[发明专利]一种基于区块链的群智感知方法及系统

权利要求书

1.一种基于区块链的群智感知方法，其特征在于，包括：

当任务请求者向区块链发布任务时，选取工人，并通过执行验证者选择智能合约选取验证者；

计算当前节点的局部信誉值Rep_local(i，j)，

Rep_local(i，j)＝α*Sat(i，j)+(-β)*Unsat(i，j) (1)

其中，Sat(i，j)表示节点i和节点j达成的满意交易的数量，Unsat(i，j)表示节点i和节点j达成的不满意交易的数量，α和β分别代表满意交易和不满意交易所占的权重；

对所述局部信誉值进行标准化处理，得到标准化处理后的局部信誉值；根据所述当前节点与其邻居节点之间的交易评级，对所述标准化处理后的局部信誉值进行聚合处理，得到聚合处理后的局部信誉值；所述邻居节点为与所述当前节点进行过交易的节点；根据所述邻居节点与其邻居节点之间的交易评级，基于所述聚合处理后的局部信誉值，计算全局信誉值；根据各节点的全局信誉值，选取出所述验证者；

当所述工人完成任务，通过所述区块链向所述任务请求者提交感知数据时，执行工人雇佣智能合约，由所述验证者对所述工人与所述任务请求者之间的雇佣关系进行验证，完成第一次共识；

当所述任务请求者对所述工人提交的感知数据进行数据质量评估后，向所述区块链提交评估结果和接收到的工人提交的感知数据，执行数据验证智能合约，由所述验证者根据任务请求者提交的感知数据和第一次共识时工人提交的感知数据，对感知数据进行验证，并根据所述评估结果确定是否执行支付操作，完成第二次共识；

若确定可以执行支付操作，向所述工人支付相应的奖励。

2.根据权利要求1所述的方法，其特征在于，计算全局信誉值的方法为：

其中，为第f+1轮迭代计算的节点i的全局信誉向量，为第f轮迭代计算的节点1的全局信誉向量，为第f轮迭代计算的节点n的全局信誉向量，i＝1，2，...，n，j＝1，2，...，n，γ是0到1的常数，为所述标准化处理后的局部信誉值，表示节点j对节点i的满意程度；P为预信任节点集，为预信任节点集中节点i的局部信誉向量。

3.根据权利要求2所述的方法，其特征在于，计算所述标准化处理后的局部信誉值的方法是：

其中，

p_j为预信任节点集中的节点j的局部信誉值，|P|为预信任节点集的个数，Rep_local(i，j)为局部信誉值，表示节点i对节点j的满意程度。

4.根据权利要求3所述的方法，其特征在于，所述任务请求者对所述感知数据进行数据质量评估，包括：

计算所述感知数据的真值；

计算所述感知数据与所述真值之间的距离，根据所述距离进行数据质量评估。

5.根据权利要求4所述的方法，其特征在于，计算所述感知数据的真值的方法是；

其中，D是所有工人提交的感知数据集，D分为多个间隔{d_s∈D|s＝1，2，...，m}，d_a为真值所在间隔，d是当前工人提交的感知数据集，m为验证者数量。

6.根据权利要求5所述的方法，其特征在于，计算所述感知数据与所述真值之间的距离的方法是：

是工人w_q的全局信誉值，是工人w_q提交的感知数据，是感知数据与真值之间的准确度。