1.一种基于区块链的大数据安全存储方法，其特征在于，包括以下步骤：

按照预置的截屏周期截取用户在看盘的过程中的图像，利用OCR技术对每张图像中的交易价格进行识别，以得到对应的多个价格识别结果；

将各个价格识别结果进行比对，生成比对结果，根据比对结果生成并发送提醒信息给对应的用户；

当用户需要完成交易时，采集用户的语音信号，并利用基于皮尔逊相关系数的简易神经网络去噪模型，对语音信号进行去噪处理，以得到去噪语音信号；

利用基于多维度自编码匹配的声纹识别模型，对去噪语音信号进行声纹识别，得到用户的身份信息，包括：利用低维度自编码器，对该去噪语音信号进行编码，并对预录入的每个用户的语音模板信号进行编码，计算并根据去噪语音信号和每个用户语音模板信号之间的相似度确定目标语音模板信号；利用高维度自编码器，分别对该去噪语音信号和目标语音模板信号进行编码，计算去噪语音信号和目标语音模板信号之间的相似度，得到相似度结果；若该相似度结果大于预置的相似度阈值，则获取目标语音目标信号对应的用户身份信息，并将该用户身份信息认定为该用户的最终身份信息；

根据用户的身份信息和预录入的具有操作权限的注册用户信息判断该用户是否具备操作权限，若是，则利用基于似然估计的低耗语音识别模型，对该用户的去噪语音信号进行识别，生成并根据识别结果在该用户的个人账户系统中完成交易；

获取并将用户的身份信息、每次交易的交易时间及每次交易的买卖信息上传至区块链。

2.根据权利要求1所述的一种基于区块链的大数据安全存储方法，其特征在于，所述利用基于皮尔逊相关系数的简易神经网络去噪模型，对语音信号进行去噪处理，以得到去噪语音信号的方法包括以下步骤：选取部分没有噪声的语音信号作为正样本，选取部分有噪声的语音信号作为负样本；

利用皮尔逊相关系数计算并根据正样本两两之间的相关性确定目标正样本，利用皮尔逊相关系数计算并根据负样本两两之间的相关性确定目标负样本；

利用目标正样本和目标负样本对预先建立的卷积神经网络进行训练，以构建目标去噪模型，基于目标去噪模型对语音信号进行去噪处理，以得到去噪语音信号。

3.根据权利要求1所述的一种基于区块链的大数据安全存储方法，其特征在于，所述利用基于似然估计的低耗语音识别模型，对该用户的去噪语音信号进行识别的方法包括以下步骤：采集多个语音信号，通过数据统计方式统计得到每个词汇的后续关联词汇；

对去噪语音信号进行识别，识别得到对应的首个词汇；

利用简易语音识别模型对去噪语音信号中首个词汇后面的词汇进行识别，得到词汇识别结果；

若词汇识别结果与统计得到的对应词汇的后续关联词汇相匹配，则将词汇识别结果确认为最终识别结果；反之，则利用复杂语音识别模型对去噪语音信号中首个词汇后面的词汇进行识别，得到最终识别结果。

4.一种基于区块链的大数据安全存储系统，其特征在于，包括图像截取模块、价格比对模块、语音采集模块、身份识别模块、语音识别模块以及信息上链模块，其中：图像截取模块，用于按照预置的截屏周期截取用户在看盘的过程中的图像，利用OCR技术对每张图像中的交易价格进行识别，以得到对应的多个价格识别结果；

价格比对模块，用于将各个价格识别结果进行比对，生成比对结果，根据比对结果生成并发送提醒信息给对应的用户；

语音采集模块，用于当用户需要完成交易时，采集用户的语音信号，并利用基于皮尔逊相关系数的简易神经网络去噪模型，对语音信号进行去噪处理，以得到去噪语音信号；

身份识别模块，用于利用基于多维度自编码匹配的声纹识别模型，对去噪语音信号进行声纹识别，得到用户的身份信息，包括：利用低维度自编码器，对该去噪语音信号进行编码，并对预录入的每个用户的语音模板信号进行编码，计算并根据去噪语音信号和每个用户语音模板信号之间的相似度确定目标语音模板信号；利用高维度自编码器，分别对该去噪语音信号和目标语音模板信号进行编码，计算去噪语音信号和目标语音模板信号之间的相似度，得到相似度结果；若该相似度结果大于预置的相似度阈值，则获取目标语音目标信号对应的用户身份信息，并将该用户身份信息认定为该用户的最终身份信息；

语音识别模块，用于根据用户的身份信息和预录入的具有操作权限的注册用户信息判断该用户是否具备操作权限，若是，则利用基于似然估计的低耗语音识别模型，对该用户的去噪语音信号进行识别，生成并根据识别结果在该用户的个人账户系统中完成交易；

信息上链模块，用于获取并将用户的身份信息、每次交易的交易时间及每次交易的买卖信息上传至区块链。

5.一种电子设备，其特征在于，包括：

存储器，用于存储一个或多个程序；

处理器；

当所述一个或多个程序被所述处理器执行时，实现如权利要求1‑3中任一项所述的方法。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1‑3中任一项所述的方法。