[发明专利]默克尔树更新方法、装置、设备及可读存储介质

权利要求书

1.一种默克尔树更新方法，其特征在于，所述默克尔树更新方法包括：

获取更新数据和待更新默克尔树，并确定所述待更新默克尔树对应的原数据集和预设哈希编码模型；

基于所述更新数据和所述原数据集，对所述预设哈希编码模型进行训练更新，获得目标哈希编码模型；

基于所述目标哈希编码模型和所述更新数据，更新所述待更新默克尔树的随机叶子节点层，获得目标默克尔树；

其中，所述基于所述更新数据和所述原数据集，对所述预设哈希编码模型进行训练更新，获得目标哈希编码模型的步骤包括：

基于所述更新数据和所述原数据集，确定目标数据集，并确定所述目标数据集对应的数据类别集合，其中，所述目标数据集包括一个或者多个训练数据块，所述数据类别集合包括各所述训练数据块对应的数据类别；

获取所述数据类别集合对应的目标哈希编码值集合，并确定所述目标数据集对应的训练数据和所述目标哈希编码值集合对应的目标哈希编码值，其中，所述目标哈希编码值集合包括各所述数据类别对应的目标哈希编码值；

基于所述训练数据和所述目标哈希编码值，对预设哈希编码模型进行迭代训练更新，直至满足预设迭代结束条件，获得所述目标哈希编码模型。

2.如权利要求1所述默克尔树更新方法，其特征在于，所述更新数据包括新增数据块，

所述基于所述目标哈希编码模型和所述更新数据，更新所述待更新默克尔树的随机叶子节点层，获得目标默克尔树的步骤包括：

生成所述新增数据块对应的目标随机叶子节点，并将所述新增数据块输入所述目标哈希编码模型，获得所述新增数据块对应的输出哈希编码值；

基于所述输出哈希编码值，匹配所述目标随机叶子节点对应的目标父节点；

基于所述目标随机叶子节点和所述目标父节点，更新所述随机叶子节点层，获得所述目标默克尔树。

3.如权利要求1所述默克尔树更新方法，其特征在于，所述基于所述更新数据和所述原数据集，对所述预设哈希编码模型进行训练更新，获得目标哈希编码模型的步骤包括：

基于所述更新数据和所述原数据集，确定目标数据集，并确定所述目标数据集对应的数据类别集合；

获取所述数据类别集合对应的目标哈希编码值集合，并确定所述目标数据集对应的训练数据和所述目标哈希编码值集合对应的目标哈希编码值；

基于所述训练数据和所述目标哈希编码值，对所述预设哈希编码模型进行迭代训练，以优化所述预设哈希编码模型对应的极化损失函数，直至所述预设哈希编码模型达到预设迭代结束条件，获得所述目标哈希编码模型。

4.如权利要求3所述默克尔树更新方法，其特征在于，所述基于所述训练数据和所述目标哈希编码值，对所述预设哈希编码模型进行迭代训练，以优化所述预设哈希编码模型对应的极化损失函数，直至所述预设哈希编码模型达到预设迭代结束条件，获得所述目标哈希编码模型的步骤包括：

将所述训练数据输入所述预设哈希编码模型，以基于所述极化损失函数，对所述训练数据进行哈希编码，获得初始哈希编码值；

计算所述初始哈希编码值和所述目标哈希编码值之间的训练汉明距离，并将所述训练汉明距离与预设汉明距离阀值进行比对；

若所述训练汉明距离大于所述预设汉明距离阀值，则判定所述预设哈希编码模型未达到所述预设迭代结束条件，并基于所述初始哈希编码值优化所述极化损失函数；

基于优化后的所述极化损失函数，重新训练所述预设哈希编码模型，直至所述训练汉明距离小于或者等于所述预设汉明距离阀值；

若所述训练汉明距离小于或者等于所述预设汉明距离阀值，则判定所述预设哈希编码模型达到所述预设迭代结束条件，并将所述预设哈希编码模型作为所述目标哈希编码模型。

5.如权利要求4所述默克尔树更新方法，其特征在于，所述将所述训练数据输入所述预设哈希编码模型，以基于所述极化损失函数，对所述训练数据进行哈希编码，获得初始哈希编码值的步骤包括：

将所述训练数据输入所述预设哈希编码模型，对所述训练数据进行哈希，获得训练哈希结果；

基于所述极化损失函数，对所述训练哈希结果进行极化，获得极化结果；

基于所述极化结果，确定所述初始哈希编码值。