【技术实现步骤摘要】
一种基于区块链的物联网多区域数据共享激励方法
[0001]本专利技术属于区块链技术与物联网技术结合的数据共享领域,具体属于一种物联网多区域数据共享的激励方法
。
技术介绍
[0002]物联网作为国家战略性新兴产业的重要支撑,是智慧城市
、
智能制造等领域的核心和基础
。
近年来,物联网迎来了爆炸式发展,联网设备数量呈现指数级增长,产生海量数据
。
各个行业和领域各自有自己的数据管理中心,物联网系统数据呈现分域管理的特点,导致针对各个垂直行业的海量物联网数据以独立的数据中心的形式存储,呈现出应用垂直化
、
数据不共享的孤岛现象
。
随着信息化建设和应用的不断深入,数据的交互共享在跨领域跨行业的应用中越来越重要,数据交互共享才能充分挖掘数据的价值
。
因此,实现物联网多区域之间的数据共享逐渐成为物联网领域的研究热点之一
。
[0003]目前,大部分传统物联网数据共享都是集中式的,它们通常依赖于类似银行的可信中心,但可信中心因其管控不透明
、
易受攻击等特征而存在系统信任缺失和隐私泄露等问题
。
区块链去中心化的架构带来数据不可篡改
、
安全可信
、
可追溯等诸多优点,从技术的角度带来了数据可信的价值,其分布式的网络结构和物联网结合能够颠覆传统物联网数据管理系统中心化架构,消除单点故障的隐患
。
另外,区块链跨链技术是实现区块
【技术保护点】
【技术特征摘要】
1.
一种基于区块链的物联网多区域数据共享激励方法,其特征在于,包括以下步骤:建立基于逆向拍卖的物联网多区域数据共享激励模型;共享激励模型中的
Leader
通过基于
Softmax
的数据质量等级计算算法计算数据的质量等级,并从中选出提交数据质量等级高
、
报价低的
Candidate
成为
Winner
参与数据共享任务;建立数据需求者声誉评价模型
、
数据拥有者声誉评价模型
、
代理人声誉评价模型,得到基于声誉的物联网多区域数据共享激励方案
。2.
根据权利要求1所述的一种基于区块链的物联网多区域数据共享激励方法,其特征在于,所述基于逆向拍卖的物联网多区域数据共享激励模型具体包括:基于逆向拍卖的物联网多区域数据共享激励模型基于如下应用场景,
IOT Achain
上的
Demander
想要获取
IOT Bchain
上
Owners
的物联网数据,
Demander
通过
Leader
向
Owner
发布共享任务;
(1)
第一阶段筛选赢标候选人
Candidate
,
IOT Bchain
上的符合共享任务条件的
Owners
参与报价,否则成为其他节点
Others
,
Owners
通过评估自身数据价值得出共享数据想要获得报酬的心理预期值
。
根据心理预期值向
Leader
报价,
Leader
将
Owners
报价从低到高排列,并按报价从低到高选出一部分成为
Candidates。
其余为
Losers
;
(2)
第二阶段选择中标人
Winner
,
Candidates
向
CT chain
的
Leader
提交部分数据,
Leader
通过基于
Softmax
的数据质量等级计算算法计算数据的质量等级,并从中选出提交数据质量等级高
、
报价低的
Candidate
成为
Winner
参与数据共享任务
。3.
根据权利要求1或2所述的一种基于区块链的物联网多区域数据共享激励方法,其特征在于,所述基于
Softmax
的数据质量等级计算算法具体包括:根据分类标签
Y
=
{y
(1)
,y
(2)
,...,y
(k)
}
其中:
Y
取
k
个不同的取值,代表将数据分为
k
个等级;将一条数据分为个工作矩阵利用
Softmax
回归模型对所述个工作矩阵进行训练,计算数据的质量等级;所述数据的质量等级表示为:
其中:
h
表示数据的质量等级计算函数,
θ
则是所述回归模型的参数矩阵,
x
(i)
是个工作矩阵中的一个,
c
(i)
是一个多维度工作量向量,所述多维度工作量向量的维度根据数据的属性确定;
y
(i)
代表
x
(i)
工作量向量对应的等级;
j
=
{1
,2,
...k}
,
j
代表数据的等级的值,
P(y
(i)
=
j|x
(i)
;
θ
)
是当回归模型参数为
θ
时工作向量
x
(i)
属于
j
等级的概率,表示为:工作矩阵
X
分布在各个等级的概率相加为1;
P(y
(i)
=
1|x
(i)
;
θ
)+P(y
(i)
=
2|x
(i)
;
θ
)+...+P(y
(i)
=
k|x
(i)
;
θ
)
=1最终数据质量等级
grade
i
取概率最大值所对应的等级;
grade
i
=
maxP(y
(i)
=
j|x
(i)
;
θ
)
θ
j
为列向量,表示
j
等级对应的模型参数,即
θ
j
为
n
维参数列向量:则表示列向量
θ
j
的转置,即是
θ
矩阵的第
j
行,
θ
则是所述回归模型的参数,如下所示:通过交叉熵法来确定回归模型的损失函数,所述损失函数表示为:其中,
m
为样本个数,通过梯度下降法更新回归模型的参数
θ
:其中,
m
为样本个数,更新回归模型的参数
θ
表示为:
其中,
α
代表批量梯度,
j
=
{1
,2,
...
,
k}
,
j
代表数据的等级的值,
θ
j
代表
j
等级对应的模型参数;通过不断地更新参数并将更新的参数重新代入回归模型中开始新一轮的训练,最终求得损失函数的最小值
min J(
θ
*
)
,此时求得的参数
θ
*
是通过
Softmax
回归模型求得的最优参数;自此,将参数
θ
*
代入数据的质量等级的公式中得出这段数据的质量等级
grade
i
。4.
根据权利要求1所述的一种基于区块链的物联网多区域数据共享激励方法,其特征在于,所述基于声誉的物联网多区域数据共享激励方案具体包括:在基于声誉的物联网多区域数据共享激励方案中分别针对模型中的
Demander、Owner、Agent
设计了数据需求者声誉评价模型
、
数据拥有者声誉评价模型
、
代理人声誉评价模型,目标是通过一种声誉激励,鼓励参与数据共享任务的成员合作,同时限制不诚实成员参与
。5.
根据权利要求4所述的一种基于区块链的物联网多区域数据共享激励方法,其特征在于,所述数据需求者声誉评价模型具体包括:数据需求者声誉评价模型为其中:
M
i
是对
Demander
i
抵押资产评价部分,是根据
Demander
i
在账户抵押的资产数进行评价得到的信任度;
Reputation
i...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。