[发明专利]用于区块链事务异常检测的有用工作量证明方法及系统

权利要求书

1.用于区块链事务异常检测的有用工作量证明方法，其特征在于，由若干个结点执行完成，具体包括普通结点、打包结点、验证结点；具体执行步骤包括：

S1：产生新事务的普通结点向相邻的结点广播一则消息，该消息包含该事务的所有信息；接收到该消息的结点继续向其他结点转发该消息，并将该消息置入本地待处理事务池中；

S2：在本地待处理事务池中，由打包结点抽取事务列表并通过特征转换算法进行处理，生成每个事务对应的状态信息；将状态信息输入异常检测神经网络中，得到事务判别结果；

S3：根据事务判别结果构建训练数据集D并利用打包结点选择异常检测神经网络的优化方式，对异常检测神经网络进行更新优化，生成新区块并广播至其他结点；

S4：验证结点通过异常检测神经网络对接收到的新区块进行合法性验证，丢弃含异常事务的新区块，将只含合法事务的新区块按照优化方式进行性能阈值测试，若满足要求，则执行步骤S5；否则，丢弃该新区块，返回执行步骤S2；

S5：接收该新区块并进行广播；

S6：打包结点广播新数据集；

在所述步骤S3中，所述异常检测神经网络的优化方式包括更新式优化方式和覆盖式优化方式，具体为：

更新式优化方式：通过训练数据集D对现有的异常检测神经网络进行再训练，产生异常检测神经网络更新梯度信息G，接着生成更新式新区块；

覆盖式优化方式：选择异常事务列表、上一区块希值、随机数的字段信息进行拼接后输入哈希算法中，生成新区块哈希值，通过映射函数将新区块哈希值映射为新的异常检测神经网络结构，并使用训练数据集D进行训练，得到新的异常检测神经网络接着生成覆盖式新区块；

在所述步骤S4中，所述的按照优化方式进行性能阈值测试过程具体为：

当验证结点接收包含新的异常检测神经网络的覆盖式新区块时，测试性能是否满足阈值T，当满足条件，将替换异常检测神经网络当不满足时，丢弃该新区块；

当验证结点接收包含更新梯度信息G的更新式新区块时，利用更新梯度信息G对异常检测神经网络进行更新得到测试性能是否满足阈值T，当满足条件，将替换异常检测神经网络当不满足时，丢弃该新区块。

2.根据权利要求1所述的用于区块链事务异常检测的有用工作量证明方法，其特征在于，在所述步骤S2中，通过打包结点抽取最多包含n个事务的事务列表X＝{x|x₁,x₂,…,x_n}，经过特征转换算法生成关于X的状态信息S＝{s|s₁,s₂,…,s_n}；并输入异常检测神经网络输出事务判别结果Y＝{y|y₁,y₂,…,y_n}。

3.根据权利要求2所述的用于区块链事务异常检测的有用工作量证明方法，其特征在于，在所述步骤S3中，所述根据事务判别结果构建训练数据集的过程具体为：通过打包结点对事务判别结果进行标记，将Y＝{y|y₁,y₂,…,y_n}区分为异常事务数据集D₁和合法事务数据集D₂，由异常事务数据集D₁和合法事务数据集D₂组成训练数据集D。

4.根据权利要求1所述的用于区块链事务异常检测的有用工作量证明方法，其特征在于，在所述步骤S5中，若验证结点接收新区块后超出时间间隔τ未扩展新区块，则将检测阈值T减少为T'。

5.根据权利要求4所述的用于区块链事务异常检测的有用工作量证明方法，其特征在于，在所述步骤S5中，在验证结点接收新区块后，若完成新区块的扩展，则向挖掘该区块的结点发送回馈消息宣称该区块被接纳；当挖掘该区块的结点接收的回馈消息达到设定值，则向其他结点广播关于该新区块的训练样本数据集和测试集。

6.用于区块链事务异常检测的有用工作量证明系统，其特征在于，包括由若干个结点构建而成，具体包括普通结点、打包结点、验证结点；其中：

所述普通结点用于产生新事务并向相邻的结点广播一则消息，该消息包含该事务的所有信息；由其他普通结点接收该消息置入本地待处理事务池中，并继续向其他结点转发；

所述打包结点在本地待处理事务池中，对消息进行事务列表的抽取，并通过特征转换算法进行处理，生成每个事务对应的状态信息；将状态信息输入异常检测神经网络中，得到事务判别结果；接着，打包结点根据事务判别结果构建训练数据集并选择异常检测神经网络的优化方式，对异常检测神经网络进行更新优化，生成新区块并广播至其他结点；

所述验证结点通过异常检测神经网络对接收到的新区块按照所述优化方式进行合法性验证，丢弃含异常事务的新区块，对只含合法事务的新区块进行性能阈值测试，若满足要求，则接收该新区块并进行广播，否则，丢弃该新区块；

在所述打包结点中，所述异常检测神经网络的优化方式包括更新式优化方式和覆盖式优化方式，具体为：

覆盖式优化方式：选择异常事务列表、上一区块希值、随机数的字段信息进行拼接后输入哈希算法中，生成新区块哈希值，通过映射函数将新区块哈希值映射为新的异常检测神经网络结构并使用训练数据集进行训练，得到新的异常检测神经网络，接着生成覆盖式新区块；

更新式优化方式：通过训练数据集对现有的异常检测神经网络进行再训练，产生异常检测神经网络更新梯度信息，接着生成更新式新区块；

在所述验证结点中进行性能阈值测试的过程具体为：

当验证结点接收包含新的异常检测神经网络的覆盖式新区块时，测试性能是否满足阈值，当满足条件，将替换异常检测神经网络当不满足时，丢弃该新区块；

当验证结点接收包含更新梯度信息G的更新式新区块时，利用更新梯度信息G对异常检测神经网络进行更新得到测试性能是否满足阈值T，当满足条件，将替换异常检测神经网络当不满足时，丢弃该新区块。