一种基于智能合约的历史交易重放方法及系统

    公开(公告)号:CN116881254A

    公开(公告)日:2023-10-13

    申请号:CN202310871571.1

    申请日:2023-07-14

    申请人: 暨南大学

    摘要: 本发明涉及智能合约测试技术领域,提出一种基于智能合约的历史交易重放方法及系统,包括以下步骤:根据以太坊的状态变更对交易特征进行建模,并基于所述交易特征配置交易筛选规则;基于帕特里夏默克树与二叉排序树构建世界临时状态树;创建伪造区块,基于所述交易筛选规则对原交易列表中的交易进行过滤筛选后添加至所述伪造区块中;根据所述世界临时状态树中存储的历史状态进行回溯,构建伪造世界状态树并添加至所述伪造区块中;以太坊运行所述伪造区块,所述伪造区块执行历史交易重放以修复合约,并将修复合约与原合约进行比对,将比对结果写入日志。

    一种基于集成学习的代码片段敏感信息检测方法

    公开(公告)号:CN117421730A

    公开(公告)日:2024-01-19

    申请号:CN202311163836.9

    申请日:2023-09-11

    申请人: 暨南大学

    IPC分类号: G06F21/56 G06F21/57 G06N20/20

    摘要: 本发明公开了一种基于集成学习的代码片段敏感信息检测方法,包括S1、对训练样本进行预处理,初始化配置文件;S2、从训练样本中提取特征,建立特征矩阵;S3、建立SVM‑AdaBoost模型并对该模型进行训练;S4、用训练好的SVM‑AdaBoost模型检测待测代码片段,初步判断代码片段是否存在敏感信息,并对存在敏感信息对样本进行自动标记。本发明加强了代码片段中敏感信息的检测能力,减少了人工检测的成本,同时基于集成学习结合多个基学习器可以获得比任意单个基学习器都要好的检测效果。

    车辆编队中轻量级、隐私保护的领队车辆选择系统及方法

    公开(公告)号:CN116994423B

    公开(公告)日:2024-04-16

    申请号:CN202310894676.9

    申请日:2023-07-19

    申请人: 暨南大学

    IPC分类号: G06F21/60 G08G1/00

    摘要: 本发明公开了一种车辆编队中轻量级、隐私保护的领队车辆选择系统及方法,该系统包括可信机构TA,用于负责生成系统参数和维护车辆信息;服务提供者SPA,用于负责处理车辆编队的信息;服务提供者SPB,用于负责配合服务提供者SPA完成领队车辆的选择;路侧单元RSU,用于作为车辆与可信机构TA、服务提供者SPA的通信接口。本发明实现了高效的领队车辆选择和强隐私保护,能够降低可信实体的参与度,实现由半可信实体根据声望值大小选择领队车辆,且能够在较低的计算、通信与存储开销的情况下,确保车辆声望值隐私及身份隐私不被泄露。

    一种基于集成学习的代码片段敏感信息检测方法

    公开(公告)号:CN117421730B

    公开(公告)日:2024-06-04

    申请号:CN202311163836.9

    申请日:2023-09-11

    申请人: 暨南大学

    IPC分类号: G06F21/56 G06F21/57 G06N20/20

    摘要: 本发明公开了一种基于集成学习的代码片段敏感信息检测方法,包括S1、对训练样本进行预处理,初始化配置文件;S2、从训练样本中提取特征,建立特征矩阵;S3、建立SVM‑AdaBoost模型并对该模型进行训练;S4、用训练好的SVM‑AdaBoost模型检测待测代码片段,初步判断代码片段是否存在敏感信息,并对存在敏感信息对样本进行自动标记。本发明加强了代码片段中敏感信息的检测能力,减少了人工检测的成本,同时基于集成学习结合多个基学习器可以获得比任意单个基学习器都要好的检测效果。

    车辆编队中轻量级、隐私保护的领队车辆选择系统及方法

    公开(公告)号:CN116994423A

    公开(公告)日:2023-11-03

    申请号:CN202310894676.9

    申请日:2023-07-19

    申请人: 暨南大学

    IPC分类号: G08G1/00 H04L9/32

    摘要: 本发明公开了一种车辆编队中轻量级、隐私保护的领队车辆选择系统及方法,该系统包括可信机构TA,用于负责生成系统参数和维护车辆信息;服务提供者SPA,用于负责处理车辆编队的信息;服务提供者SPB,用于负责配合服务提供者SPA完成领队车辆的选择;路侧单元RSU,用于作为车辆与可信机构TA、服务提供者SPA的通信接口。本发明实现了高效的领队车辆选择和强隐私保护,能够降低可信实体的参与度,实现由半可信实体根据声望值大小选择领队车辆,且能够在较低的计算、通信与存储开销的情况下,确保车辆声望值隐私及身份隐私不被泄露。