基于区块链的学历鉴证平台中智能合约关键技术研究

来源 :东南大学 | 被引量 : 0次 | 上传用户:wangchun2000
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,随着证书的普及,学历造假、隐私泄露等事件层出不穷。已有的解决方案大多是基于传统的中心化数据库存储技术,会造成数据丢失、泄露且难以恢复的情况,存在一定的弊端。即便能够保证数据可信,但单凭学历证书也并不能完全代表一个人的能力。
  区块链技术的提出为解决上述问题提供了新的思路。学程链是一个基于区块链的学历鉴证平台,它通过将学生全周期的学习经历数据、数字身份存储于区块链上,保证学生数据安全且不可篡改,并基于智能合约技术提供有关学历的各种鉴证服务以及个人数据隐私保护。智能合约技术为自动执行学程链参与者之间的约定和互动提供了保障,本文以学程链中的智能合约关键技术为主要研究内容。论文的主要贡献如下:
  (1) 针对智能合约开发复杂性较高、不同平台实现机制不一致等问题,提出了语义层次较高的有限承诺机方法,支持设计人员在业务语义层面描述智能合约的处理逻辑而不需要关心具体的编程细节,可以大幅度降低智能合约开发的难度。
  (2) 根据智能合约的运行特点提出了有限状态机方法,有限状态机作为一种公共的中间表达形式,可以独立于具体的智能合约编程语言,描述智能合约的代码逻辑和编程细节,并能够翻译成不同编程语言的智能合约代码。
  (3) 设计实现了有限承诺机自动转化为有限状态机的方法并对该方法的正确性进行了分析与证明,同时提出了有限状态机状态图的结构划分算法,实现其与以太坊Solidity语言、超级账本Fabric Go语言之间的结构映射,从而能够基于有限状态机自动生成以太坊和超级账本Fabric上可部署、执行的智能合约代码。
  (4) 提出了基于智能合约的恶意查询过滤算法EBF-SC,并设计了弹性布隆过滤器改进现有布隆过滤器的误报问题,EBF-SC算法与弹性布隆过滤器的结合降低了恶意查询对系统响应速度的影响,保障了学程链的查询性能并提高了系统安全性。
  (5) 分别对基于有限状态机的智能合约生成方法和 EBF-SC 算法进行实验验证和结果分析。实验结果表明,本文提出的解决方案是有效的,能够为简化智能合约的设计和生成、保障学程链的响应性能提供有力的支持。
其他文献
随着X射线计算机断层成像(X-ray Computed Tomography,CT)在现代医学中的应用越来越广泛,CT 检查中潜在的辐射风险也引起了广泛的关注,过量的辐射容易诱发白血病以及癌症等疾病,因此,降低CT扫描过程中的辐射剂量刻不容缓。但是降低CT扫描过程中的辐射剂量会导致重建后的CT 图像中的信噪比降低,CT 图像中存在着严重的噪声和伪影,进而影响医生的诊断。为了提高在低扫描剂量下CT图
当今,网络数据作为一种广泛使用的数据载体,正逐渐成为人们认知并抽象世界的一种方式之一。网络中除了节点和边的信息外,往往还包括丰富的节点属性,蕴含巨大的价值。网络表示学习,是一种旨在将网络数据中的节点表示成低维、稠密且是实值向量表示形式的新颖的表示学习方法,学习到的向量表示将会用于各类下游任务如节点分类和链路预测中以提升性能。然而现有的深度网络表示学习方法由于忽略了嵌入表示的分布容易陷入过拟合问题,
协同众包是指需要多人共同合作完成复杂任务的众包。由于工人需要相互协作才能完成任务,因此工人之间的协同代价是影响团队合作效率和质量的重要因素。与以往团队形成问题中基于社会网络通信成本计算协同代价模型不同的是,本文基于工人对互相之间协同情况的反馈计算工人之间的协同代价。所以,本文首先基于工人反馈研究复杂任务被分解后的协同众包团队形成问题,然后在该研究的基础上,本文针对工人的不诚实性和工人的信誉因素对问
学位
图像超分辨率技术是指通过软件算法来提高图像的空间分辨率并恢复更高频率的细节信息,从而获得更丰富的图像内容。如今,图像超分辨率技术在视频处理领域获得了更多的关注,视频超分辨率成为研究热点。得益于硬件成本低、部署难度小等优势,视频超分辨率技术可以嵌入在录制、传输、播放、应用等各个阶段,对于提高成像质量、降低传输带宽、改善视觉体验、优化智能应用等方面均可起到突出作用,具有极高的应用价值。本文主要关注视频
学位
近年来,实值神经网络(Real Neural Network,Real NN)在学术界和工业界受到广泛关注,网络的构造、推广及其合理的解释是当前人工智能应用基础理论研究的重要研究内容。作为深度学习的经典学习模型,实值卷积神经网络(Real Convolutional Neural Network,Real CNN)在语音识别、图像处理、医学辅助诊断等领域均取得了显著成果,但是它的网络结构中通常不考
近些年来各行各业高速发展,对人才的选择日趋重要,人才选择最重要的是人才评估。尽管当前招聘形式种类多样,但人才评估依赖于学历证明的情况并没有发生改变,这导致学历造假现象层出不穷。此外,各大企业招聘人才需大量笔试、面试,导致招聘效率低下,且应试型考试能够考前突击,从而取得很好成绩,并不能真实评估人才水平。基于学习经历大数据(以下简称学历数据)生成学生画像,进而实现客观人才评估的方法,近年来受到了很大关
学位
近年来,随着智能设备的普及,移动应用得到迅速的发展。这些应用往往依赖于基于位置的服务,通过使用用户的坐标位置或者语义/逻辑位置为用户提供个性化服务内容。基于位置服务的应用对用户位置信息的访问带来了严重的隐私隐患,为了使用户在获得基于位置服务的同时保障其隐私不受侵犯,研究者们针对位置隐私定义以及隐私与功能之间的最优化权衡展开了研究。  现有的隐私定义主要基于信息论和差分隐私这两个概念,且主要针对用户
学位
随着网络信息技术的不断发展,互联网已经成为国民经济和社会发展的重要基础设施,各类业务与应用对网络基础设施的可扩展性和健壮性要求达到了新的高度。IETF提出的新一代网络管理协议 NETCONF,以及用于描述网络配置和状态数据的 YANG 模型,可以降低人工运维成本,使网络运维趋于自动化。  然而由于业务现实等因素,各家厂商和标准化组织构建的YANG模型存在异构性,不同来源的YANG模型在语义上难以统
学位
近年来,传统数据中心网络的性能已经无法满足分布式应用日益增长的网络需求,新型的低延迟数据中心网络应运而生。低延迟数据中心网络的核心技术是RDMA,即远程直接内存访问技术。RDMA本质上是将协议栈卸载到硬件中,实现了内核旁路技术,避免了传统网络中数据从用户态到内核态的拷贝开销,同时省去了内核处理的开销,为数据中心分布式应用提供了低延时和高带宽的性能优势。RDMA 与数据中心应用的结合使得传统的基于T
学位
X射线数字化放射成像(DR,Digital Radiography)使得医生在无创条件下,能够初步掌握关于病人病情和病灶的基本信息,在众多疾病的医学临床检查和诊断中扮演着不可替代的重要角色。为了降低电离辐射可能带来的致癌风险,低剂量成像是目前临床应用的必然趋势。然而降低辐射剂量将引入大量噪声,导致成像结果严重退化。近年来,随着硬件技术的发展和深度学习理论日渐成熟,基于卷积神经网络的图像噪声抑制研究
学位