一种基于Q-Learning智能合约有效性检测方法技术

本发明专利技术公开了一种基于Q‑Learning的智能合约有效性检测方法，旨在改变当前对智能合约检测多为基于程序代码漏洞的现状，满足智能合约作为区块链上实际应用的需要。其技术要点是，将区块链上智能合约中的数据馈送过程看作是一个随机分布过程，定义智能合约参与者的效用为这些随机分布的函数，提出一种新的智能合约有效性检测方法；并利用Q‑Learning优化随机分布中的参数，达到优化参与者效用函数的目的。该方法快捷高效，具有高准确度、高优化强度和鲁棒性，本发明专利技术适用于智能合约作为电子合同的有效性检验和隐私保护。

An Intelligent Contract Validity Detection Method Based on Q-Learning

【技术实现步骤摘要】
一种基于Q-Learning智能合约有效性检测方法
本专利技术属于信息安全
，涉及使用Q-learning算法优化智能合约有效性检测技术。
技术介绍
智能合约作为一种在区块链上自动运行的程序代码，自身存在很多漏洞。目前针对智能合约有效性（包括正确性和公平性）的检测方法多是基于程序代码漏洞检测的，对外部数据的馈送研究较少。实际上，智能合约的执行过程在很大程度上依赖于外部数据的馈送和条件的触发。然而外部数据存在很大的随机因素，对于智能合约的执行和有效性的影响非常关键，因此针对具有外部数据馈送的智能合约的有效性检测问题成为亟需解决的问题之一。这些不确定性可以看作是由一些随机变量分布构成的，而这些随机变量作为数据馈送给智能合约参与者。它们成为触发智能合约的条件，能够影响智能合约的运行，因为它们是构成参与者效用的重要组成部分。在智能合约中，参与者需要有足够的经济动机，也就是说他们只有在保持获利的情况下才参与智能合约的执行。目前对于智能合约中参与者动机研究的工作有所欠缺，而且也缺乏一种有效的方法检测参与者动机。因此，将效用函数与数据馈送的随机分布结合起来，并利用Q-Learning技术，研本文档来自技高网...

【技术保护点】
1.一种基于Q‑Learning的智能合约有效性的检测方法，其特征在于通过具体的智能合约构建、数据馈送、参数优化等步骤来实现的，其具体过程如下：第一步：智能合约发起者将一个文件分成s份，并对每一份加密，如果想恢复整个文件，需要解密每一份子文件；解密所需要的花费是v，因为保密文件有一个时效性；即在保密文件未公布之前，其价值较高，但是在解密之后，其价值明显下降；因此，需要使用一个随机分布来表示其解密花费，而不能使用一个常数来表示，Weibull分布可以用来表示解密花费（影片的价值）；第二步：外部参与者下载s份加密子文件，试图解密文件；第三步：智能合约从s中随机选取s’个随机数，其中s’<s；...

【技术特征摘要】
1.一种基于Q-Learning的智能合约有效性的检测方法，其特征在于通过具体的智能合约构建、数据馈送、参数优化等步骤来实现的，其具体过程如下：第一步：智能合约发起者将一个文件分成s份，并对每一份加密，如果想恢复整个文件，需要解密每一份子文件；解密所需要的花费是v，因为保密文件有一个时效性；即在保密文件未公布之前，其价值较高，但是在解密之后，其价值明显下降；因此，需要使用一个随机分布来表示其解密花费，而不能使用一个常数来表示，Weibull分布可以用来表示解密花费（影片的价值）；第二步：外部参与者下载s份加密子文件，试图解密文件；第三步：智能合约从s中随机选取s’个随机数，其中s’<s；智能合约将s’发送给智能合约发起者，让他解密这些子文件；第四步：如果智能合约发起者成功解密这些子文件，智能合约等待外部数据馈送，继续执行；如果智能合约发起者成功解密子文件，就能够证明其余没有解密的子文件也是正确的；否则，智能合约终止；第五步：每一个外部参与者如果想解密整个文件，需要支付部分金额m>1，但是这个金额小于解密整个文件的花费；根据个人爱好决定是否支付m，是否支付的概率服从二项式分布，其中k是捐赠的总人数，n是实验次数，p是每次捐赠的概率；第六步：在这里m的值也是服从随机分布，每个参与者想解密整个文件的意愿和自身的财...

【专利技术属性】
技术研发人员：王伊蕾，张利锋，李凤银，
申请(专利权)人：曲阜师范大学，
类型：发明
国别省市：山东,37