[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

说明书

本发明提供一种用于区块链事务异常检测的有用工作量证明方法及系统，结合区块链大数据量的特性和深度学习技术，解决区块链工作量证明机制的资源浪费问题，并通过事务异常检测的方式感知区块链网络遭受的安全攻击；该方法通过将事务异常检测神经网络的训练和验证的任务作为有用工作量证明，分发到区块链的结点上，使整个区块链共同维护一个异常检测网络，并利用该网络检测事务的合法性，实现区块链网络的实时安全检测。

技术领域

本发明涉及区块链技术领域，更具体的，涉及一种用于区块链事务异常检测的有用工作量证明方法及系统。

背景技术

有用工作量证明(Proof of Useful Work，PoUW)是一种解决区块链中存在资源浪费而没有过多收益问题的工作量证明机制替代方案。工作量证明被用于在区块链中提高结点产生区块的难度，致使恶意结点即使能够通过公平地竞争产生攻击区块也将得不偿失，从而提高区块链的安全性。传统区块链的工作量证明，如比特币，使用了暴力破解哈希值的方式来证明结点工作量，这将导致整个区块链的结点在共同、反复地计算着一个无意义的哈希难题，造成电力算力等资源的浪费。

区块链发展早期，有学者提出一些PoW的替代方案，如PoS，DPoS、PBFT，它们往往在高安全性、强一致性、强可扩展性、高效率和资源节约等共识机制的要求中某些方面表现不佳。同时，区块链本身作为一个存储大量数据的分布式数据库，海量信息数据和状态数据为区块链结点间共享，如何充分利用这个大型分布式数据库也是发挥区块链系统结构优势的一个关键点。

为此，有学者提出提出“应用深度学习的区块链”(Baldominos A,Yago Sáez.Coin.AI:AProof-of-Useful-Work Scheme for Blockchain-Based Distributed DeepLearning[J].Entropy,2019,21(8):723.)。Coin.AI展示了一个在区块链上训练神经网络的框架，它包含两个主要部分：执行神经网络模型交付的可用工作量证明、字符串语法到模型结构的映射方式。该方案提供了如何构建基于区块链的分布式深度学习系统实用思路。

有学者提出基于区块链的隐私保护深度学习(Zhu X,Li H,Yu Y.Blockchain-Based Privacy Preserving Deep Learning[C]//International Conference onInformation Security and Cryptology.Springer,Cham,2018.)。该方案充分发挥区块链去中心化优势，采用上传神经网络更新权重的方式，在区块链网络上训练深度学习模型，提供了一个小批量的分布式深度学习训练方法。

Anita等人在对区块链网络攻击的调查研究(Anita N,VijayalakshmiM.Blockchain Security Attack:A Brief Survey[C]//2019 10th InternationalConference on Computing,Communication and Networking Technologies(ICCCNT).2019.)中将区块链安全攻击分为7个类别：基于哈希的攻击、集中攻击、流量攻击、网络级攻击、注入攻击、完整性攻击、私钥泄露攻击。尽管区块链安全攻击多种多样，但从统计的角度来看，攻击行为模式与合法的行为模式间有很大的偏差。因此，结合区块链网络中日志、事务数据、状态等信息和深度学习技术建立针对区块链网络安全攻击的异常检测模型是可行的。