-
公开(公告)号：CN112689282B
公开(公告)日：2022-07-05
申请号：CN202011493837.6
申请日：2020-12-16
申请人： 曲阜师范大学
IPC分类号： H04W12/02 , H04W12/63 , H04W40/02 , H04W40/10 , H04W40/22 , H04W4/38 , H04W84/18 , H04L45/00 , H04L45/122
摘要： 本发明涉及无线传感器网络领域，公开了一种适用于保护位置隐私的匿名通信方案。针对无线传感器网络在应用中敌手可以进行回溯攻击和流量分析，推断源节点和事件发生的位置，导致位置隐私泄露的问题，本发明首先通过设置候选区域，提出了基于候选区域的代理源节点选择机制，选择代理源节点代替真实源节点发送消息，保护源节点的位置隐私；其次，基于节点的剩余能量，提出了基于剩余能量的最短路由算法，可以进行高效的数据转发；最后，将基于候选区域的代理源节点选择机制和基于剩余能量的最短路由算法相结合，提出了一种新的匿名通信方案，在保证消息发送方的匿名性的同时，实现了无线传感器网络在发送消息的过程中真实源节点的位置隐私保护和高效的数据转发。
-
公开(公告)号：CN112689282A
公开(公告)日：2021-04-20
申请号：CN202011493837.6
申请日：2020-12-16
申请人： 曲阜师范大学
IPC分类号： H04W12/02 , H04W40/02 , H04W40/10 , H04W40/22 , H04W4/38 , H04W84/18 , H04L12/721 , H04L12/733
摘要： 本发明涉及无线传感器网络领域，公开了一种适用于保护位置隐私的匿名通信方案。针对无线传感器网络在应用中敌手可以进行回溯攻击和流量分析，推断源节点和事件发生的位置，导致位置隐私泄露的问题，本发明首先通过设置候选区域，提出了基于候选区域的代理源节点选择机制，选择代理源节点代替真实源节点发送消息，保护源节点的位置隐私；其次，基于节点的剩余能量，提出了基于剩余能量的最短路由算法，可以进行高效的数据转发；最后，将基于候选区域的代理源节点选择机制和基于剩余能量的最短路由算法相结合，提出了一种新的匿名通信方案，在保证消息发送方的匿名性的同时，实现了无线传感器网络在发送消息的过程中真实源节点的位置隐私保护和高效的数据转发。
-
公开(公告)号：CN111192033A
公开(公告)日：2020-05-22
申请号：CN202010083405.1
申请日：2020-02-09
申请人： 曲阜师范大学
摘要： 本发明针对现有的博弈论方法在不完全信息下不能完全保证高质量硬币参与者的权益问题，利用参与者向智能合约提交押金的策略，公开了在不完全信息下，对毒药、理发和资历三种策略的改进方法。旨在防止参与者在掌握部分混币质量信息的情况下，实施混币行为或混入太多质量差的硬币，从而保证参与者的权益。其技术要点是：在不完全信息下，改进了毒药、理发和资历三种质量传播策略，让参与者提前支付押金，分析两种情况下参与者A与参与者B在混币交易中的收益，保证参与者没有混入低质量币的动机。该技术在保障参与者权益的同时，也有效避免了混币中违法犯罪行为（例如洗钱）的发生。
-
公开(公告)号：CN112968964A
公开(公告)日：2021-06-15
申请号：CN202110209584.3
申请日：2021-02-24
申请人： 曲阜师范大学
摘要： 本发明针对现有区块链中策略性攻击的问题，利用强化学习的思想，考虑理性矿工和智能自私矿工存在的情况下，对于策略性攻击的影响，公开了一种新的自私挖矿算法：Intelligent Bribery Selfish Mining In Ethereum（BSM‑Ether）。旨在构造一个基于理性矿工参与的贿赂自私挖矿模型，攻击者可以通过强化学习降低攻击以太坊网络的算力阈值，从而提高攻击者破坏系统的动机。其技术要点是：自私矿工通过强化学习与外部环境交互选择最优策略，将外部环境规范为马尔可夫决策过程，利用强化学习来寻找使得收益最大化的最优攻击策略。实验结果表明，BSM‑Ether算法和SM1 in Ethereum相比较，具有更低的算力阈值和更高的相对收益。该算法能有效的提高自私挖矿攻击的成功率，破坏以太坊网络的安全性。
-
公开(公告)号：CN111698265A
公开(公告)日：2020-09-22
申请号：CN202010599741.1
申请日：2020-06-29
申请人： 曲阜师范大学
摘要： 本发明针对现有区块链中策略性攻击的问题，利用机器学习的思想，考虑纯理性矿工和智能攻击者存在的情况下，对于策略性攻击的影响，公开了一种新的自私挖矿算法：Intelligent Bribery Selfish Mining（IPBSM）。旨在构造一个基于纯理性矿工参与的贿赂自私挖矿模型，攻击者可以通过机器学习降低攻击区块链系统的算力阈值，从而提高攻击者破坏系统的动机。其技术要点是：智能攻击者通过强化学习与外部环境交互选择最优策略，将他们与外部环境的交互过程规范为马尔科夫过程，利用强化学习去寻找最大化自身收益的最优策略。实验结果表明，IBSM算法和SM1相比较，具有更低的算力阈值和更高的相对收益。该算法能够有效的提高私自挖矿攻击的成功率，破坏区块链系统的安全性。
-
公开(公告)号：CN110633964A
公开(公告)日：2019-12-31
申请号：CN201910854521.6
申请日：2019-09-10
申请人： 曲阜师范大学
摘要： 本发明公开了区块链基于权益(stake)证明共识机制中的一种基于伪随机几何的权益函数的研究方法，旨在发现伪随机几何权益函数具有较好的激励相容性质。与此同时，利用基尼指数衡量了这几种权益函数对于权益分布的公平性。在给定参数下，伪随机几何权益函数具有较低的基尼系数，说明该权益函数的权益分布具有较好的公平性。在基于权益证明的共识机制中，常数权益函数定义容易造成“富者更富”现象，造成财富分配不均。几何权益函数可以在一定程度上消除这种现象，但是不满足激励相容性质。伪随机几何权益函数在满足激励相容性质的同时，具有较低的基尼系数，本发明适用于实现基于权益证明共识机制中财富分配公平性。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.023 秒)
