一种基于深度学习的有向无环图区块链可扩展性增强方法技术

本发明专利技术公开了一种基于深度学习的有向无环图区块链可扩展性增强方法。该方法的具体步骤如下：(1)在生成新的交易区块时，提取之前有向无环图的拓扑特征和交易信息特征；(2)将提取出的特征，如交易发起人，拓扑结构特征，节点权重等输入神经网络，输出该节点是恶意区块节点概率；(3)根据该节点是恶意的概率来降低当前节点的投票权重，投票权重与概率呈负相关。利用本发明专利技术的方法可以在保留有向无环图的高带宽、算力利用率的前提下，有效应对恶意攻击带来的挑战，提升安全性。提升安全性。提升安全性。

【技术实现步骤摘要】
一种基于深度学习的有向无环图区块链可扩展性增强方法


[0001]本专利技术涉及深度学习、区块链的应用领域，具体涉及一种基于深度学习的有向无环图区块链可扩展性增强方法。

技术介绍

[0002]区块链是借由密码学串接并保护内容的串联文字记录，是一个自带时间戳的分布式数据库，更是一种分布式的记账系统。区块按照从后向前的顺序连接起来，具备了公开透明、无法篡改、方便追溯的特点。近年来，区块链不仅在加密货币中扮演着重要的角色，更在大数据、物联网等领域有着广阔的应用前景。由中本聪提出的区块链共识机制主要由最长链机制和工作量证明两部分组成，因而这种区块链下产生区块速度慢，无法用于大规模高频交易或是其他对处理速度有较高需求的数据存储、传输场景。
[0003]为了提高区块链的处理速度，同时减少对算力的浪费，有向无环图(Directed Acyclic Graph,DAG)被引入进来，形成了有向无环图区块链(DAG-based blockchain)。DAG结构尽管显著提升了交易处理能力以及对算力、带宽的利用率，却由于增加了大量分叉，在需要对有向无环图中的所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的有向无环图区块链可扩展性增强方法，其特征在于，包括如下步骤：步骤1，若待确认节点为X，节点确认延迟为δ，则在始祖节点G至待确认节点X之后的深度为δ的节点中，找出所有与待确认节点X连通的节点；步骤2，提取步骤1找出的节点的特征，将特征信息保存至特征向量α；步骤3，对特征向量α进行预处理，得到神经网络的输入向量步骤4，训练神经网络，将输入向量输入训练好的神经网络f中，根据模型得到其中，p为当前节点是恶意节点的概率，w为权重矩阵，b为偏置量；步骤5，建立概率p到当前节点投票权重γ的映射g，使γ＝g(w
p
p+b
p
)，其中w
p
为当前节点下的权重矩阵，b
p
为当前节点下的偏置量，投票权重γ与概率p呈负相关，且γ∈(0,1)；步骤6，对于步骤1中找出的节点中所有未确认节点，重复步骤4～5，得到各未确认节点的投票权重，同时将所有已确认节点的投票权重置为1；步骤7，对于步骤1找...

【专利技术属性】
技术研发人员：张旭，章荣奇，马展，
申请(专利权)人：南京大学，
类型：发明
国别省市：