[发明专利]一种具有隐私保护的区块链节点可靠性预测方法及系统

权利要求书

1.一种具有隐私保护的区块链节点可靠性预测方法，其特征在于，包括以下步骤：

步骤一：用户向若干个区块链节点发送请求，并记录反馈数据，用户将区块链节点反馈的数据以及各个请求的往返时间计算成功率，但数据保存在本地不上传至中心服务器；

步骤二：中心服务器收集区块链节点的上下文信息并转换为编号；

步骤三：中心服务器存储用户可能出现的上下文信息；

步骤四：在中心服务器中初始化全局多层神经网络模型，将用户IP的编号、区块链节点IP的编号和对应的上下文信息的编号作为输入特征将其转换为具有单热编码的二进制稀疏向量；

步骤五：在中心服务器中将所述二进制稀疏向量乘以嵌入层矩阵，得到用户潜在特征向量、区块链节点潜在特征向量和上下文潜在特征向量，将用户潜在特征向量和区块链节点潜在特征向量和上下文潜在特征向量拼接一起输入到全局多层神经网络模型中，并输出预测值；

步骤六：中心服务器把所述全局多层神经网络模型随机发送给部分或全部用户进行训练；

步骤七：用户利用本地数据和中心服务器提供的区块链节点的上下文信息对全局多层神经网络模型进行训练,将训练后的全局多层神经网络模型传回中心服务器，所述本地数据包括用户对请求的区块链节点的成功率、用户自己的上下文信息、用户IP、请求的区块链节点IP，具体包括处理步骤：收到全局多层神经网络模型的用户利用本地数据和中心服务器提供的区块链节点的上下文信息对全局多层神经网络模型进行训练，用户将用户IP的编号、区块链节点IP的编号、用户与请求区块链节点上下文编号转换为具有单热编码的二进制稀疏向量，并作为输入层向量输入全局多层神经网络模型，全局多层神经网络模型预测的结果和用户本地数据中的成功率进行比较，修正模型，在本地迭代训练过程若干次，并将训练后的全局多层神经网络模型传回所述中心服务器；

步骤八：中心服务器聚合训练后的全局多层神经网络模型，并将最后与用户共同训练的全局多层神经网络模型发给所有用户，收集参与用户训练后的全局多层神经网络模型，包括将收集的全局多层神经网络模型参数求均值，并将求完均值后的结果更新全局多层神经网络模型并重新将全局多层神经网络模型发送给部分或全部用户；

步骤九：用户将从步骤八中接收到的训练好的全局多层神经网络模型在本地进行预测。

2.根据权利要求1所述的具有隐私保护的区块链节点可靠性预测方法，其特征在于，所述步骤一具体包括：

用户随机选取区块链系统中的多个区块链节点，并批量向区块链节点发送请求，在设定时间内收集对应节点返回的区块链数据，所述区块链数据包括被请求区块链对等节点的高度以及该高度所对应的哈希值。

3.根据权利要求2所述的具有隐私保护的区块链节点可靠性预测方法，其特征在于，所述用户可能出现的上下文信息包括国家、时区信息。

4.根据权利要求1所述的具有隐私保护的区块链节点可靠性预测方法，其特征在于，所述用户IP、区块链节点IP由所述中心服务器分配，所述用户IP的编号、区块链节点IP的编号和对应的上下文信息的编号进行独热编码表示。

5.根据权利要求1-4任一项所述的具有隐私保护的区块链节点可靠性预测方法，其特征在于，还包括步骤十：用户利用最新的收集到的数据，与中心服务器周期性的训练全局多层神经网络模型。

6.一种具有隐私保护的区块链节点可靠性预测系统，包括用户、区块链节点和中心服务器；

所述用户用于批量向随机选取的多个区块链节点请求数据，记录反馈数据并记录各个请求的往返时间，用户根据区块链节点反馈的数据以及各个请求的往返时间计算成功率，用户利用本地数据和中心服务器提供的区块链节点的上下文信息对全局多层神经网络模型进行训练,将训练后的全局多层神经网络模型传回中心服务器，所述本地数据包括用户对请求的区块链节点的成功率、用户自己的上下文信息、用户IP、请求的区块链节点IP，具体包括处理步骤：收到全局多层神经网络模型的用户利用本地数据和中心服务器提供的区块链节点的上下文信息对全局多层神经网络模型进行训练，用户将用户IP的编号、区块链节点IP的编号、用户与请求区块链节点上下文编号转换为具有单热编码的二进制稀疏向量，并作为输入层向量输入全局多层神经网络模型，全局多层神经网络模型预测的结果和用户本地数据中的成功率进行比较，修正模型，在本地迭代训练过程若干次，并将训练后的全局多层神经网络模型传回所述中心服务器；

所述区块链节点用于接收用户请求并作出反馈；将本节点的上下文信息发送至所述中心服务器；

所述中心服务器：收集区块链节点的上下文信息，存储现实世界用户可能出现的上下文信息，初始化一个全局多层神经网络模型，并将初始化后的全局多层神经网络模型发送给部分或全部用户；收集参与用户训练后的全局多层神经网络模型，将收集的全局多层神经网络模型参数求均值，并将求完均值后的结果更新全局模型并重新将全局模型发送给部分或全部用户。