,或者RAN算法。具体的设置方式这里不再赘述。哈希算法,主要是用于计算哈希值,在规定了哈希算法的情况下,能够让哈希值与对应的文件实现一一对应。
步骤13:签约平台根据加密算法生成一对公私钥对(Pe,Pu),其中Pe为私钥,Pu为公钥;每个合约平台分别生成一个公私钥对(MjHe,MjHu),其中MjHe为私钥,MjHu为公钥。
公私钥对的生成方法为预先配置,也就是步骤12中所设置的加密算法。在设置了公私钥对之后,可以通过公钥和私钥的方式来确定,文件的发送方,以及问价的隐秘性。
合约签订阶段:用户向任意一个平台发送合约签订请求,合约签订平台根据合约签订请求生成合约文件,并将合约文件发送至用户,用户对合约文件确定之后,生成意愿文件、支付信息,然后将意愿文件、合约文件,以及支付信息发送至签约平台,同时将意愿文件、支付信息,以及合约文件发送至智能合约平台。
合约签订阶段包括如下步骤:
步骤21:签约平台下辖有k个用户,分别为U1、U2、…Ui、…Uk,Ui表示第i个用户。
签约平台与多个合约平台组合在一起,以形成了一个具有多平台的自动完成订单核销的平台。所以,这些合约平台的用户,在一定程度上,可以算作签约平台的用户。本方案中,为了便于理解直接将用户定义为合约平台的用户。在一个用户,与多个合约平台签订服务的情况下,将该用户理解为多个用户。例如,A在合约平台、合约平台2,以及合约平台3上均开设有账户1、账户2,以及账户3,这3个账户虽然实际上都属于A,但是应当将账户1、账户2,以及账户3分别当做一个用户来看待。
步骤22:Ui向Mj发送合约签订请求,Mj根据合约签订请求生成合约文件,合约文件至少包括合约条款和扣款方式。
步骤22中,扣款方式包括以时间为节点扣款和以触发条件为节点扣款。
步骤23:Mj将合约文件发送至Ui,Ui对合约文件进行验证,验证通过之后生成意愿文件;Ui将意愿文件和合约文件发送给Mj;然后,计算意愿文件和合约文件的哈希值,然后将意愿文件的哈希值、合约文件的哈希值,以及支付信息用Pu加密为第一秘钥文件后,发送给签约平台。
其中,意愿文件为用户在确定合约文件过程中,衍生出的,用于证明用户已经确定了合约文件中内容无误的信息。例如,用户的数字签名,或者用户阅读合约文件的视频信息。
合约验证阶段:合约平台在收到意愿文件和合约文件之后,对意愿文件进行核验,核验成功之后,生成智能合约,然后将智能合约、意愿文件,以及合约文件发送至签约平台;签约平台根据合约平台和用户发送的相同的合约文件和意愿文件,确定合约文件和意愿文件的真实性,然后运行智能合约,并将智能合约上传到区块链网络上。
合约验证阶段包括如下步骤:
步骤31:Mj接收意愿文件和合约文件,Mj对意愿文件进行核查,确定Ui签订合约的真实意愿。
步骤32:Mj对接收的合约文件进行核查,判断合约文件中的合约条款和扣款方式是否被篡改;如果没有篡改,Mj根据合约文件生成智能合约Kji和扣款文件,然后Mj将合约文件的哈希值、意愿文件的哈希值、智能合约Kji,以及扣款文件用Pu加密为第二秘钥文件后,发送给签约平台。
步骤32中,为了保证智能合约Kji、扣款文件的来源,还需要用Mj的MjHe对智能合约Kji和扣款文件进行第一次加密。
步骤33:签约平台分别解密第一秘钥文件和第二秘钥文件,对第一秘钥文件和第二秘钥文件中的意愿文件的哈希值、合约文件的哈希值,以及扣款文件进行对比,如果相同,则将智能合约、意愿文件的哈希值,以及合约文件哈希值上传到区块链网络中,同时运行智能合约;同时,分别用Pe生成合约签订成功的授权文件,然后将授权文件分别发送至,Mj和Ui。授权文件至少包括智能合约和扣款文件。
在将第二秘钥解密之后,对于智能合约Kji和扣款文件还需要用MjHu解密,以证明其来源。
合约执行阶段:签约平台中的智能合约在达到触发条件之后,生成扣款指令,然后根据扣款指令将支付信息发送给金融***,由金融***根据支付信息来划分资金;同时,将交易数据上传至区块链网络。
合约执行阶段包括如下步骤:
步骤41:签约平台根据扣款文件确定扣款指令的触发条件;其中,当触发条件与时间相关时,以签约平台的时间为准,产生扣款指令;当触发条件与条件节点相关时,由用户和合约平台提供相同的指令文件为准,而产生扣款指令。
步骤41中,当触发条件与条件节点相关时,合约平台向签约平台发送指令文件,签约平台在收到指令文件后,向用户发送扣款通知,在预设之间内未收到拒绝扣款的情况下,签约平台生成扣款指令。
步骤42:签约平台根据扣款指令运行智能合约,进而通过支付信息完成用户在金融***上的资金划扣,同时将交易数据上传到区块链网络中。
交易验证阶段:根据区块链网络上储存的交易数据,以及意愿文件和合约文件对每笔交易进行验证。
交易验证阶段包括如下步骤:
步骤51:签约平台根据用户发送的验证请求,找到区块链网络中对应的交易数据;
步骤52:根据区块链网络中对应的交易数据寻找到产生扣款项目的智能合约;
步骤53:对触发智能合约的扣款指令进行审查,如果扣款指令正确,但是金融数额不正确,则审查智能合约;
步骤54:如果智能合约审查通过,金融数据对不上,则继续根据区块链网络上的合约文件的哈希值,让Mj和Ui提供分别提供能够符合区块链网络中记载的哈希值的合约文件,以完成最终的核验。
一种多平台的订单核销验证的方法还包括智能合约监测阶段,包括如下步骤:
步骤61:签约平台收集预先被定义为恶意智能合约和非恶意智能合约的源代码,并对这些源代码进行预处理,将源代码分解为标识符和操作符。
签约平台收集了大量的合约平台上传到区块链网络中的智能合约,所以只需要在合约稳定的运行了设定的时间之后,如果没有出现问题,或者说争议,就可以将其作为非恶意智能合约,而相应的运行之后,出现争议的合约则作为恶意智能合约。
步骤61中:对收集到的源代码进行清洗,移除注释、空格,以及特殊字符,最后对进行标准化处理。
步骤62:提取源代码中的语法信息。
具体的,步骤62包括如下步骤:
步骤621:利用特定的分词工具对源代码进行分词处理,将代码拆分为一系列的标识符和操作符。
步骤621中,特定的分词工具与智能合约的编程语言有关系。在源代码处理领域,一些常见的分词工具包括词法分析器(Lexer)和相应的解析库。
步骤622:利用专门的工具(如ANTLR、Eclipse JDT等)生成源代码的抽象语法树(AST);遍历AST,从中提取与语法相关的特征;例如函数调用结构、变量声明位置、语句嵌套层次等。这些特征能够很好地表示代码的语法结构和组织形式。
步骤623:利用词嵌入技术(如Word2Vec、GloVe等),将源代码中的标识符映射为稠密向量。这些向量在大规模的语料库上预训练,能够捕获标识符之间的语义相似性和关联性。
步骤63:将源代码转化为抽象语法树(AST),利用已知的安全漏洞模式,通过正则表达式或子图匹配技术在AST中进行搜索,如果某部分的AST与漏洞模式匹配,标记这部分代码为潜在风险区域,反之就是安全区域。
步骤64:统计分析的目标是理解风险代码片段与不同功能类别之间的关系。
步骤641:据功能类别对识别出的风险代码片段进行分类;
步骤642:析不同功能类别的风险代码片段与特定漏洞模式的共现关系,这可以通过计算它们之间的共现频率、条件概率;
其中,共现频率公式:;
条件概率公式为:,其中,中N(A,B)是A和B同时出现的次数,P(A,B) 表示 A 和 B 同时出现的概率,N是总样本数;A表示风险代码片段,B表示特定漏洞模式;P(A | B) 表示在 B 出现的情况下,A 出现的概率,P(A, B) 是 A 和 B 同时出现的概率,P(B) 是 B 出现的概率。
其中,功能类别划分:
交易设置类别:这类合约代码负责初始化交易参数,如交易双方的身份,交易的资产类型,交易的定期时间等。
交易验证类别:验证交易的有效性和合法性,例如验证交易双方是否有权限进行交易,交易的资产是否足够等。
交易执行类别:在定期时间点,负责执行已经验证的交易,包括资产的转移、双方账户的更新等。
交易记录与审计类别:存储和记录每笔交易的信息,提供交易的历史记录和审计功能。
步骤65:基于上述的特征和风险关联信息,训练出预测模型。
步骤651:选择合适的特征,包括从AST中提取的特征、风险关联特征。
步骤652:模型训练:利用选择的算法和特征进行模型训练,调整模型参数以获得最佳的预测性能;
其中,用于预先的预测模型的损失函数为:
;
其中,J(w)是损失函数,表示模型预测与实际结果之间的差异。
m,是训练样本的数量。它作为分母出现,是为了对损失函数进行平均,使得损失值不依赖于训练样本的数量。
i:这是求和符号下的一个索引,表示我们正在处理的是第i个训练样本。
yi: 这是真实的标签值,对于二元分类问题,它通常是0或1。
xi: 这是第i个样本的特征向量。它乘以权重参数w,得到模型对该样本的预测分数。
ω: 这是模型的权重参数。我们希望通过优化算法找到最佳的ω值,使得损失函数J(w)最小。
λ: 这是正则化系数,用于防止模型过拟合。如果λ设置得较大,模型将更倾向于选择较小的权重,以降低过拟合的风险。
||ω||2: 这是权重参数ω的L2范数的平方,它作为正则化项出现在损失函数中。
步骤65中,描述了利用逻辑回归建立了预测模型,预测模型的具体训练方式这里不再论述,大致方案就是划分训练数据集和验证数据集,对模型进行训练和验证。大致可以总结为如下过程:
设定逻辑回归模型:设定逻辑回归模型的参数,包括权重和偏置。
计算损失:利用上述逻辑回归的损失函数公式,计算当前模型参数下的损失值。
梯度下降:利用梯度下降或其他优化算法,调整模型参数以最小化损失函数。这一步通常迭代多次,直到损失值收敛或达到预设的迭代次数。
正则化:为了防止过拟合,可以使用L1或L2正则化对模型进行约束。
评估和调优:使用交叉验证、调整正则化系数等方法进行模型评估和调优。
本方案中,之所以选择逻辑回归模型,是因为签约平台中记载的智能合约的类型比较单一,都是交易双方的付款合约,所以更多的是注重对于预测模型的可解释性。
步骤66:利用预测模型对智能合约的风险进行预测。
实施例2:一种多平台的订单核销验证的***,包括签约平台和合约平台,合约平台和签约平台共同组成区块链网络;并按照前述的多平台的订单核销验证的方法来核销订单。
以上描述仅为本公开的一些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,本公开的实施例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上述发明构思的情况下,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。例如上述特征与本公开的实施例中公开的(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 (10)
1.一种多平台的订单核销验证的方法,其特征在于,包括:
初始化阶段:若干个合约平台和签约平台共同提供至少一个服务器以组成区块链网络;
合约签订阶段:用户向任意一个平台发送合约签订请求,合约签订平台根据合约签订请求生成合约文件,并将合约文件发送至用户,用户对合约文件确定之后,生成意愿文件、支付信息,然后将意愿文件、合约文件,以及支付信息发送至签约平台,同时将意愿文件、支付信息,以及合约文件发送至智能合约平台;
合约验证阶段:合约平台在收到意愿文件和合约文件之后,对意愿文件进行核验,核验成功之后,生成智能合约,然后将智能合约、意愿文件,以及合约文件发送至签约平台;签约平台根据合约平台和用户发送的相同的合约文件和意愿文件,确定合约文件和意愿文件的真实性,然后运行智能合约,并将智能合约上传到区块链网络上;
合约执行阶段:签约平台中的智能合约在达到触发条件之后,生成扣款指令,然后根据扣款指令将支付信息发送给金融***,由金融***根据支付信息来划分资金;同时,将交易数据上传至区块链网络;
交易验证阶段:根据区块链网络上储存的交易数据,以及意愿文件和合约文件对每笔交易进行验证。
2.根据权利要求1所述的多平台的订单核销验证的方法,其特征在于:初始化阶段包括如下步骤:
步骤11:签约平台下辖有m个合约平台,分别为M1、M2、…Mj…Mm,其中,第j个合约平台为Mj,每个合约平台和签约平台均至少提供一个服务器,以组成区块链网络;
步骤12:签约平台预先配置加密算法和哈希算法,并将加密算法和哈希算法广播至区块链网络中;
步骤13:签约平台根据加密算法生成一对公私钥对(Pe,Pu),其中Pe为私钥,Pu为公钥;每个合约平台分别生成一个公私钥对(MjHe,MjHu),其中MjHe为私钥,MjHu为公钥。
3.根据权利要求2所述的多平台的订单核销验证的方法,其特征在于:合约签订阶段包括如下步骤:
步骤21:签约平台下辖有k个用户,分别为U1、U2、…Ui、…Uk,Ui表示第i个用户;
步骤22:Ui向Mj发送合约签订请求,Mj根据合约签订请求生成合约文件,合约文件至少包括合约条款和扣款方式;
步骤23:Mj将合约文件发送至Ui,Ui对合约文件进行验证,验证通过之后生成意愿文件;Ui将意愿文件和合约文件发送给Mj;然后,计算意愿文件和合约文件的哈希值,然后将意愿文件的哈希值、合约文件的哈希值,以及支付信息用Pu加密为第一秘钥文件后,发送给签约平台。
4.根据权利要求3所述的多平台的订单核销验证的方法,其特征在于:步骤22中,扣款方式包括以时间为节点扣款和以触发条件为节点扣款。
5.根据权利要求3所述的多平台的订单核销验证的方法,其特征在于:合约验证阶段包括如下步骤:
步骤31:Mj接收意愿文件和合约文件,Mj对意愿文件进行核查,确定Ui签订合约的真实意愿;
步骤32:Mj对接收的合约文件进行核查,判断合约文件中的合约条款和扣款方式是否被篡改;如果没有篡改,Mj根据合约文件生成智能合约Kji和扣款文件,然后Mj将合约文件的哈希值、意愿文件的哈希值、智能合约Kji,以及扣款文件用Pu加密为第二秘钥文件后,发送给签约平台;
步骤33:签约平台分别解密第一秘钥文件和第二秘钥文件,对第一秘钥文件和第二秘钥文件中的意愿文件的哈希值、合约文件的哈希值,以及扣款文件进行对比,如果相同,则将智能合约、意愿文件的哈希值,以及合约文件哈希值上传到区块链网络中,同时运行智能合约;同时,分别用Pe生成合约签订成功的授权文件,然后将授权文件分别发送至,Mj和Ui。
6.根据权利要求5所述的多平台的订单核销验证的方法,其特征在于:授权文件至少包括智能合约和扣款文件。
7.根据权利要求6所述的多平台的订单核销验证的方法,其特征在于:合约执行阶段包括如下步骤:
步骤41:签约平台根据扣款文件确定扣款指令的触发条件;其中,当触发条件与时间相关时,以签约平台的时间为准,产生扣款指令;当触发条件与条件节点相关时,由用户和合约平台提供相同的指令文件为准,而产生扣款指令;
步骤42:签约平台根据扣款指令运行智能合约,进而通过支付信息完成用户在金融***上的资金划扣,同时将交易数据上传到区块链网络中。
8.根据权利要求7所述的多平台的订单核销验证的方法,其特征在于:步骤41中,当触发条件与条件节点相关时,合约平台向签约平台发送指令文件,签约平台在收到指令文件后,向用户发送扣款通知,在预设之间内未收到拒绝扣款的情况下,签约平台生成扣款指令。
9.根据权利要求7所述的多平台的订单核销验证的方法,其特征在于:交易验证阶段包括如下步骤:
步骤51:签约平台根据用户发送的验证请求,找到区块链网络中对应的交易数据;
步骤52:根据区块链网络中对应的交易数据寻找到产生扣款项目的智能合约;
步骤53:对触发智能合约的扣款指令进行审查,如果扣款指令正确,但是金融数额不正确,则审查智能合约;
步骤54:如果智能合约审查通过,金融数据对不上,则继续根据区块链网络上的合约文件的哈希值,让Mj和Ui提供分别提供能够符合区块链网络中记载的哈希值的合约文件,以完成最终的核验。
10.一种多平台的订单核销验证的***,其特征在于,包括签约平台和合约平台,合约平台和签约平台共同组成区块链网络;并按照权利要求1~9中任一项所述的多平台的订单核销验证的方法来核销订单。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311670390.9A CN117372050B (zh) | 2023-12-07 | 2023-12-07 | 多平台的订单核销验证的方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311670390.9A CN117372050B (zh) | 2023-12-07 | 2023-12-07 | 多平台的订单核销验证的方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117372050A true CN117372050A (zh) | 2024-01-09 |
CN117372050B CN117372050B (zh) | 2024-02-20 |
Family
ID=89406301
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311670390.9A Active CN117372050B (zh) | 2023-12-07 | 2023-12-07 | 多平台的订单核销验证的方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117372050B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377198A (zh) * | 2018-12-24 | 2019-02-22 | 上海金融期货信息技术有限公司 | 一种基于联盟链多方共识的签约*** |
CN110941857A (zh) * | 2019-12-12 | 2020-03-31 | 合肥都市链情商务有限公司 | 一种区块链智能合约平台的隐私管理***及其方法 |
CN112487778A (zh) * | 2020-11-16 | 2021-03-12 | 中信银行股份有限公司 | 多用户在线签约***及方法 |
US20210342844A1 (en) * | 2020-08-18 | 2021-11-04 | Alipay (Hangzhou) Information Technology Co., Ltd. | Methods, apparatuses, and devices for verifying authenticity of cross-border transactions |
CN114266681A (zh) * | 2021-12-23 | 2022-04-01 | 杭州时戳信息科技有限公司 | 电子合同签署方法、***、存储介质及计算设备 |
CN114491436A (zh) * | 2021-12-24 | 2022-05-13 | 彩讯科技股份有限公司 | 一种合约签订方法、装置、电子设备及存储介质 |
CN115664867A (zh) * | 2022-12-27 | 2023-01-31 | 成都天府通数字科技有限公司 | 基于第三方认证的电子合约签署装置和方法 |
CN115688191A (zh) * | 2022-08-29 | 2023-02-03 | 北京航空航天大学 | 一种基于区块链的电子签章***及方法 |
CN115953244A (zh) * | 2022-12-28 | 2023-04-11 | 中国人民银行数字货币研究所 | 基于区块链的交易监管方法、装置、电子设备和存储介质 |
WO2023091082A1 (en) * | 2021-11-16 | 2023-05-25 | Dbs Bank Ltd. | Methods and systems for transaction processing using a blockchain |
CN116402605A (zh) * | 2023-03-03 | 2023-07-07 | 华南理工大学 | 基于区块链的用户定义网络的签约交易***及其交互方法 |
CN116579890A (zh) * | 2023-04-13 | 2023-08-11 | 中国银行股份有限公司 | 基于区块链的在线签约*** |
CN116703389A (zh) * | 2023-06-02 | 2023-09-05 | 中国工商银行股份有限公司 | 基于区块链的预付卡交易方法及其装置、电子设备 |
CN116739596A (zh) * | 2023-04-28 | 2023-09-12 | 中国工商银行股份有限公司 | 基于区块链的交易监管方法、装置、设备、介质和产品 |
CN117009943A (zh) * | 2023-06-30 | 2023-11-07 | 厦门历思科技服务有限公司 | 合约多方授权签署过程信息采集保全与固定方法、***、电子设备及存储介质 |
-
2023
- 2023-12-07 CN CN202311670390.9A patent/CN117372050B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377198A (zh) * | 2018-12-24 | 2019-02-22 | 上海金融期货信息技术有限公司 | 一种基于联盟链多方共识的签约*** |
CN110941857A (zh) * | 2019-12-12 | 2020-03-31 | 合肥都市链情商务有限公司 | 一种区块链智能合约平台的隐私管理***及其方法 |
US20210342844A1 (en) * | 2020-08-18 | 2021-11-04 | Alipay (Hangzhou) Information Technology Co., Ltd. | Methods, apparatuses, and devices for verifying authenticity of cross-border transactions |
CN112487778A (zh) * | 2020-11-16 | 2021-03-12 | 中信银行股份有限公司 | 多用户在线签约***及方法 |
WO2023091082A1 (en) * | 2021-11-16 | 2023-05-25 | Dbs Bank Ltd. | Methods and systems for transaction processing using a blockchain |
CN114266681A (zh) * | 2021-12-23 | 2022-04-01 | 杭州时戳信息科技有限公司 | 电子合同签署方法、***、存储介质及计算设备 |
CN114491436A (zh) * | 2021-12-24 | 2022-05-13 | 彩讯科技股份有限公司 | 一种合约签订方法、装置、电子设备及存储介质 |
CN115688191A (zh) * | 2022-08-29 | 2023-02-03 | 北京航空航天大学 | 一种基于区块链的电子签章***及方法 |
CN115664867A (zh) * | 2022-12-27 | 2023-01-31 | 成都天府通数字科技有限公司 | 基于第三方认证的电子合约签署装置和方法 |
CN115953244A (zh) * | 2022-12-28 | 2023-04-11 | 中国人民银行数字货币研究所 | 基于区块链的交易监管方法、装置、电子设备和存储介质 |
CN116402605A (zh) * | 2023-03-03 | 2023-07-07 | 华南理工大学 | 基于区块链的用户定义网络的签约交易***及其交互方法 |
CN116579890A (zh) * | 2023-04-13 | 2023-08-11 | 中国银行股份有限公司 | 基于区块链的在线签约*** |
CN116739596A (zh) * | 2023-04-28 | 2023-09-12 | 中国工商银行股份有限公司 | 基于区块链的交易监管方法、装置、设备、介质和产品 |
CN116703389A (zh) * | 2023-06-02 | 2023-09-05 | 中国工商银行股份有限公司 | 基于区块链的预付卡交易方法及其装置、电子设备 |
CN117009943A (zh) * | 2023-06-30 | 2023-11-07 | 厦门历思科技服务有限公司 | 合约多方授权签署过程信息采集保全与固定方法、***、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
KAICHENG YANG ETAL: "A Blockchain-based Scalable Electronic Contract Signing System", 《022 IEEE INTERNATIONAL CONFERENCES ON INTERNET OF THINGS (ITHINGS) AND IEEE GREEN COMPUTING & COMMUNICATIONS (GREENCOM) AND IEEE CYBER, PHYSICAL & SOCIAL COMPUTING (CPSCOM) AND IEEE SMART DATA (SMARTDATA) AND IEEE CONGRESS ON CYBERMATICS (CYBERMATIC, pages 343 - 348 * |
皮珊等: "区块链智能合约在应收账款管理中的应用研究", 《湖南财政经济学院学报》, vol. 39, no. 03, pages 98 - 106 * |
Also Published As
Publication number | Publication date |
---|---|
CN117372050B (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11526614B2 (en) | Continuous vulnerability management system for blockchain smart contract based digital asset using sandbox and artificial intelligence | |
CN109347801B (zh) | 一种基于多源词嵌入和知识图谱的漏洞利用风险评估方法 | |
Zhou et al. | Spi: Automated identification of security patches via commits | |
US7693767B2 (en) | Method for generating predictive models for a business problem via supervised learning | |
CN109074563A (zh) | 区块链***内的基于代理的图灵完备交易集成反馈 | |
AU2021353095A1 (en) | Predicting data tampering using augmented machine learning models | |
US20200143242A1 (en) | System and method for creating and providing crime intelligence based on crowdsourced information stored on a blockchain | |
CN116361815B (zh) | 基于机器学习的代码敏感信息及硬编码检测方法及装置 | |
KR102259838B1 (ko) | 암호화폐 블랙리스트 구축 장치 및 방법 | |
CN108846292B (zh) | 脱敏规则生成方法及装置 | |
CN116150349A (zh) | 一种数据产品安全合规性检查方法、装置及服务器 | |
Diadiushkin et al. | Fraud detection in payments transactions: Overview of existing approaches and usage for instant payments | |
CN110929525A (zh) | 一种网贷风险行为分析检测方法、装置、设备和存储介质 | |
CN113505393A (zh) | 应用于大数据的区块链支付数据处理方法及云服务器 | |
CN117592092B (zh) | 一种数据库内容的保密检查方法及*** | |
CN111797942A (zh) | 用户信息的分类方法及装置、计算机设备、存储介质 | |
Elgohary et al. | Improving uncertainty in chain of custody for image forensics investigation applications | |
Alsaif | Machine Learning‐Based Ransomware Classification of Bitcoin Transactions | |
Tubino et al. | Towards a better identification of Bitcoin actors by supervised learning | |
CN117372050B (zh) | 多平台的订单核销验证的方法和*** | |
Gehrmann et al. | Metadata filtering for user-friendly centralized biometric authentication | |
CN110457009B (zh) | 基于数据分析的软件安全需求推荐模型的实现方法 | |
El-Abed et al. | Towards the security evaluation of biometric authentication systems | |
CN113269179B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN114996348A (zh) | 一种用户画像生成方法、装置、电子设备及存储介质 |
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 |