基于图门控循环神经网络的区块链钓鱼节点身份识别方法

    公开(公告)号:CN117335954A

    公开(公告)日:2024-01-02

    申请号:CN202311264265.8

    申请日:2023-09-27

    Applicant: 吉林大学

    Abstract: 本发明适用于区块链技术领域,提供了基于图门控循环神经网络的区块链钓鱼节点身份识别方法,包括以下步骤:将区块链原始交易数据构建成动态交易图;采用GRU模块提取动态交易图中的时间信息,使用一个时间片段的交易图Gt作为单个时间点的输入,耦合图卷积操作进行特征提取,GRU模块最终输出HT;Output模块应用平均池化操作计算整个图的特征表示HG,利用全连接层计算预测标签并将交叉熵损失函数作为训练目标。本发明引入了学习图数据结构拓扑信息的功能,且保留了循环神经网络原有的提取时间信息的能力,可以充分利用时空信息学习节点的交易行为模式,提高了钓鱼节点身份识别算法的准确率,提升了任务的识别效率。

    具有数据验证功能的动物个体溯源共识方法

    公开(公告)号:CN115660696A

    公开(公告)日:2023-01-31

    申请号:CN202110766004.0

    申请日:2021-07-07

    Abstract: 本发明公开了一种具有数据验证功能的动物个体溯源共识方法,属于区块链共识技术领域。本发明通过基于XGboost算法的时间序列模型与数据验证算法验证养殖数据测量值,并加入异常处理机制,对异常来源进行判断,及时对异常的物联网设备或动物个体进行检查;根据计算节点优先系数,确定领导者节点,领导者节点打包区块并发起出块验证;最后根据出块验证信息,计算节点通过实用拜占庭容错算法反馈区块验证结果,验证通过的区块被写入主链中。对比传统养殖数据维护系统,本发明的创新点为通过基于XGboost算法的数据验证、异常处理机制、节点优先系数竞争模式和实用拜占庭容错算法的多重验证机制,确保养殖数据维护的安全性与准确性并提高了养殖系统的自动化程度。

Patent Agency Ranking