面向学历溯源的区块链共识机制研究

来源 :西安石油大学 | 被引量 : 0次 | 上传用户:buhuigreen
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
学历信息是当今社会用来认证人才的重要依据,但国内外学历造假事件屡禁不止,影响了高等学历制度的公平性。目前学历认证方式存储数据过于集中化,易出现数据篡改问题。而区块链技术具有去中心化、不可篡改等特性,其中共识机制能够保证系统的一致性与有效性,也是区块链技术研究的重要内容。对于常用的PBFT共识机制,存在主节点选取简单、对恶意节点不惩罚、共识效率较低的问题,这影响了区块链应用的落地。为此,本文针对PBFT共识机制存在的不足,提出了一种考虑信用积分的PBFT共识算法(ICBFT),将该算法与学历认证相结合,设计并实现了一个基于区块链的学历溯源系统。具体工作内容如下:(1)通过考虑节点在共识过程中的共识行为与投票行为,构建节点信用积分模型。该模型引入信用积分概念,将节点共识行为评价与节点投票行为评价两者加权。在此基础上,利用信用积分随时间、历史行为的动态变化特性,设计基于时间衰减的信用评价方法与基于信用的节点投票评价方法;利用信用积分对节点的级别和权限进行评估,设计节点信用评价方法。为后续共识算法的研究奠定基础。(2)为解决PBFT共识算法在容错性、吞吐量与动态性方面存在的问题,结合节点信用积分模型,设计ICBFT共识算法。该算法能动态更新节点信用积分与信用级别,并根据节点信用级别划分诚实集合,保证可信度高的节点担任主节点,避免出现恶意节点参与共识,影响系统性能的问题。实验结果表明,在节点行为上,共识行为与投票行为均表现差的节点信用积分下降最快,很快会被剔除诚实集合无法参与共识;在吞吐量方面,恶意节点占比较高时,ICBFT算法相较于PBFT算法的吞吐量提高了78.2%,并且随着共识次数的增加ICBFT算法的吞吐量远大于PBFT算法;在容错性方面,ICBFT算法执行视图切换协议的概率相较于PBFT算法降低了28.3%。因此,ICBFT算法在吞吐量、容错性和处理能力方面均优于PBFT算法,能够有效降低视图切换概率,提升共识效率与系统可信度。(3)为解决现有学历溯源方式存在的问题,结合ICBFT共识算法,设计并实现基于区块链的学历溯源系统。首先对学历溯源系统进行需求分析,其次进行系统架构设计和功能设计,并结合具体业务逻辑设计智能合约,然后完成Fabric网络环境的搭建与智能合约的部署,实现学历溯源系统,最后对系统进行测试,结果表明该系统能够满足实际使用需求。本文结合ICBFT共识算法实现了基于区块链的学历溯源系统,该系统将学历信息存储上链,保证了学历信息的防篡改和公开透明,为实现学历信息可信溯源提供有力支持。
其他文献
多字段数据,又称为表格数据,是机器学习领域最为经典,应用最为广泛的数据类型。随着深度学习的发展,各种用于多字段数据领域的深度学习模型被不断提出。而特征表示作为影响深度学习模型性能的一个重要因素,对从数据中获取更多有价值的信息具有重要意义。离散化是特征表示中的一项重要技术。近年来的研究表明,离散化在许多模型中均能起到正面作用。但在深度学习中,通常仍对定性特征编码并对定量特征归一化,而没有对离散化的作
学位
显微CT是一种非破坏性的3D成像技术,可以在不破坏样本的情况下了解样本的内部显微结构。在石油地质领域,岩石作为最基本的研究对象,其特性能够直接反映出油气田的分布和存储能力。通过对将显微CT应用于岩芯样本而得到的岩芯断面CT图像进行计算机视觉处理,可实现岩石物性特征分析和计算的目的。在图像超分辨率领域中,深度学习可以依靠图像驱动来获得较优的网络模型,该类模型可直接从低分辨率图像重建出高分辨率图像,且
学位
油气井工程的智能化研究对于增加油气田产能、降低实际操作成本和促进油气井管理水平精细化发展具有重要意义,但是在现实开采中总是充斥着机器故障频发、及时监控困难和产量水平不可控等问题,给高效地完成油气井开采工作形成了阻碍。机器学习方法在油气井开采中相关关键问题的解决上起到了推动作用,可以有效地降低各种干扰因素的影响,减少客观问题引起突发情况的发生概率,提高油气田产量和经济效益。本文以提升油气井智能化水平
学位
随着信息化技术的不断发展,石油行业对油田生产过程的精准监控提出了新的需求,为了获取生产现场的实时工况,实现对油田生产的远程管理,就需要对采油现场的一些数据进行采集,这些实时数据是可以通过施工现场的仪器仪表获得的,本文主要对油田中仪器仪表自动化识读技术的可行性展开研究。机器视觉(Computer Vision)是专门研究用机器来模拟生物视觉功能的学科,又被称为计算机视觉,是当前精密测量领域发展的一个
学位
针对石油开采过程中相继出现的各种油井沉没度模型,或多或少地包含一些经验因素,使模型的相关参数在现场应用中需实时校正,影响模型应用的精确度。因此,构建符合抽油过程中油井渗流自然规律的沉没度模型,为油田抽油管控提供可靠的理论依据,对我国大多数已进入开采中后期的油田至关重要。为此,本文通过综合分析油井抽油过程中的流体流动规律,构建了油井抽油沉没度综合模型。在此基础上,给出了两种应用方法,提高了模型在实际
学位
近年航空领域流量成倍增长,为了保证飞行目标在飞行过程中的飞行安全,需要对飞行目标异常行为状态进行实时监控和分析,并通过飞行目标异常行为分析系统辅助操作员对飞行目标进行管理和监测。本课题主要研究内容包含异常行为分析算法和飞行目标异常行为分析系统实现两部分。在异常行为分析算法方面,传统MDLOF异常行为检测算法依赖于近邻参数k,会造成飞行目标异常行为检测准确率较低的问题,且MDLOF算法不能对异常行为
学位
随着无人机技术的广泛应用,其安全着陆被越来越多的学者关注,无人机着陆中首要的任务是准确识别着陆跑道线,这成为了近年来研究的热点方向和急需解决的难题。目前无人机视觉着陆主要分为两种方法,一种方法是利用图像处理技术和着陆标识物进行算法设计,但该方法的着陆标识物在真实场景中容易受到光照变化、遮挡等情况以及需要人工设计特征提取器和手动调整各种参数,算法的泛化性能很难保证;另一种方法是利用深度学习检测算法代
学位
公路的路面在日常生活中易于受到车辆和环境因素的影响,从而道路表面会出现各种路面病害,这些路面病害会导致公路的承载性能下降,甚至会严重影响公共交通安全,给人们的安全出行埋下隐患。为此,公路管护部门定期开展路面病害检测工作,尤其需要对路面裂缝这类病害进行检测。本文将深度学习理论引入到路面裂缝检测中,以路面裂缝为研究对象,建立了较为完备的基于深度学习的路面裂缝检测方案,确定了以目标检测技术和图像分割技术
学位
随着经济及路由建设的飞速发展,安置在道路上的监控设施不断增加,带来了海量的交通视频数据。这些数据根本无法完全通过人工手段进行处理,因此,亟需开发出高度可靠并值得信赖的智能化算法来实现这些监控视频数据的处理。车辆目标检测是交通监控系统中至关重要的一环,是诸如车辆计数,事故检测等一系列后续处理的基础。本文在对现有车辆目标检测算法进行调研及比较的基础上,通过检测精度与速度的权衡,选择了YOLOv3-ti
学位
在大数据技术日益发展成熟的背景下,互联网产生的庞大数据不利于人们高效率识别其中存在的有效信息,数据挖掘可以对海量数据进行分析,从而获得数据中对人们有价值的部分。决策树算法在数据挖掘领域中应用广泛,但是当数据中存在模糊性等不确定性信息且标签具有层次结构时,现有的决策树算法首先难以处理数据中的不确定性信息,其次在处理层次分类中标签具有层次结构的数据时,一般选取层次结构的某一层标签去分类数据,这会导致当
学位