【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于區(qū)塊鏈，具體涉及一種基于區(qū)塊鏈的交易方法。
技術(shù)介紹
1、隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，線上交易越來越普及。然而，現(xiàn)有的交易系統(tǒng)存在中心化存儲、數(shù)據(jù)安全性低以及交易效率不高等問題。區(qū)塊鏈技術(shù)作為一種去中心化的分布式賬本技術(shù)，具有數(shù)據(jù)不可篡改、透明性強等特點，為解決現(xiàn)有交易系統(tǒng)的問題提供了可能。區(qū)塊鏈是一種分布式數(shù)據(jù)庫技術(shù)，它允許網(wǎng)絡(luò)中的多個參與者在不需要中央權(quán)威機構(gòu)的情況下，進行安全、透明、不可篡改的數(shù)據(jù)交換和傳輸。在現(xiàn)有技術(shù)中，常常僅采用區(qū)塊鏈對數(shù)據(jù)進行存儲，雖然能夠有效地提高數(shù)據(jù)安全性以及實現(xiàn)去中心化，但是交易安全性得不到保證。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)提供一種基于區(qū)塊鏈的交易方法，用以解決現(xiàn)有技術(shù)中交易安全性較低的問題。
2、一種基于區(qū)塊鏈的交易方法，包括：
3、通過區(qū)塊鏈實現(xiàn)交易發(fā)起方與交易接收方之間的交易，并在交易過程中監(jiān)測實時區(qū)塊鏈交易數(shù)據(jù)；
4、獲取歷史區(qū)塊鏈交易數(shù)據(jù)集以及構(gòu)建異常交易檢測模型，并通過異常交易檢測模型對歷史區(qū)塊鏈交易數(shù)據(jù)集中的學(xué)習(xí)，得到學(xué)習(xí)之后的異常交易檢測模型；
5、采用學(xué)習(xí)之后的異常交易檢測模型對實時區(qū)塊鏈交易數(shù)據(jù)進行分析，確定異常交易檢測結(jié)果；其中，所述異常交易檢測結(jié)果包括交易存在異?；蚪灰撞淮嬖诋惓?；
6、當(dāng)所述異常交易檢測結(jié)果為交易存在異常時，則產(chǎn)生異常交易警告信息，并將所述異常交易警告信息傳輸至監(jiān)管機構(gòu)，同時終止交易；
7、當(dāng)所述異常交易檢測結(jié)果為交易不存在異
8、進一步地，通過區(qū)塊鏈實現(xiàn)交易發(fā)起方與交易接收方之間的交易，包括：
9、交易發(fā)起方通過區(qū)塊鏈客戶端向區(qū)塊鏈網(wǎng)絡(luò)發(fā)送交易請求，其中，交易請求包括交易金額、交易雙方信息以及交易條件；
10、區(qū)塊鏈網(wǎng)絡(luò)中的節(jié)點對交易請求進行驗證，并在驗證通過后，交易請求進入待處理隊列；其中，驗證包括驗證交易發(fā)起方的身份、交易金額以及交易條件等是否符合規(guī)定；
11、區(qū)塊鏈網(wǎng)絡(luò)中的節(jié)點將驗證通過的交易請求記錄在區(qū)塊鏈上，形成一個新的交易區(qū)塊；交易區(qū)塊包含交易雙方信息、交易金額以及交易時間；
12、交易雙方及區(qū)塊鏈網(wǎng)絡(luò)中的其他節(jié)點對新生成的交易區(qū)塊進行確認，當(dāng)一定數(shù)量的節(jié)點確認無誤后，交易區(qū)塊被添加到區(qū)塊鏈的主鏈上，交易正式生效。
13、進一步地，交易區(qū)塊被添加到區(qū)塊鏈的主鏈上之后，還包括：交易雙方及監(jiān)管機構(gòu)通過區(qū)塊鏈查詢交易記錄，確保交易的可追溯性和透明性。
14、進一步地，構(gòu)建異常交易檢測模型，包括：構(gòu)建gru-svm神經(jīng)網(wǎng)絡(luò)，得到異常交易檢測模型。
15、進一步地，通過異常交易檢測模型對歷史區(qū)塊鏈交易數(shù)據(jù)集中的學(xué)習(xí)，得到學(xué)習(xí)之后的異常交易檢測模型，包括：
16、采用隨機初始化方法對異常交易檢測模型的參數(shù)權(quán)重和偏差進行初始化，以確定初始超參數(shù)；
17、多次對參數(shù)權(quán)重和偏差進行初始化，確定多組初始超參數(shù)，并將多組初始超參數(shù)組成一個種群，完成參數(shù)初始化；
18、構(gòu)建異常交易檢測模型的損失函數(shù)，并根據(jù)所述損失函數(shù)以及歷史區(qū)塊鏈交易數(shù)據(jù)集獲取種群中每組超參數(shù)對應(yīng)的損失函數(shù)；
19、依據(jù)每組超參數(shù)對應(yīng)的損失函數(shù)，確定出一組最佳超參數(shù)，得到最佳超參數(shù)組；
20、同時根據(jù)每組超參數(shù)對應(yīng)的損失函數(shù)將種群劃分為第一學(xué)習(xí)組、第二學(xué)習(xí)組以及第三學(xué)習(xí)組；
21、針對第一學(xué)習(xí)組中的每組超參數(shù)，根據(jù)每組超參數(shù)對應(yīng)的損失函數(shù)，采用基于學(xué)習(xí)次數(shù)控制的變速全局搜索方式對每組超參數(shù)進行更新，得到更新之后的第一學(xué)習(xí)組；
22、針對第二學(xué)習(xí)組中的每組超參數(shù)，根據(jù)每組超參數(shù)對應(yīng)的損失函數(shù)，采用基于位置優(yōu)劣的多信息交互方式對每組超參數(shù)進行更新，得到更新之后的第二學(xué)習(xí)組；
23、針對第三學(xué)習(xí)組中的每組超參數(shù)，采用基于一一配對的跟隨學(xué)習(xí)方式對每組超參數(shù)進行更新，得到更新之后的第三學(xué)習(xí)組；
24、判斷是否滿足學(xué)習(xí)結(jié)束條件，若是，則根據(jù)更新之后的第一學(xué)習(xí)組、更新之后的第二學(xué)習(xí)組以及更新之后的第三學(xué)習(xí)組，重新確定最優(yōu)超參數(shù)組，并將所述最優(yōu)超參數(shù)組應(yīng)用至異常交易檢測模型中，得到學(xué)習(xí)之后的異常交易檢測模型，否則將更新之后的第一學(xué)習(xí)組、更新之后的第二學(xué)習(xí)組以及更新之后的第三學(xué)習(xí)組重新融合為種群，并根據(jù)所述損失函數(shù)以及歷史區(qū)塊鏈交易數(shù)據(jù)集獲取種群中每組超參數(shù)對應(yīng)的損失函數(shù)，返回對種群進行劃分的步驟。
25、進一步地，構(gòu)建異常交易檢測模型的損失函數(shù)采用svm損失函數(shù)。
26、進一步地，針對第一學(xué)習(xí)組中的每組超參數(shù)，根據(jù)所述最佳超參數(shù)組以及每組超參數(shù)對應(yīng)的損失函數(shù)，采用基于學(xué)習(xí)次數(shù)控制的變速全局搜索方式對每組超參數(shù)進行更新，得到更新之后的第一學(xué)習(xí)組，包括：
27、針對第一學(xué)習(xí)組中的每組超參數(shù)，根據(jù)每組超參數(shù)對應(yīng)的損失函數(shù)，確定每組超參數(shù)的位置重要程度因子；
28、根據(jù)每組超參數(shù)的位置重要程度因子，確定每組超參數(shù)的自適應(yīng)搜索步長控制因子；
29、以當(dāng)前學(xué)習(xí)次數(shù)為基礎(chǔ)，確定自適應(yīng)引導(dǎo)權(quán)重，并采用自適應(yīng)引導(dǎo)權(quán)重對所述最佳超參數(shù)組進行加權(quán)，得到加權(quán)之后的最佳超參數(shù)組；
30、針對第一學(xué)習(xí)組中的任意一組超參數(shù)，將其與加權(quán)之后的最佳超參數(shù)組進行信息交互之后，并采用對應(yīng)的自適應(yīng)搜索步長控制因子進行控制，確定第一學(xué)習(xí)參數(shù)項；
31、針對第一學(xué)習(xí)組中的每組超參數(shù)，將其與自身對應(yīng)的第一學(xué)習(xí)參數(shù)項相加，以獲取更新之后的第一學(xué)習(xí)組。
32、進一步地，針對第二學(xué)習(xí)組中的每組超參數(shù)，根據(jù)每組超參數(shù)對應(yīng)的損失函數(shù)，采用基于位置優(yōu)劣的多信息交互方式對每組超參數(shù)進行更新，得到更新之后的第二學(xué)習(xí)組，包括：
33、針對第二學(xué)習(xí)組中的每組超參數(shù)，根據(jù)每組超參數(shù)對應(yīng)的損失函數(shù)，確定每組超參數(shù)的位置重要程度因子；
34、針對第二學(xué)習(xí)組中的每組超參數(shù)，隨機匹配不同的三組超參數(shù)，得到第一目標(biāo)超參數(shù)組、第二目標(biāo)超參數(shù)組以及第三目標(biāo)超參數(shù)組；
35、針對第二學(xué)習(xí)組中的任意一組超參數(shù)，根據(jù)其位置重要程度因子與第一目標(biāo)超參數(shù)組的位置重要程度因子，確定第一信息交互因子；
36、針對第二學(xué)習(xí)組中的任意一組超參數(shù)，根據(jù)其位置重要程度因子與第二目標(biāo)超參數(shù)組的位置重要程度因子，確定第二信息交互因子；
37、針對第二學(xué)習(xí)組中的任意一組超參數(shù)，根據(jù)其位置重要程度因子與第三目標(biāo)超參數(shù)組的位置重要程度因子，確定第三信息交互因子；
38、針對第二學(xué)習(xí)組中的任意一組超參數(shù)，采用第一信息交互因子對超參數(shù)與第一目標(biāo)超參數(shù)組進行信息交互，得到第一信息交互項；
39、針對第二學(xué)習(xí)組中的任意一組超參數(shù)，采用第二信息交互因子對超參數(shù)與第二目標(biāo)超參數(shù)組進行信息交互，得到第二信息交互項；
40、針對第二學(xué)習(xí)組中的任意一組超參數(shù)，采用第三信息交互因子對超參數(shù)與第三目標(biāo)超參本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于區(qū)塊鏈的交易方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于區(qū)塊鏈的交易方法，其特征在于，通過區(qū)塊鏈實現(xiàn)交易發(fā)起方與交易接收方之間的交易，包括：
3.根據(jù)權(quán)利要求2所述的基于區(qū)塊鏈的交易方法，其特征在于，交易區(qū)塊被添加到區(qū)塊鏈的主鏈上之后，還包括：交易雙方及監(jiān)管機構(gòu)通過區(qū)塊鏈查詢交易記錄，確保交易的可追溯性和透明性。
4.根據(jù)權(quán)利要求1所述的基于區(qū)塊鏈的交易方法，其特征在于，構(gòu)建異常交易檢測模型，包括：構(gòu)建GRU-SVM神經(jīng)網(wǎng)絡(luò)，得到異常交易檢測模型。
5.根據(jù)權(quán)利要求1-4任一所述的基于區(qū)塊鏈的交易方法，其特征在于，通過異常交易檢測模型對歷史區(qū)塊鏈交易數(shù)據(jù)集中的學(xué)習(xí)，得到學(xué)習(xí)之后的異常交易檢測模型，包括：
6.根據(jù)權(quán)利要求5所述的基于區(qū)塊鏈的交易方法，其特征在于，構(gòu)建異常交易檢測模型的損失函數(shù)采用SVM損失函數(shù)。
7.根據(jù)權(quán)利要求5所述的基于區(qū)塊鏈的交易方法，其特征在于，針對第一學(xué)習(xí)組中的每組超參數(shù)，根據(jù)所述最佳超參數(shù)組以及每組超參數(shù)對應(yīng)的損失函數(shù)，采用基于學(xué)習(xí)次數(shù)控制的變速全局搜索方式對
8.根據(jù)權(quán)利要求7所述的基于區(qū)塊鏈的交易方法，其特征在于，針對第二學(xué)習(xí)組中的每組超參數(shù)，根據(jù)每組超參數(shù)對應(yīng)的損失函數(shù)，采用基于位置優(yōu)劣的多信息交互方式對每組超參數(shù)進行更新，得到更新之后的第二學(xué)習(xí)組，包括：
9.根據(jù)權(quán)利要求8所述的基于區(qū)塊鏈的交易方法，其特征在于，針對第三學(xué)習(xí)組中的每組超參數(shù)，采用基于一一配對的跟隨學(xué)習(xí)方式對每組超參數(shù)進行更新，得到更新之后的第三學(xué)習(xí)組，包括：
10.根據(jù)權(quán)利要求9所述的基于區(qū)塊鏈的交易方法，其特征在于，采用學(xué)習(xí)之后的異常交易檢測模型對實時區(qū)塊鏈交易數(shù)據(jù)進行分析，確定異常交易檢測結(jié)果，包括：
...【技術(shù)特征摘要】
1.一種基于區(qū)塊鏈的交易方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于區(qū)塊鏈的交易方法，其特征在于，通過區(qū)塊鏈實現(xiàn)交易發(fā)起方與交易接收方之間的交易，包括：
3.根據(jù)權(quán)利要求2所述的基于區(qū)塊鏈的交易方法，其特征在于，交易區(qū)塊被添加到區(qū)塊鏈的主鏈上之后，還包括：交易雙方及監(jiān)管機構(gòu)通過區(qū)塊鏈查詢交易記錄，確保交易的可追溯性和透明性。
4.根據(jù)權(quán)利要求1所述的基于區(qū)塊鏈的交易方法，其特征在于，構(gòu)建異常交易檢測模型，包括：構(gòu)建gru-svm神經(jīng)網(wǎng)絡(luò)，得到異常交易檢測模型。
5.根據(jù)權(quán)利要求1-4任一所述的基于區(qū)塊鏈的交易方法，其特征在于，通過異常交易檢測模型對歷史區(qū)塊鏈交易數(shù)據(jù)集中的學(xué)習(xí)，得到學(xué)習(xí)之后的異常交易檢測模型，包括：
6.根據(jù)權(quán)利要求5所述的基于區(qū)塊鏈的交易方法，其特征在于，構(gòu)建異常交易檢測模型的損失函數(shù)采用svm損失函數(shù)。
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：孟慶彪，
申請(專利權(quán))人：孟約共夢區(qū)塊鏈杭州有限責(zé)任公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。