基于区块链大数据的安全识别方法及人工智能云服务平台技术

本申请实施例提供一种基于区块链大数据的安全识别方法及人工智能云服务平台，通过智能学习分布式账本在每个已完成交易的账本分布区间内的支付响应大数据信息以及每个支付响应对象所对应的预设共识规则标签，能够很好地学习到分布式账本的支付安全特点，以便于后续为在智能支付过程中提供符合支付安全特点的安全防护更新脚本从而进行安全防护，由此通过共识预测规则的安全识别和对比，提高后续区块链支付过程中的安全性。

【技术实现步骤摘要】
基于区块链大数据的安全识别方法及人工智能云服务平台
本申请涉及区块链及安全支付
，具体而言，涉及一种基于区块链大数据的安全识别方法及人工智能云服务平台。
技术介绍
随着移动支付技术的快速发展，区块链支付在互联网中的使用越来越普遍，区块链简单说就是一种去中心化的分布式账本，本质是通过公开的、加密的不可篡改的技术手段，为解决多方信任问题提供了一个方案。鉴于此，如何自适应性提高区块链支付过程中的安全性，是本领域技术人员亟待解决的技术问题。
技术实现思路
有鉴于此，本申请的目的在于提供一种基于区块链大数据的安全识别方法及人工智能云服务平台，通过智能学习分布式账本在每个已完成交易的账本分布区间内的支付响应大数据信息以及每个支付响应对象所对应的预设共识规则标签，能够很好地学习到分布式账本的支付安全特点，以便于后续为用户提供符合支付安全特点的安全防护更新脚本进行自动控制，从而通过共识预测规则的安全识别和对比，提高后续区块链支付过程中的安全性。第一方面，本申请提供一种基于区块链大数据的安全识别方法，应用于人工智能云服务平台，所述人工智能云服务平台与多个不同分布式账本的区块链验证服务系统通信连接，所述区块链验证服务系统包括区块链请求响应组件以及与所述区块链请求响应组件通信连接的支付加密组件，所述方法包括：获取分布式账本在每个已完成交易的账本分布区间内的支付响应大数据信息，其中，所述支付响应大数据信息通过所述分布式账本的区块链验证服务系统中的所述支付加密组件对所述区块链请求响应组件进行加密完成后得到，所述支付响应大数据信息包括支付响应对象以及每个支付响应对象所对应的支付账本信息集合，所述支付响应对象用于表征共识支付验证过程中每次产生的验证对象，所述支付账本信息集合用于记录相应的支付响应对象下的共识支付验证数据；根据所述分布式账本在每个已完成交易的账本分布区间内的支付响应大数据信息以及每个支付响应对象所对应的预设共识规则标签，配置得到对应的安全识别人工智能模型；根据所述安全识别人工智能模型对所述分布式账本在预设时间段内的各个支付响应对象下的支付响应数据信息进行安全识别，得到所述分布式账本在所述预设时间段内各个支付响应对象所对应的支付账本信息集合的共识预测规则；根据所述各个支付响应对象所对应的支付账本信息集合的共识预测规则与预定共识规则标签之间的对比关系，生成至少一个安全防护更新脚本以及每个安全防护更新脚本所对应的防护执行节点序列，所述防护执行节点序列包括至少一个防护共识验证项目以及每个防护共识验证项目所对应的节点序列。在第一方面的一种可能的实现方式中，所述根据所述分布式账本在每个已完成交易的账本分布区间内的支付响应大数据信息以及每个支付响应对象所对应的预设共识规则标签，配置得到对应的安全识别人工智能模型的步骤，包括：提取每个所述支付响应对象所对应的支付账本信息集合的交易协议特征信息；以所述交易协议特征信息作为待生成模型的输入特征，将所述交易协议特征信息输入到所述待生成模型中，通过所述待生成模型解析所述交易协议特征信息在交易协议类别内的可学习特征，所述可学习特征包括可学习特征区间段集合；按照预设标记对所述可学习特征区间段集合进行分割，得到多个学习分割特征；根据所述可学习特征所对应的特征向量确定多个第一更新命令内容，所述多个第一更新命令内容分别为所述多个学习分割特征在所述待生成模型中学习控制的更新命令内容，所述待生成模型用于学习多个可学习特征区间段集合进行分割处理之后的学习分割特征，以及分割处理后的各个学习分割特征在所述待生成模型中映射的更新命令内容，所述多个可学习特征区间段集合为在所述交易协议类别内获取到的多个可学习特征所包括的可学习特征区间段集合，其中，所述第一更新命令内容根据所述特征向量所表征的特征参数类型以及不同特征参数类型所对应的预设更新命令内容得到；按照所述多个第一更新命令内容中的每个第一更新命令内容从高收敛度到低收敛度的顺序，对所述多个第一更新命令内容进行排序，得到更新命令内容序列；基于预设相似比例阈值和所述更新命令内容序列，确定所述多个学习分割特征中的学习分割特征在所述待生成模型中映射的更新命令内容，所述预设相似比例阈值用于指示所述可学习特征区间段集合与交易协议类别内获取的可学习特征区间段集合相似部分在所述可学习特征区间段集合中所占的比例；当所述学习分割特征在所述待生成模型中映射的更新命令内容匹配预设更新命令内容时，确定所述可学习特征为目标可学习特征，当确定该可学习特征为目标可学习特征时，对于所述多个第一更新命令内容中的每个第一更新命令内容，根据所述第一更新命令内容控制所述待生成模型学习在所述交易协议类别内获得的多个可学习特征区间段集合进行分割处理之后的学习分割特征，以及分割处理后的各个学习分割特征在所述待生成模型中映射的更新命令内容，并在学习控制之后生成对应的预测共识规则；根据所述每个支付响应对象的预测共识规则和所述每个支付响应对象所对应的预设共识规则标签更新所述待生成模型的更新命令内容。在第一方面的一种可能的实现方式中，，所述提取每个所述支付响应对象所对应的支付账本信息集合的交易协议特征信息的步骤，包括：在所述支付账本信息集合的每个数据项目的共识支付验证数据中，确定与所述支付响应对象相对应的共识规则标签所关联的规则签名向量；针对每个共识支付验证数据中规则签名向量上的每个签名验证单位的单元规则信息，根据所述每个签名验证单位的单元规则信息，确定每个共识支付验证数据的规则签名向量覆盖度，并根据每个共识支付验证数据的规则签名向量覆盖度，确定每个共识支付验证数据的置信规则签名向量覆盖度，其中所述签名验证单位的单元规则信息包括签名验证单位的数量、排列号和特征值中的至少一种；按照置信规则签名向量覆盖度从高到低的顺序，对共识支付验证数据进行排序，根据预先设定的特征数量，选取排位在前的所述特征数量的共识支付验证数据作为所述支付账本信息集合的交易协议特征信息。在第一方面的一种可能的实现方式中，如果所述签名验证单位的单元规则信息包括签名验证单位的数量，所述针对每个共识支付验证数据中规则签名向量上的每个签名验证单位的单元规则信息，根据所述每个签名验证单位的单元规则信息，确定每个共识支付验证数据的规则签名向量覆盖度的步骤，包括：针对每个共识支付验证数据，根据该共识支付验证数据中的关联的各个规则签名向量上的签名验证单位的数量之和，确定关联的各个规则签名向量对应的第一规则签名向量覆盖度，并根据关联的各个规则签名向量对应的第一规则签名向量覆盖度的和，确定共识支付验证数据的规则签名向量覆盖度，其中，所述数量之和越大，所述第一规则签名向量覆盖度越大。在第一方面的一种可能的实现方式中，如果所述签名验证单位的单元规则信息包括签名验证单位的排列号，所述针对每个共识支付验证数据中规则签名向量上的每个签名验证单位的单元规则信息，根据所述每个签名验证单位的单元规则信息，确定每个共识支付验证数据的规则签名向量覆盖本文档来自技高网...

【技术保护点】
1.一种基于区块链大数据的安全识别方法，其特征在于，应用于人工智能云服务平台，所述人工智能云服务平台与多个不同分布式账本的区块链验证服务系统通信连接，所述区块链验证服务系统包括区块链请求响应组件以及与所述区块链请求响应组件通信连接的支付加密组件，所述方法包括：/n获取分布式账本在每个已完成交易的账本分布区间内的支付响应大数据信息，其中，所述支付响应大数据信息通过所述分布式账本的区块链验证服务系统中的所述支付加密组件对所述区块链请求响应组件进行加密完成后得到，所述支付响应大数据信息包括支付响应对象以及每个支付响应对象所对应的支付账本信息集合，所述支付响应对象用于表征共识支付验证过程中每次产生的验证对象，所述支付账本信息集合用于记录相应的支付响应对象下的共识支付验证数据；/n根据所述分布式账本在每个已完成交易的账本分布区间内的支付响应大数据信息以及每个支付响应对象所对应的预设共识规则标签，配置得到对应的安全识别人工智能模型；/n根据所述安全识别人工智能模型对所述分布式账本在预设时间段内的各个支付响应对象下的支付响应数据信息进行安全识别，得到所述分布式账本在所述预设时间段内各个支付响应对象所对应的支付账本信息集合的共识预测规则；/n根据所述各个支付响应对象所对应的支付账本信息集合的共识预测规则与预定共识规则标签之间的对比关系，生成至少一个安全防护更新脚本以及每个安全防护更新脚本所对应的防护执行节点序列，所述防护执行节点序列包括至少一个防护共识验证项目以及每个防护共识验证项目所对应的节点序列。/n...

【技术特征摘要】
1.一种基于区块链大数据的安全识别方法，其特征在于，应用于人工智能云服务平台，所述人工智能云服务平台与多个不同分布式账本的区块链验证服务系统通信连接，所述区块链验证服务系统包括区块链请求响应组件以及与所述区块链请求响应组件通信连接的支付加密组件，所述方法包括：
获取分布式账本在每个已完成交易的账本分布区间内的支付响应大数据信息，其中，所述支付响应大数据信息通过所述分布式账本的区块链验证服务系统中的所述支付加密组件对所述区块链请求响应组件进行加密完成后得到，所述支付响应大数据信息包括支付响应对象以及每个支付响应对象所对应的支付账本信息集合，所述支付响应对象用于表征共识支付验证过程中每次产生的验证对象，所述支付账本信息集合用于记录相应的支付响应对象下的共识支付验证数据；
根据所述分布式账本在每个已完成交易的账本分布区间内的支付响应大数据信息以及每个支付响应对象所对应的预设共识规则标签，配置得到对应的安全识别人工智能模型；
根据所述安全识别人工智能模型对所述分布式账本在预设时间段内的各个支付响应对象下的支付响应数据信息进行安全识别，得到所述分布式账本在所述预设时间段内各个支付响应对象所对应的支付账本信息集合的共识预测规则；
根据所述各个支付响应对象所对应的支付账本信息集合的共识预测规则与预定共识规则标签之间的对比关系，生成至少一个安全防护更新脚本以及每个安全防护更新脚本所对应的防护执行节点序列，所述防护执行节点序列包括至少一个防护共识验证项目以及每个防护共识验证项目所对应的节点序列。


2.根据权利要求1所述的基于区块链大数据的安全识别方法，其特征在于，所述根据所述分布式账本在每个已完成交易的账本分布区间内的支付响应大数据信息以及每个支付响应对象所对应的预设共识规则标签，配置得到对应的安全识别人工智能模型的步骤，包括：
提取每个所述支付响应对象所对应的支付账本信息集合的交易协议特征信息；
以所述交易协议特征信息作为待生成模型的输入特征，将所述交易协议特征信息输入到所述待生成模型中，通过所述待生成模型解析所述交易协议特征信息在交易协议类别内的可学习特征，所述可学习特征包括可学习特征区间段集合；
按照预设标记对所述可学习特征区间段集合进行分割，得到多个学习分割特征；
根据所述可学习特征所对应的特征向量确定多个第一更新命令内容，所述多个第一更新命令内容分别为所述多个学习分割特征在所述待生成模型中学习控制的更新命令内容，所述待生成模型用于学习多个可学习特征区间段集合进行分割处理之后的学习分割特征，以及分割处理后的各个学习分割特征在所述待生成模型中映射的更新命令内容，所述多个可学习特征区间段集合为在所述交易协议类别内获取到的多个可学习特征所包括的可学习特征区间段集合，其中，所述第一更新命令内容根据所述特征向量所表征的特征参数类型以及不同特征参数类型所对应的预设更新命令内容得到；
按照所述多个第一更新命令内容中的每个第一更新命令内容从高收敛度到低收敛度的顺序，对所述多个第一更新命令内容进行排序，得到更新命令内容序列；
基于预设相似比例阈值和所述更新命令内容序列，确定所述多个学习分割特征中的学习分割特征在所述待生成模型中映射的更新命令内容，所述预设相似比例阈值用于指示所述可学习特征区间段集合与交易协议类别内获取的可学习特征区间段集合相似部分在所述可学习特征区间段集合中所占的比例；
当所述学习分割特征在所述待生成模型中映射的更新命令内容匹配预设更新命令内容时，确定所述可学习特征为目标可学习特征，当确定该可学习特征为目标可学习特征时，对于所述多个第一更新命令内容中的每个第一更新命令内容，根据所述第一更新命令内容控制所述待生成模型学习在所述交易协议类别内获得的多个可学习特征区间段集合进行分割处理之后的学习分割特征，以及分割处理后的各个学习分割特征在所述待生成模型中映射的更新命令内容，并在学习控制之后生成对应的预测共识规则；
根据所述每个支付响应对象的预测共识规则和所述每个支付响应对象所对应的预设共识规则标签更新所述待生成模型的更新命令内容。


3.根据权利要求2所述的基于区块链大数据的安全识别方法，其特征在于，所述提取每个所述支付响应对象所对应的支付账本信息集合的交易协议特征信息的步骤，包括：
在所述支付账本信息集合的每个数据项目的共识支付验证数据中，确定与所述支付响应对象相对应的共识规则标签所关联的规则签名向量；
针对每个共识支付验证数据中规则签名向量上的每个签名验证单位的单元规则信息，根据所述每个签名验证单位的单元规则信息，确定每个共识支付验证数据的规则签名向量覆盖度，并根据每个共识支付验证数据的规则签名向量覆盖度，确定每个共识支付验证数据的置信规则签名向量覆盖度，其中所述签名验证单位的单元规则信息包括签名验证单位的数量、排列号和特征值中的至少一种；
按照置信规则签名向量覆盖度从高到低的顺序，对共识支付验证数据进行排序，根据预先设定的特征数量，选取排位在前的所述特征数量的共识支付验证数据作为所述支付账本信息集合的交易协议特征信息。


4.根据权利要求1-3中任意一项所述的基于区块链大数据的安全识别方法，其特征在于，所述根据所述各个支付响应对象所对应的支付账本信息集合的共识预测规则与预定共识规则标签之间的对比关系，生成至少一个安全防护更新脚本以及每个安全防护更新脚本所对应的防护执行节点序列的步骤，包括：
对比所述各个支付响应对象所对应的支付账本信息集合的共识预测规则与预定共识规则标签是否不同，并根据对比结果获取与预定共识规则标签不同的目标共识预测规则以及与所述目标共识预测规则对应的支付响应对象；
按照预定的共识支付验证策略对所述目标共识预测规则以及与所述目标共识预测规则对应的支付响应对象进行模拟验证，分别生成每个共识支付验证策略的支付验证策略结果信息；
根据所述每个共识支付验证策略的支付验证策略结果信息生成至少一个安全防护更新脚本以及每个安全防护更新脚本所对应...

【专利技术属性】
技术研发人员：杨刘琴，
申请(专利权)人：杨刘琴，
类型：发明
国别省市：上海;31