利索能及
我要发布
收藏
专利号: 2022100711686
申请人: 无锡软美信息科技有限公司
专利类型:发明专利
专利状态:已下证
更新日期:2025-07-05
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.用于区块链异常节点发现和修复的方法,其特征在于,所述方法执行以下步骤:步骤1:在三维坐标系下,建立目标区块链的立体模型;在所述立体模型中,区块链中的每个节点都被三维坐标系下的坐标值唯一标志,所述立体模型中的一个坐标点对应区块链中的一个节点;

步骤2:构建目标区块链的镜像区块链;该镜像区块链与目标区块链的结构相同,且镜像区块链中的节点与目标区块链中的节点一一对应;

步骤3:实时记录目标区块链的运行状态,得到某一时刻下目标区块链中的节点的运行数据;将该运行数据写入立体模型中与目标区块链中的节点对应的坐标点;

步骤4:分析立体模型中多个连续时刻下的坐标点的空间分布特征,得到多个不同时刻下的空间分布特征;

再对多个不同时刻下的空间分布特征进行互相对比分析,以判断是否出现异常节点;

步骤5:若步骤4中判断出现异常节点,则进行异常节点检测,检测出目标区块链中出现异常的节点,记录检测结果;

步骤6:基于步骤5中的检测结果,从镜像区块链中调取与目标区块链中出现异常的节点对应的节点,填充进目标区块链中,以实现异常节点的修复。

2.如权利要求1所述的方法,其特征在于,所述步骤5中进行异常节点检测的方法包括:建立区块链网络的广义数据模型,并将区块链网络中节点采集的数据作为节点数据中的节点数据,得到广义数据矩阵;基于所建立的广义数据模型和广义数据矩阵,将区块链网络中的每一个节点及其相邻的节点视为一个子网络,得到每个子网络的子节点数据模型和子节点数据矩阵;将每个子节点数据矩阵通过一个高通滤波器,得到子节点高频节点数据矩阵;

通过节点逆傅里叶变换,从每个子节点高频节点数据矩阵中筛选出该子节点高频节点数据矩阵在给定节点频率上的子节点数据分量矩阵;通过比较不同子节点数据分量矩阵中每个节点的当前时刻的数据分量与历史时刻的数据分量的差别,筛选出在给定节点频率上的异常子节点,并建立异常子节点中心节点集合;如果某个子节点的所有节点均存在于异常子节点中心节点集合中,则说明该子节点的中心节点是定位出的异常节点。

3.如权利要求2所述的方法,其特征在于,所述建立异常子节点中心节点集合的方法包括:使用如下公式,在每个子节点i中,根据子节点数据分量矩阵计算该子节点的最小阈值和最大阈值 并由此确定出该子节点的正常区间 判断每个子节点i的子节点数据分量矩阵中各个节点当前时刻的数据分量是否处于该子节点的正常区间 内,若子节点i中存在至少一个节点的当前时刻的数据分量位于该正常区间之外,则将该子节点i的中心节点放入异常子节点中心节点集合中。

4.如权利要求3所述的方法,其特征在于,所述计算子节点的最小阈值 和最大阈值 并由此确定出该子节点的正常区间[ 的公式为:其中,Ni

为第i个子节点数据分量矩阵的节点数,Mi为第i个子节点数据分量矩阵的时刻数,τ为给定的权值, 为第i个子节点的第j个节点在当前时刻的数据分量; 为第i个子节点的第j个节点在历史时刻的数据分量。

5.如权利要求4所述的方法,其特征在于,所述步骤4中分析立体模型的空间分布特征的方法包括:步骤S1:获取立体模型,并根据预设的分割数目n将所述立体模型进行分割,得到n块立体模型分块;步骤S2:建立与立体模型分块数目相同的n组空间分布特征模型,所述n组空间分布特征模型一一对应的从所述n块立体模型分块中提取特征信息,得到n组特征信息;步骤S3:建立与特征信息组别数目相同的n组特征分类器,所述n组特征分类器一一对应的对所述n组特征信息进行特征分类;步骤S4:根据反向传播算法分别计算每组特征分类过程中所产生的损失值,得到n组损失值;步骤S5:将n组损失值分别返回对应的空间分布特征模型和特征分类器中,得到优化后的空间分布特征模型和特征分类器;步骤S6:使用空间分布特征模型和特征分类器分析立体模型中多个连续时刻下的坐标点的空间分布特征,得到多个不同时刻下的空间分布特征。

6.如权利要求5所述的方法,其特征在于,所述步骤包括:将n组损失值分别返回对应的空间分布特征模型和特征分类器中,所述空间分布特征模型根据返回的损失值来调整配置参数,得到优化后的空间分布特征模型,所述特征分类器根据返回的损失值来调整配置参数,得到优化后的特征分类器。

7.如权利要求6所述的方法,其特征在于,所述步骤S5后还包括:通过n个优化后的空间分布特征模型和特征分类器来得到优化后的n组特征分类。

8.如权利要求6所述的方法,其特征在于,所述得到优化后的n组特征分类的方法包括:将n块立体模型重新输入n个已优化的空间分布特征模型中,得到优化后的n组特征信息,并将n组特征信息输入n个已优化的特征分类器,得到优化后的n组特征分类。

9.如权利要求8所述的方法,其特征在于,所述得到优化后的n组特征分类后还包括:将优化后的n组特征分类进行特征融合,得到行人图像的特征融合数据。

10.用于实现权利要求1至9之一所述方法的存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至9任一项所述的用于区块链异常节点发现和修复的方法。