南京博雅区块链研究院有限公司专利技术

南京博雅区块链研究院有限公司共有17项专利

  • 本申请公开了一种基于物联网和区块链的供应链金融管理方法及平台服务器,涉及供应链技术领域,通过监管部门客户端确认供应商客户端入驻平台的产品信息并存储到区块链中;根据产品信息评估供应商的产量并开启预售;根据消费者客户端的产品预购需求向金融机...
  • 本发明提供一种基于区块链智能合约的碳交易平台,涉及区块链及碳交易技术领域。该平台涉及碳交易市场参与者和监管者,具体包括数据报送与监测系统、注册登记系统、交易系统、监管系统以及区块链智能合约框架;数据报送与监测系统用于对碳排放企业的碳排放...
  • 本发明特别涉及一种基于区块链的购物体验评价平台,平台由四个分层架构组成,由下至上分别是:数据层,数据层是由星际文件系统和区块链结合搭建的存储网络,星际文件系统用于对存储的数据分配存储空间,存储网络设置有多个节点,每个节点为一个存储空间;...
  • 本发明提供了一种基于区块链的定向内容分享方法及系统,其中的定向内容分享方法包括:发布分享内容,包括:对分享内容进行hash运算以生成分享内容的hash值;将分享内容存储至IPFS网络内,其中,分享内容在IPFS网络中的存储地址与分享内容...
  • 本发明提供了一种基于区块链的社区二手房交易系统及方法,涉及计算机、网络与分布式计算技术领域,包括买方客户端模块、卖方客户端模块、用户信息识别模块、区块链数据存储模块、系统平台、管理方模块,买卖双方可通过客户端模块查看当前正在出售的房产信...
  • 本发明提供了一种基于区块链的频谱资源共享方法,包括:卖方运营商节点创建共享频谱信息,并将带有第一数字签名的共享频谱信息广播于区块链;买方运营商节点获取带有第一数字签名的共享频谱信息并进行验证;验证通过后,买方运营商对求购频谱信息进行签名...
  • 本发明提供了一种基于区块链的频谱资源交易方法、系统、设备及存储介质,其中的频谱资源交易方法包括:管理节点接收参与交易节点提交的注册申请请求,基于注册申请请求生成公钥、私钥及合法证书,并将生成的公钥、私钥及合法证书发送给参与交易节点;管理...
  • 本发明提供了一种基于区块链的出版物溯源交易系统及方法,涉及出版物交易及管理技术领域,出版物售卖方发起出版物售卖,写入区块链中;所有的出版物购买方收到相关信息,并确认购买,购买方的信息传回到出版物售卖方,写入区块链;售卖方收到购买方信息后...
  • 本发明提供了一种防贫预警方法、装置、电子设备及存储介质,防贫预警方法包括将采集到的外部数据整合至Hive数据库内,经整合后的数据具有唯一身份标识及若干防贫预警属性;构建包括有若干标签的标签体系,各标签均对应于一种与防贫预警属性相关业务规...
  • 本发明提供了一种面向防贫预警的用户画像构建方法、装置、电子设备及存储介质,其中的用户画像构建方法包括:建立用户画像标签体系,所述用户画像标签体系包括若干基础属性标签和若干挖掘属性标签;将从多个外部数据源中采集到的用户数据整合至数据仓库内...
  • 本发明提出的一种基于专利数据的合作机构推荐方法,所述推荐方法包括以下步骤:需求数据获取步骤,获取目标企业的需求数据;目标专利数据获取步骤,根据所述需求数据获取目标专利数据;候选集构建步骤,根据所述目标专利数据构建基于合作关系的候选集或根...
  • 本发明提出了一种基于区块链的物流运输辅助系统及方法,包括链下数据存储模块、链上数据存储模块及物流推荐模块;其中,链下数据存储模块存储物流参与方的基本信息及拥有物流资源的物流参与方的物流资源信息及需求描述信息。链上数据存储模块存储物流参与...
  • 本发明提出了一种基于区块链的物流信息追溯方法及系统,其将货物的流转、派件及收货过程中的信息自动录入至区块链平台进行存储;区块链平台为联盟链,其包括多个区块链通道,每个区块链通道内均存储有独立的由多个物流参与方共同参与建立和维护的区块链账...
  • 本发明提供了一种基于大数据的用户画像构建方法、装置及存储介质,其中的方法包括:建立用户画像标签体系;采集用户数据并存储至数据仓库内预先构建好的实体表和事实表内;将实体表和事实表进行ID
  • 本发明提供了一种基于区块链的数据生命周期管理系统,其中:所述管理组件节点用于通过分发秘钥管理所述数据处理组件节点的身份认证、加入及退出;所述数据处理组件节点用于:对与其对应的数据处理组件上传的交易数据进行源数据存在性验证,驳回未通过源数...
  • 本发明提出的一种基于异构图神经网络的文献推荐方法,包括以下步骤:获取用户特征数据以及文献特征数据;从文献特征数据中提取文献属性数据以及文献引文数据,根据文献属性数据以及文献引文数据通过图卷积神经网络获取文献引文特征数据;根据预设元路径提...
  • 本发明提供一种图神经网络构建方法、基于图神经网络的异常流量检测方法,异常流量检测的图神经网络构建方法包括:S10:获取原始流量数据中具有相关性以及时序性的特征;S20:将步骤S10中的特征转化为图结构数据;S30:构建深度图神经网络模型...
1