基于区块链的数据安全共享体系研究

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:jhffgh
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
在现有互联网环境下依赖于第三方信息平台的数据共享中,往往伴随着用户隐私直接或间接的泄露,数据也存在易被窃取或篡改的隐患,或者因角色管理不到位导致数据的越权访问等问题。区块链作为一种去中心化的分布式账本技术具备链上留痕、不可篡改的特点,能够保障共享数据的安全流通。然而,现有基于区块链的数据共享方案虽然保证了数据不可篡改,可是交易的过度透明仍然会导致数据泄露或被攻击者分析得出不同交易之间的关联性;并且大多基于公有链实现的数据共享方案普遍存在交易效率低下的问题,且无法保证参与节点的诚实性。针对区块链网络中无法保证参与节点诚实、用户对数据的访问权限不明以及公有链中交易效率低下的问题,本文以联盟链、属性加密方法以及可信执行环境构建作为主要研究内容,将基于密文策略的属性加密以及基于容器技术的可信执行环境构建与联盟链相结合,提出了一套链上链下协同的数据安全共享方案,主要研究内容如下:1.提出了一套基于联盟链的链上数据共享方案DSOC(Data Sharing on Chain),在该方案中对传统基于密文策略的属性加密方法做出改进,优化了密钥的分发与存储形式以及实现了对区块链用户的访问控制,同时基于所提出的链上访问控制方法、联盟链特性以及数据共享场景的相关特征,设计出一种新型区块结构。该方案解决了区块链网络中无法保证参与节点诚实以及用户对数据的访问权限不明的问题,增强了数据共享的安全性。2.提出了一种基于容器技术的轻量级链下可信执行环境构建方案,并基于智能合约完成容器内部用户标识与区块链平台链上身份的关联映射;同时采用录屏追溯的方式对容器内部执行过程进行记录,在容器销毁时对数据与录屏结果进行重新上链以保障链上链下之间的协同性。将对数据文件的具体操作放在链下进行,解决了在区块链链上直接对数据文件进行操作而引起的交易效率低下的问题,增加了交易的高效性。论文围绕以上研究内容基于底层联盟链平台做了实验仿真,通过原型实现进行了可行性论证,对整个链上链下协同的数据共享体系以工程化的方式进行了功能设计与呈现,并且在数据交易及数据安全性方面与相关方案做了横向对比,用以阐述本文所提出的共享体系的优势以及还需要改进的工作。
其他文献
为了满足航空数控产品高质量的要求,国外洛·马、波音、空客等行业巨头已开发集成的质量管理系统并投入现场使用,这些行业巨头借助于设计系统、制造资源系统、财务系统等,开展了全面的质量信息化管理。而目前在公司内部,作为质量控制的重要环节,质量数据统计、上报仍然依赖传统单机Excel的形式,检验数据离散的分布在生产制造流程的各个环节,部分记录仍以纸质载体为主,且最终统计结果数据存储于统计人员的本机上,无法与
中国电信某省分公司CRM系统为千万数量级用户提供了电信通信商品销售、售后、自助受理等信息化服务。随着移动互联网、手机及宽带业务发展,CRM系统应用的功能越来越丰富,业务的逻辑规则也越来越复杂。为了更加有效地解决业务高峰期服务响应缓慢、数据库连接数量激增等问题,CRM系统开始向着基于分布式服务的互联网架构进行转型。随着CRM 3.0的“云+平台+应用”的架构改造工作开展,系统原有的数据交互方式也不再
近年来,计算机视觉领域受到越来越广泛的关注。图像作为人类沟通的重要媒介之一,在现实世界中具有许多重要的应用场景,如图像识别、图像生成、图像翻译等等。其中,图像翻译为该领域的研究热点。类似于语言翻译,图像翻译是指将图像从一个域的特征转换为另一个域的特征。随着近几年深度学习技术的发展,图像翻译领域的研究除了起初的图像风格迁移、黑白照转换、图像超分辨率提高、人脸动漫化以外,还包括图像实例级转换。虽然现有
本文以中英文文本及数学表达式混合的扫描或拍照图像作为研究对象,提出了一个高效的印刷体文本公式混合识别算法,并设计和实现了一个相应的系统。主要研究内容如下:1.融合目标检测及传统方法的题块结构分析算法。对题块图像做预处理,并融合目标检测技术及传统图像处理方法,将题块图像中的文本行及题目配图准确地定位和切分出来。2.融合表达式向量的文本及数学公式混合图像内容检测算法。针对数学表达式与中英文文本混合识别
比特币上的用户是高度匿名化的,这也滋生出许多经由比特币的违法行为,例如暗网,洗钱等等。考虑到这些违法行为在比特币交易行为上会体现某一些特征,所以本文考虑从交易行为的角度对比特币上的数据进行分析,从而实现一定程度上的去匿名化,这可以为监管机构和执法部门在对比特币上的违法交易做检测和取证时提供帮助。传统方法对比特币上的交易行为分析主要是通过启发式方法合并实体,借由实体来分析其共性,或者通过特征工程,再
目标检测算法是自动驾驶环境感知的关键技术之一。算法的复杂度特性和参数规模,使得车载计算平台的算力和功耗面临挑战。如何设计符合硬件特性要求的轻量化神经网络,是当前自动驾驶感知系统面临的难题。为此,本文综合考虑算法与硬件特性,基于FPGA车载计算平台实现了目标检测算法的设计与优化。在FPGA低功耗的前提下,针对当前算法与硬件设计割裂的问题,本文提出软硬件联合学习方法,设计了符合硬件特性的轻量化骨干网络
大数据蕴含有海量信息,地理文本大数据是大数据的重要组成部分,也是构建地理知识图谱的重要数据,但是这些数据中含有大量无用信息,如何从这些数据中过滤出有价值的数据是人们亟需解决的问题。地理知识图谱能够帮助学者们解决这一问题,而实体关系抽取是构建知识图谱的重要任务之一。实体关系抽取大多是运用深度学习的方法完成,但是地理领域的标注语料库非常稀缺,人工标注数据又费时费力,导致难以使用有监督的方法进行抽取,并
利用无人机平台进行实时多目标跟踪是无人机研究中很有实用意义的研究方向之一,同时它也面临不少挑战。目前主流的多目标跟踪算法都是用的以检测来跟踪(Tracking by Detection,TBD)的范式,即用目标检测网络找到待跟踪目标,再对目标进行跟踪。无人机获取图像时所处的位置往往离地面较远,因此图像中的目标通常尺寸较小且密集,非常考验算法中目标检测的精准度。同时,实时跟踪算法看重实时性,因此需要
随着网络的飞速发展、信息量的急剧膨胀,传统单一模态的信息逐渐被音频、视频、图像、文字等多种模态的融媒体信息所取代。目前的深度学习算法中处理单模态信息的方法并不能有效解决复杂场景下的真实问题,因此探索多模态信息的处理方法成为了重要的研究方向,其中图像内容理解与视觉推理任务就是一个典型。图像内容理解与视觉推理是指,将图像和关于图像的自然语言问题作为输入,并将图像与目标问题整合成一个多模态特征,利用该多
目前,服装服饰类商品是我国电商平台中需求量最大,品类最多的商品之一,因此服装服饰类商品销售量的多少将会直接影响电商平台的收益。同时,随着网络直播以及短视频等行业的飞速发展,在直播或短视频中推荐相应服装购买链接的方式,将会给电商平台的服装商品销售提供一个新的流量入口。因此如何构建基于视频的服装检索模型以提高检索的准确率,成为了提升服装类商品销量的关键。基于视频的服装检索模型的使用情景为,模型需要对包