[发明专利]一种基于人工智能和区块链技术的DPOS分叉预测方法

权利要求书

1.一种基于人工智能和区块链技术的DPOS分叉预测方法，其特征在于，所述方法的具体步骤如下：

步骤S1，获取EOS.IO软件中可能使DPOS发生分叉的所有因素；

步骤S2，对获取的信息进行模式识别处理；

步骤S3，构建与函数相关的区块链DPOS分叉特征集，包括节点丢失的信息、最近的参与率、出块者产生区块的时间；

步骤S4，采用深度学习的方法预测区块链DPOS分叉模型，形成策略；

步骤S5，预测出现分叉后立即警告区块操作者。

2.根据权利要求1所述的一种基于人工智能和区块链技术的DPOS分叉预测方法，其特征在于，所述步骤S1采用人工智能中的深度优先搜索算法找到EOS.IO软件中可能使DPOS发生分叉的所有因素；

深度优先搜索算法如下：

把起始节点S放到未扩展节点OPEN表中

(1)如果此节点为一目标节点，则得到一个解结束；

(2)如果此节点非目标节点，再看OPEN表是否为空表：

1)如果OPEN表为空表则失败退出；

2)如果OPEN表不是空表，把OPEN表第一个节点(节点n)从OPEN表移到CLOSED表，并看节点n的深度是否等于深度界限：如果是，则回到判断OPEN表是否为空表继续向下执行，如果不是，扩展节点n，将其后裔放入OPEN表的前头，接着判断是否有任何后继节点为目标节点，如果是，则成功，如果不是，则回到判断OPEN表是否为空表继续向下执行。

3.根据权利要求1所述的一种基于人工智能和区块链技术的DPOS分叉预测方法，其特征在于，所述步骤S2的模式识别处理，包括：数据采集、数据预处理、特征提取与特征选择及模式识别；

所述的特征提取与特征选择的具体步骤是对数据信息进行分析，去掉对分类无效或容易造成混淆的特征因素，得到最能反映模式本质的特征；

所述的模式识别的具体步骤是首先按设想的分类判决数学模型，对训练样本模式进行训练，得到分类的判决规则；然后利用判决规则对待识别模式的特征进行识别，输出识别结果；最后将已识别的分类结果与已知类别的输入模式做对比，不断改进判决规则和特征选择与提取方法。

4.根据权利要求1所述的一种基于人工智能和区块链技术的DPOS分叉预测方法，其特征在于，所述步骤S4的深度学习方法是基于人工神经网络算法的深度学习方法；

Hopfield网络的学习算法：

步骤S4.2.1，将输入向量X＝[x_i1,x_i2,﹒﹒﹒x_in]^T存入Hopfield网络中，则在网络中第i，j两个节点间的权重系数按下列公式计算：

确定输出向量Y＝[y₁，y₂，﹒﹒﹒y_n]^T；

步骤S4.2.2，将X中的各个分量的x₁，x₂，﹒﹒﹒x_n分别作为第一层网络n结点的输入，则结点有相应的初始状态Y(t＝0),即y_i(0)＝x_j，j＝1，2，﹒﹒﹒n；

步骤S4.2.3，对于二值神经元，计算当前Hopfield网络输出：

U_j(t+1)＝∑w_ijy_i(t)+x_j–θ_j,j＝1，2，﹒﹒﹒n

y_i(t+1)＝f(U_j(t+1)),j＝1，2，﹒﹒﹒n

其中，x_j为外部输入；f是非线性函数，可以选择阶跃函数；θ_j为阈值函数；

步骤S4.2.4，利用最终输出与训练样本进行匹配，找出最相近的训练样本向量，其类别即是待测样本类别，所以，即使待测样本并不完全或部分不正确，也能找到正确的结果；

步骤S4.3，将预测的模型形成策略。

5.根据权利要求1所述的一种基于人工智能和区块链技术的DPOS分叉预测方法，其特征在于，所述步骤S5预测出现分叉后系统将会立即警告操作者，等待15/21的确认(21个区块生产者中的15个给出确认，交易不可逆)直到警告消失。