[发明专利]一种区块链投票场景中可信节点度量方法

摘要

本发明公开了一种区块链投票场景中可信节点度量方法，涉及区块链技术领域。本发明定义了一套区块链场景下的可信度量指标，以适配到区块链应用场景。本发明基于动态贝叶斯网络提出一种可信中心选择方案，是一种与时间因素关联的可信度量模型，引入了历史交互窗目、时效因子和惩罚因子，将直接可信度和间接可信度进行聚合，形成一套动态自适应的可信度量方案。本发明通过计算出实体的综合可信度并判断当降低到一定阀值时，可以认定当前可信中心已经不再可信，并将度量结果进行实时反馈，以在保证节点可信的基础上，缩减计算复杂度。

主权项

1.一种区块链投票场景中可信节点度量方法，首先，定义以下相关数学概念：(1)设集合C＝{c_i|i∈N*，1≤i≤n}代表网络节点集合，对于当前节点c，若且c≠c_i，存在交互关系r_i，使得r_i(c，c_i)不为空，则集合R＝{r₁，r₂，...，r_n}为本地关系库；(2)对于本地关系库R＝{r₁，r₂，...，r_n}，若存在关系窗口w，使得R_w＝{r_n‑w，r_n‑w‑1，...，r_n}为目标实体的可信度量依据，则w为有效关系窗口；(3)对于有效关系窗口w，在t时刻，其有效关系窗口相应的上下文条件为W(w，t)；(4)对于n个可信等级，当前网络中可信度集合L＝{l₁，l₂，...，l_n}，且满足当i＜j时，l_i＜l_j，l值越大，代表可信度越高；(5)设定X＝(x₁[t]，x₂[t]，...x_n[t]}为时刻t各个实体的属性集，x[t]代表某一时刻任一实体的随机变量x_i[t]，假定事件发生序列是在离散时刻发生，且实体属性变化过程满足马尔科夫链模型，则P(x[t+1]|x[0]，...x[t])＝P(x[t+1]|x[t])，且其构建的网络为动态贝叶斯网络；(6)定义两个网络分别为先验网络N_O和转移网络N，其中N_O为x[0]时分布，N为时间序列上转移概率P(x[t+1]|x[t])；然后，定义可信中心度量指标，用于后续的实体可信性度量，所述可信中心度量指标包括静态度量指标和动态度量指标，所述静态度量指标包括操作系统的完整性、安全防护功能、物理硬件性能，动态度量指标包括挖矿效率、异常连接行为、节点可靠性；所述一种区块链投票场景中可信节点度量方法，其特征在于，包括以下步骤：S01：新节点加入区块链网络；S02：初始化度量模块，生成服务器和可信节点的公钥和私钥，生成服务器的公开参数和服务器的公开算法；S03：计算出直接可信度；S04：计算出间接可信度；S05：计算出综合可信度：S06：判断在t‑1和t时刻，第n个实体的上下文条件是否有变化；若否，则综合可信度衰减；若是，则进入下一步骤；S07：对直接可信度和间接可信度，优先考虑直接可信度；S08：判断综合可信度增量是否为负；若否，则综合可信度保持不变；若是，则进入下一步骤；S09：对综合可信度进行惩罚；S10：判断综合可信度是否降低到可信阈值以下；若否，则综合可信度保持不变，并结束运算；若是，则进入下一步骤；S11：认定当前可信中心不再可信，实时反馈度量结果，并将该节点剔除可信节点集，并返回至步骤S02开始重新选择新的可信中心。