[发明专利]一种基于人工智能和区块链技术EOS.IO的DPOS分叉预测模型方法

权利要求书

1.一种基于人工智能和区块链技术EOS.IO的DPOS分叉预测模型方法，其特征在于，所述方法的具体步骤如下：

S1、获取EOS.IO软件中可能使DPOS发生分叉的所有因素；

S2、对获取的信息进行模式识别处理；

S3、构建与函数相关的区块链DPOS分叉特征集，包括节点丢失的信息、最近的参与率、出块者产生区块的时间以及其他因素；

S4、采用深度学习的方法预测区块链DPOS分叉模型，形成策略；

S5、预测出现分叉后立即警告区块操作者。

2.根据权利要求书1所诉的一种基于人工智能和区块链技术EOS.IO的DPOS分叉预测模型方法，其特征在于，所述步骤S1的具体步骤如下：

S1.1、采用人工智能中深度优先搜索算法找到EOS.IO软件中可能使DPOS发生分叉的所有因素；

S1.2、深度优先搜索算法如下：

S1.2.1、把起始节点S放到未扩展节点OPEN表中，如果此节点为一目标节点，则得到一个解；

S1.2.2、如果OPEN为一空表，则失败退出；

S1.2.3、把节点n从OPEN表移到CLOSED表，其中节点n包括第一个节点；

S1.2.4、如果节点n的深度等于最大深度，则执行步骤S1.2.2；

S1.2.5、扩展节点n，产生其余全部后裔，并把它们放入OPEN表的前头；如果没有后裔，则执行步骤S1.2.2；

S1.2.6、如果后继节点中有任何一个目标为节点，则求得一个解；否则，执行步骤S1.2.2。

3.根据权利要求书1所诉的一种基于人工智能和区块链技术EOS.IO的DPOS分叉预测模型方法，其特征在于，所述步骤S2的具体步骤如下：

S2.1、对步骤S1.1中找到的数据信息进行模式识别处理，包括数据采集、数据预处理、特征提取与特征选择及模式识别；

S2.1.1、所述的特征提取与特征选择的具体步骤是对数据信息进行分析，去掉对分类无效或容易造成混淆的特征因素，得到最能反映模式本质的特征；

S2.1.2、所述的模式识别的具体步骤是首先按设想的分类判决数学模型对训练样本模式进行训练，得到分类的判决规则；然后利用判决规则对待识别模式的特征进行识别，输出识别结果；最后将已识别的分类结果与已知类别的输入模式做对比，不断改进判决规则和特征选择与提取方法。

4.根据权利要求书1所诉的一种基于人工智能和区块链技术EOS.IO的DPOS分叉预测模型方法，其特征在于，所述步骤S3的具体步骤如下：

S3.1、经模式识别后，构建与函数相关的区块链DPOS分叉特征集：包括节点丢失的信息、最近的参与率、出块者产生区块的时间以及其他因素。