具有数据验证功能的动物个体溯源共识方法技术

本发明专利技术公开了一种具有数据验证功能的动物个体溯源共识方法，属于区块链共识技术领域。本发明专利技术通过基于XGboost算法的时间序列模型与数据验证算法验证养殖数据测量值，并加入异常处理机制，对异常来源进行判断，及时对异常的物联网设备或动物个体进行检查；根据计算节点优先系数，确定领导者节点，领导者节点打包区块并发起出块验证；最后根据出块验证信息，计算节点通过实用拜占庭容错算法反馈区块验证结果，验证通过的区块被写入主链中。对比传统养殖数据维护系统，本发明专利技术的创新点为通过基于XGboost算法的数据验证、异常处理机制、节点优先系数竞争模式和实用拜占庭容错算法的多重验证机制，确保养殖数据维护的安全性与准确性并提高了养殖系统的自动化程度。确性并提高了养殖系统的自动化程度。

【技术实现步骤摘要】
具有数据验证功能的动物个体溯源共识方法


[0001]本专利技术涉及机器学习与区块链
，具体为一项具有数据验证功能的动物个体溯源共识方法。

技术介绍

[0002]区块链是一种按照时间顺序将数据区块以链条的方式 组合成特定数据结构,并以密码学方式保证的不可篡改和不可伪造的去中心化共享总账。利用加密链式区块结构来验证与存储数据、利用分布式节点共识算法来生成和更新数据、利用自动化脚本代码 (智能合约)来编程和操作数据的一种去中心化基础架构与分布式计算范式。区块链技术的核心优势是去中心化,能够通过运用数据加密、时间戳、分布式共识和经济激励等手段, 在节点无需互相信任的分布式系统中达成共识，实现基于去中心化信用的点对点交易、协调与协作, 从而为解决中心化机构普遍存在的高成本、低效率和数据存储不安全等问题提供了解决方案。 目前主流的共识机制有工作量证明机制（POW），权益证明机制（POS），股份授权证明机制（DPOS），实用拜占庭容错机制（PBFT）等，但目前的共识机制大都存在过度消耗资源、效率低以及适应性差等缺点。

技术实现思路

[0003]为了解决传统畜牧业养殖方式存在的人工成本高、数据更新不规范、容易被篡改、历史数据不可追溯等不足，本专利技术提出了一种具有数据验证功能的动物个体溯源共识方法，共识过程简单高效，能够有效解决畜牧养殖过程中数据安全性低、历史数据不可追溯等缺点。
[0004]为实现上述目的，本专利技术采用如下技术方案：一种具有数据验证功能的动物个体溯源共识方法，其特征在于，包括如下步骤：步骤1：数据节点采集个体养殖数据后传输给计算节点，计算节点通过个体识别方法获取个体唯一身份标识，身份标识用于数据与个体的对应以及后续相关数据的查询、对比等。所述数据节点为物联网设备，所述计算节点为具有编程与计算能力的设备，所述养殖数据包括体重、体温、圈舍温度、圈舍湿度等与个体生长相关的数据；步骤2：计算节点根据个体身份标识及数据类型对个体实时数据进行预测获得个体实时数据期望值，根据预设规则计算得到数据节点传输的测量值与期望值的相近系数，并对步骤1中数据节点传输的养殖数据进行验证，判断数据是否异常。其中，数据预测模型是由历史养殖数据作为数据集，基于XGboost算法进行训练得到；步骤3：当出现异常数据时，计算节点根据预设规则判断数据异常来源，其中数据异常来源包括数据节点异常和个体异常预警。如果数据节点异常则报送系统管理员数据节点编号，如果个体异常预警则根据个体健康评分算法得出个体健康评分并反馈给系统。最后计算节点将数据打包生成交易；步骤4：系统根据预设规则计算各计算节点的优先系数并选出一个计算节点作为
领导者节点；步骤5：领导者节点根据预设规则对交易进行验证，确认计算节点身份及交易格式，验证通过后领导者节点打包交易生成区块并将区块广播到网络同时发起出块验证；步骤6：计算节点根据预设规则对区块进行验证，并将验证结果反馈给系统，当系统接收到一定数量的出块验证通过反馈结果时，证明出块成功，调用智能合约完成出块。
[0005]进一步，步骤2中，所述的预设规则为：1.计算节点根据相近系数公式计算数据节点传输的测量值与期望值的相近系数；2.将相近系数输入相近阈值函数；3.通过数据验证算法并对步骤1中数据节点传输的养殖数据进行验证。
[0006]进一步，所述的相近系数公式为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）其中x表示个体实时数据的测量值,x
＇
表示个体实时数据的期望值，μ表示调节系数，S表示个体实时数据的测量值与期望值的相近系数。
[0007]进一步，所述的相近阈值函数为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）其中γ示为个体实时数据异常阈值，F(S)表示相近阈值函数。
[0008]进一步，所述的数据验证算法为：1. 数据更新时，若计算节点C
i
未能接收到相应数据节点D
i
传输的数据，则产生链接错误，计算节点C
i
与数据节点D
i
发生通讯异常；2. 计算节点C
i
通过个体身份标识和数据预测模块获得个体实时数据的期望值x
＇
；3. 计算节点C
i
根据公式1计算得到个体实时数据预测值x
＇
与测量值x的相近系数S、并根据相近阈值函数F(S)的函数值判断个体实时数据测量值x为有效数据或异常数据；4. 当F(S)的函数值为0时，此时个体实时数据测量值x为有效数据，当F(S)的函数值为1时，此时个体实时数据测量值x为异常数据；5. 当x为有效数据时，交易T
i
的预警位置0；当x为异常数据时，交易T
i
预警位置1。
[0009]进一步，步骤3中，所述的预设规则为：1. 当数据为异常数据时，计算节点触发预警并记录此次数据所属的数据节点标识及个体身份标识；2. 计算节点根据异常系数公式计算异常系数，并通过预警函数判断异常来源；3. 异常系数公式为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）其中D
ij
为数据节点D
i
传输的数据打包生成的交易T
j
的预警位的值，n为数据节点D
i
传输的数据总数；4. 预警函数为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（4）
其中F
i
(E)为数据节点预警函数，δ为预警阈值；5. 当预警函数值为0时，表示数据节点D
i
出现程序故障；当预警函数值为0时，表示数据节点正常，此时需要计算个体健康评分。
[0010]进一步，步骤3中，所述的个体健康评价算法为：1. 建立评价因素集，具体步骤为：把系统维护的个体养殖数据的状态参量作为评价因素，建立层次型指标体系。目标层个体健康评分可分解为Q个评价项目，然后再将Q个评价项目继续分解为指标层；2. 确定各级评价因素的权重 ；3. 确定指标层的状态参量，若数据正常则状态参量为0，若数据异常则状态参量为1；4. 计算个体健康评分公式为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（5）其中，H表示个体健康评分，n表示项目层中评价项目个数，W
i
表示评价项目i的权重，W
j
表示S
i
中各指标的权重，T
j
表示S
i
中各指标的状态参量。
[0011]进一步，步骤4中，所述的预设规则为：1. 根据优先系数公式计算各计算节点的优先系数，所述的优先系数公式为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（6）其中β为节点优先系数，α为节点加入网络天数，B为节点成功出块次数，σ为一个很小的数防止节点优先系数为0的情况，t为平均时间间隔，T为计算节点与上一次参与共识的时间间隔；2. 采用轮盘赌算法选出领导者节点；进一步，所述的轮盘本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.具有数据验证功能的动物个体溯源共识方法，其特征在于，主要包括如下步骤：步骤1：数据节点采集个体养殖数据后传输给计算节点，计算节点通过个体识别方法获取个体唯一身份标识，身份标识用于数据与个体的对应以及后续相关数据的查询、对比等；所述数据节点为物联网设备，所述计算节点为具有编程与计算能力的设备，所述养殖数据包括体重、体温、圈舍温度、圈舍湿度等与个体生长相关的数据；步骤2：计算节点根据个体身份标识及数据类型对个体实时数据进行预测获得个体实时数据期望值，根据预设规则计算得到数据节点传输的测量值与期望值的相近系数，并对步骤1中数据节点传输的养殖数据进行验证，判断数据是否异常；其中，数据预测模型是由历史养殖数据作为数据集，基于XGboost算法进行训练得到；步骤3：当出现异常数据时，计算节点根据预设规则判断数据异常来源，其中数据异常来源包括数据节点异常和个体异常预警；若数据节点异常则报送系统管理员数据节点编号，若个体异常预警则根据个体健康评分算法得出个体健康评分并反馈给系统，最后计算节点将数据打包生成交易；步骤4：系统根据预设规则计算各计算节点的优先系数并选出一个计算节点作为领导者节点；步骤5：领导者节点根据预设规则对交易进行验证，确认计算节点身份及交易格式，验证通过后领导者节点打包交易生成区块并将区块广播到网络同时发起出块验证；步骤6：计算节点根据预设规则对区块进行验证，并将验证结果反馈给系统，当系统接收到一定数量的出块验证通过反馈结果时，证明出块成功，调用智能合约完成出块。2.根据权利要求1所述的具有数据验证功能的动物个体溯源共识方法，其特征在于：步骤2中，所述的预设规则为：（1）计算节点根据相近系数公式计算数据节点传输的测量值与期望值的相近系数；所述的相近系数公式为：（1）其中x表示个体实时数据的测量值,x
＇
表示个体实时数据的期望值，μ表示调节系数，S表示个体实时数据的测量值与期望值的相近系数，（2）将相近系数输入相近阈值函数；相近阈值函数为：（2）其中γ示为个体实时数据异常阈值，F(S)表示相近阈值函数，（3）通过数据验证算法并对步骤1中数据节点传输的养殖数据进行验证。3.根据权利要求2所述的具有数据验证功能的动物个体溯源共识方法，其特征在于：所述的数据验证算法为：（1）数据更新时，若计算节点C
i
未能接收到相应数据节点D
i
传输的数据，则产生链接错误，计算节点C
i
与数据节点D
i
发生通讯异常；（2）计算节点C
i
通过个体身份标识和数据预测模块获得个体实时数据的期望值x
＇
；（3）计算节点C
i
根据公式1计算得到个体实时数据预测值x
＇
与测量值x的相近系数S、并
根据相近阈值函数F(S)的函数值判断个体实时数据测量值x为有效数据或异常数据；（4）当F(S)的函数值为0时，此时个体实时数据测量值x为有效数据，当F(S)的函数值为1时，此时个体实时数据测量值x为异常数据；...

【专利技术属性】
技术研发人员：时小虎，姚鑫，马德印，常颖，
申请(专利权)人：吉林大学，
类型：发明
国别省市：