-
公开(公告)号：CN115913559A
公开(公告)日：2023-04-04
申请号：CN202211041904.X
申请日：2022-08-29
Applicant: 北京理工大学 , 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种基于网络延迟与算力延缓中本聪共识账本同步的方法。本发明在比特币网络中设置一运行模型和一操作者模型；比特币网络中包括诚实节点和攻陷节点；操作者模型将诚实节点分为两组并将攻陷节点分别加入两组进行挖矿；诚实节点上运行运行模型，每回合执行两个操作：1)接收来自比特币网络中广播的区块链，并验证合法性，丢弃不合法的区块；当收到的验证为合法的区块链比自己的区块链长时，则放弃自己原有的区块链，选择接收到的最长合法链作为自己的区块链；2)在自己的区块链末尾进行挖矿，当挖出一个新的区块时，将其添加到自己的区块链，产生一条新的区块链并将其广播出去；攻陷节点能够在任意长度的区块链上进行挖矿并广播。
-
公开(公告)号：CN115913559B
公开(公告)日：2024-08-02
申请号：CN202211041904.X
申请日：2022-08-29
Applicant: 北京理工大学 , 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种基于网络延迟与算力延缓中本聪共识账本同步的方法。本发明在比特币网络中设置一运行模型和一操作者模型；比特币网络中包括诚实节点和攻陷节点；操作者模型将诚实节点分为两组并将攻陷节点分别加入两组进行挖矿；诚实节点上运行运行模型，每回合执行两个操作：1)接收来自比特币网络中广播的区块链，并验证合法性，丢弃不合法的区块；当收到的验证为合法的区块链比自己的区块链长时，则放弃自己原有的区块链，选择接收到的最长合法链作为自己的区块链；2)在自己的区块链末尾进行挖矿，当挖出一个新的区块时，将其添加到自己的区块链，产生一条新的区块链并将其广播出去；攻陷节点能够在任意长度的区块链上进行挖矿并广播。
-
Patent Agency Ranking
公开(公告)号：CN114841363A
公开(公告)日：2022-08-02
申请号：CN202210374786.8
申请日：2022-04-11
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于零知识证明的隐私保护与可验证隐私的联邦学习方法，属于人工智能机器学习技术领域，包括训练任务发布、本地训练、证明生成、训练结果提交、训练过程验证和训练参数聚合。本发明在联邦学习过程中利用零知识证明技术，在不泄露训练者的隐私数据的情况下向发布者证明训练过程的正确性。本发明对于联邦学习中所使用的训练算法没有限定和要求，支持对任意训练过程的证明，使得联邦学习具有可验证和隐私保护的性质，提高了联邦学习的安全性。同时，本发明采用了一种将小数机器学习过程转化为整数机器学习过程的方法，将复杂的机器学习过程通过一系列涉及加减乘除的简单运算的组合表示，将机器学习过程和密码学进行有机的联系与结合。
-
公开(公告)号：CN119071304A
公开(公告)日：2024-12-03
申请号：CN202410424288.9
申请日：2024-04-10
Applicant: 北京理工大学
IPC: H04L67/104 , H04L67/12 , H04L9/40
Abstract: 本发明提供了一种基于区块链和有向无环图的自适应可拓展共识方法，其中该方法，包括：初始化基于有向无环图的区块链网络；当区块链网络中的节点发起新的交易时，该节点将交易信息广播到区块链网络中；将有效的交易信息被添加到交易池；工作节点使用共识协议基于区块难度确定新区块的最大区块引用数，基于区块参考策略确定先前区块引用优先级并创建新区块，同时将交易池中的交易信息添加到新区块中；对新区块进行验证，并将通过验证后的新区块广播到区块链网络中。本发明通过将有向无环图技术引入到区块链系统中，可以将每个交易连接到多个先前的交易，从而使节点能并行处理多个交易，这使得区块链网络在处理交易时具有更高的并发性和吞吐量。
-
公开(公告)号：CN118944888A
公开(公告)日：2024-11-12
申请号：CN202410424245.0
申请日：2024-04-10
Applicant: 北京理工大学 , 中科信息安全共性技术国家工程研究中心有限公司
IPC: H04L9/32 , H04L9/00 , H04L9/40 , H04L67/104 , H04L67/1097
Abstract: 本发明提供了一种基于重投票的共识加速方法，其中该方法，包括：当节点的交易信息通过合法性验证后，当前视图下的主节点收集不少于预设个数的节点针对前序区块Bk‑1的投票生成聚合签名，并将聚合签名、前序区块Bk‑1的哈希值和待上链的交易打包成一个区块Bk，并广播；当没有提案获得的票数大于等于预设阈值时，区块链系统进入重投票阶段；当有效的区块Bk产生后，将区块Bk‑2提交，区块链系统继续执行下一轮的共识过程。本发明将重投票机制引入共识协议中,可以在主节点收集投票的过程中,允许副本节点改变他们的投票，使主节点可以更早收集到足够的投票，解决了传统的分布式一致性协议在处理海量交易时存在效率低下的问题。
-
公开(公告)号：CN114841363B
公开(公告)日：2024-07-23
申请号：CN202210374786.8
申请日：2022-04-11
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于零知识证明的隐私保护与可验证隐私的联邦学习方法，属于人工智能机器学习技术领域，包括训练任务发布、本地训练、证明生成、训练结果提交、训练过程验证和训练参数聚合。本发明在联邦学习过程中利用零知识证明技术，在不泄露训练者的隐私数据的情况下向发布者证明训练过程的正确性。本发明对于联邦学习中所使用的训练算法没有限定和要求，支持对任意训练过程的证明，使得联邦学习具有可验证和隐私保护的性质，提高了联邦学习的安全性。同时，本发明采用了一种将小数机器学习过程转化为整数机器学习过程的方法，将复杂的机器学习过程通过一系列涉及加减乘除的简单运算的组合表示，将机器学习过程和密码学进行有机的联系与结合。
-
公开(公告)号：CN118316590A
公开(公告)日：2024-07-09
申请号：CN202410424273.2
申请日：2024-04-10
Applicant: 北京理工大学
IPC: H04L9/00 , H04L9/40 , H04L9/32 , H04L67/104 , H04L67/1095
Abstract: 本发明提供了一种基于区块链和一致性重投票的共识加速方法，其中该方法，包括：当交易信息通过合法性验证后，当前视图下的主节点收集不少于预设个数的节点针对前序区块的投票生成聚合签名，并将聚合签名、前序区块的哈希值和待上链的交易打包成一个区块；当没有提案获得的票数大于等于预设阈值时，区块链系统进入重投票阶段；当有效的区块Bk产生后，将区块Bk‑2提交，区块链系统继续执行下一轮的共识过程。本发明通过引入了重投票机制，使得在主节点收集投票的过程中，副本节点有权更改其投票，从而让主节点更早地获取足够的投票。这一创新有效地提高了联盟链现有共识协议的性能，解决了传统分布式一致性协议在处理大量交易时效率低下的难题。
-
-
-
-
-
-
Search Results
7
records
(took 0.055 seconds)
