[发明专利]基于区块链和人工智能的信息识别方法及系统

权利要求书

1.基于区块链和人工智能的信息识别方法，其特征在于，包括步骤有：在验证节点向全节点发送验证请求的过程中，统计第一参考权数，第二参考权数和第三参考权数，当验证请求过程中全节点给验证节点返回结果后，记录全节点给验证节点返回结果的正确率，该结果的正确率即第一参考权数；

当验证请求过程中，第一轮全节点未验证通过，则由验证节点进行群签名发送给其他所有验证节点，其他节点对全节点发起新的验证，统计新的验证的正确率，该正确率即第二参考权数；

当验证请求过程中，如果由于群签名超限度导致预判全节点可能异常，则统计每一次群签名人数的数量，并设置一个标幺值的参数，由每一次群签名人数的数量的平均值与该标幺值的参数的比值作为第三参考权数；

分别为第一参考权数、第二参考权数和第三参考权数分配计算函数f₁、f₂、f₃，当群签名人数未达到阈值，则根据三个计算函数和三个参考权数计算验证节点的可参考度，由可参考度的大小判断是否选取新的验证节点。

2.根据权利要求1所述的基于区块链和人工智能的信息识别方法，其特征在于，所述可参考度T＝f₁(s₁)+f₂(s₂)+f₃(s₃)，其中s₁、s₂、s₃分别为第一参考权数、第二参考权数、第三参考权数：

f₁(s₁)＝(a₁+b₁sin(s₁))^-1；

f₂(s₂)＝(a₂+b₂cos(s₂))^-1；

f₃(s₃)＝s₃*cos(a_3*s₃)；

其中，a₁、a₂、a₃、b₁、b₂、b₃均为常数。

3.根据权利要求1所述的基于区块链和人工智能的信息识别方法，其特征在于，所述可参考度T为动态数值，T的修改方法如下：

统计一段时间内t₁到t₂期间每一轮验证中的第一参考权数，第二参考权数与第三参考权数，然后计算三种累计参数F₁，F₂与F₃；

每一轮验证后即通过线性回归计算T的增量与F₁、F₂、F₃分别的相关性，如T的增量与F₁相关性最大则修改a₁，b₁使f₁对T的影响更大；如T的增量与F₂相关性最大则修改a₂，b₂使f₂对T的影响更大；如T的增量与F₃相关性最大则修改a₃，b₃以使f₃对T的影响更大。