关键词： 高粱种植   物联网   无人机   大数据   区块链   精准农业  

摘要： 高粱作为酿酒、饲料及粮食加工的核心原料，在我国农业生产中具有战略地位，此作物可以促进农民增收，成为乡村经济振兴的重要支柱。本研究聚焦物联网、无人机、大数据、区块链与电子商务的整合应用，覆盖种植全产业链创新实践；解析技术革新对生产效率提升、成本控制、管理模式优化的实际效益，探讨市场竞争优势形成机制，为丘陵地带高粱产业数字化转型构建理论框架。

关键词： 联邦学习   隐私保护   区块链   数据安全   安全聚合  

摘要： 联邦学习作为分布式机器学习范式,能够使用户数据不出本地,具有较强的隐私保护性。然而,联邦学习中客户端节点的数据是可用但不可见的,服务器节点很难对客户端节点的数据质量和历史行为进行审核。同时,局部梯度不仅仅是模型参数的更新信息,还包含关于用户数据特征的信息,因此存在隐私泄露的风险。具有鲁棒性的隐私保护联邦学习通过密码学技术对局部梯度进行处理,并使用鲁棒性算法识别异常的梯度更新,可以有效解决联邦学习存在的问题。但是,目前的集中式联邦学习框架由于其结构特点以及处理局部梯度的特性仍然会导致模型训练过程中面临各种数据安全攻击。针对目前联邦学习面临的数据安全攻击和中央服务器单一节点信任问题,本文进行了相关研究。主要贡献和创新点如下: (1)基于许可链的隐私保护联邦学习安全聚合策略 针对联邦学习在聚合服务器和客户端行为不可见环境下面临的数据安全攻击问题,本文提出一种基于许可链的隐私保护联邦学习安全聚合策略。首先,任务发布者作为认证服务器,负责初始化区块链网络,构建隐私保护联邦学习的可信底层环境。其次,针对模型的安全聚合问题和隐私泄露问题,设计了双节点协同聚合方案,使得客户端上传的信息在整个计算过程中一直处于加密状态,提高用户的隐私性。最后,为了增强模型聚合过程中用户的隐私性,设计服务器节点行为监控算法,提高聚合服务器节点行为的透明性。相较于现有的先进方案,基于许可链的隐私保护联邦学习模型能够保证模型的安全聚合,模型正确率提高了2~3%。 (2)基于区块链的联邦学习可信聚合节点选择算法 针对联邦学习中央服务器单一节点信任以及可信的聚合服务器选择的问题,本文提出了基于区块链的联邦学习可信聚合节点选择方案。首先,引入一致性哈希函数,设计聚合服务器选择算法,选择两个节点作为聚合服务器节点参与模型训练。其次,设计全局模型正确性验证算法验证聚合服务器节点是否存在恶意行为。最后,设计基于信誉值的奖惩算法,对提供优质局部梯度的客户端节点和进行安全聚合的聚合节点给予奖励,否则做出惩罚。实验结果表明,该方案最终可以给出一个可信聚合服务器节点哈希环,降低了恶意梯度和恶意聚合对模型训练的影响,进一步保证了本文模型的有效性和安全性。

关键词： 无线算力网络   区块链   资源交易   模糊控制   双向拍卖  

摘要： 随着物联网、5G/6G等技术的迅猛发展,自动驾驶、扩展现实、低空经济等新兴产业蓬勃兴起,催生了海量计算密集、延迟敏感的任务需求,对传统计算模式提出新的挑战。与此同时,终端设备的算力资源快速增长,为计算模式的优化提供了新的契机。在此背景下,无线算力网络应运而生,其通过聚合边缘服务器、智能终端等分布式节点的异构算力,构建起多方协同的资源共享体系。然而,目前关于资源共享的研究多聚焦于集中式架构,难以适应无线算力网络动态、多跳的特征,现有的分布式方案又常忽略资源信息汇聚的代价,致使其在资源信息快速变化的环境中难以实现高效资源共享;此外,无线算力网络中的海量节点常归属于不同实体,节点间的资源共享面临可信挑战。为此,本文设计了一种分布式资源共享技术,在动态环境中高效构建全局算力资源的时空分布,提升资源发现效率,并实现高效可信的资源共享。具体研究内容如下: (1)针对无线算力网络中资源发现困难、资源共享效率低以及可信性不足等挑战,本文设计了一种基于区块链的无线算力网络资源共享架构。该架构中,各节点利用算力分布图在分布式环境中实现灵活敏捷的资源发现,并据此指导生成算力交易区域,结合智能合约完成算力交易,实现高效可信的资源共享。 (2)针对无线算力网络中全网资源信息时空波动大、维护难的问题,本文构建了基于信息年龄的算力分布图构建机制。该机制将节点算力资源状态信息映射为全局资源分布函数,通过节点间的信息交换与融合,使各节点在去中心化环境中高效构建对全网资源分布的认知。同时,通过引入信息年龄对新旧数据赋予不同权重,采用核密度估计量化空间影响,使各节点通过构建算力分布图获得“近域精准、远域模糊”的全网资源分布认知。最后仿真验证了在高度动态的环境中,算力分布图能够有效支撑节点对全局资源分布的认知。 (3)针对无线算力网络中资源共享效率低、可信性不足的问题,本文提出了基于算力分布图的分布式算力交易机制。该机制利用算力分布图,根据节点算力需求,通过模糊控制结合水平集的方法生成合适的算力交易区域,从而在该区域获取算力信息,减少不必要的通信开销以提高算力交易效率。随后,在智能合约框架下,通过双向拍卖机制实现供需双方的精准匹配。仿真结果表明,与传统算力交易算法相比,所提机制在算力交易成功率和网络性能等方面均取得了显著提升。

关键词： 身份基环签名   门限签名   密码逆向防火墙   身份识别中止  

摘要： 门限身份基环签名不仅能有效保障区块链数据的完整性,还能为用户提供额外的隐私保护,是防范区块链系统隐私泄露风险的理想手段。然而,现有的门限身份基环签名协议都依赖一个可信密钥生成中心,并不适用于完全去中心化场景。门限签名系统面临的主要安全威胁包括恶意节点攻击与内部篡改攻击。本文针对以上问题,对适用于区块链场景的去中心化门限身份基环签名协议进行了研究,贡献如下: 针对完全去中心化场景中门限环签名系统可能遭到恶意节点攻击的问题,本文提出了一种支持身份识别中止的分布式身份基环签名协议(DIBRS-IA)。该协议允许系统中的各个签名节点通过公钥聚合方法协商计算系统的主公钥。所有的签名节点通过联合Shamir随机秘密共享协议在没有可信第三方参与的情况下实现对主私钥的秘密共享。此外,协议要求每个节点利用KZG承诺机制为其持有的主私钥分片计算一个可验证的承诺值。在生成签名时,聚合节点只需验证签名节点提供的部分签名和承诺值间的一致性即可识别出恶意节点的身份。安全分析和仿真实验结果表明,DIBRS-IA协议在保证安全性的同时实现了更高的计算效率。协议的通讯复杂度达到了O(nlogn)且当环的大小为百级时,验证速度仍维持在毫秒级。 针对门限环签名系统无法抵御内部篡改攻击的缺陷,本文提出了一种带有密码逆向防火墙的门限身份基环签名协议(TIBRS-CRF)。该协议构造了一个适用于DIBRS-IA协议的密码逆向防火墙。部署在签名节点上的逆向防火墙可以在不影响签名功能的情况下对签名节点发送的公钥,承诺值与部分签名进行重随机化处理。为了解决DIBRS-IA协议无法抵御随机数生成缺陷攻击的问题,TIBRS-CRF协议利用确定性随机数生成机制来计算一次性随机数,并重新设计了一致性检测机制从而保留了身份识别中止功能。通过严格的安全游戏,该协议在随机预言机模型下被证明了应对适应性自主选择消息和选择身份攻击时是存在性不可伪造的以及具有弱防止泄露性。实验评估表明,该协议以不到10%的额外计算开销,实现了更高的安全性。

关键词： 区块链技术   智慧城市   数据治理  

摘要： 数字化时代，智慧城市建设已成为我国城市发展的重要趋势。随着城市数据量的爆炸式增长，数据治理也面临着更高要求和更大挑战。区块链技术作为一种新兴的分布式账本技术，为解决智慧城市数据治理难题提供了新的思路和可能性。本文探讨区块链技术在智慧城市数据治理中的应用，针对存在的不足，从技术创新优化、政策法规完善及管理模式改进这三个方面，提出相应的对策建议，旨在进一步挖掘区块链技术的潜力，促进智慧城市向高效、智能、可持续的方向发展。

关键词： 智能合约漏洞检测   图卷积神经网络   Transformer   多特征   多通道  

摘要： 随着区块链技术的广泛应用,区块链安全问题引起了越来越多的关注。智能合约作为区块链的重要组成部分,由于其具有执行不可逆和去中心化的特性,若存在漏洞可能导致严重的安全风险和资产损失,因此智能合约的漏洞检测变得尤为重要。通过对智能合约源码的分析,可以发现源码中的不同代码块、函数和变量之间通常存在复杂的关系,现有的漏洞检测方法往往难以有效处理这些信息,从而会导致漏报率和误报率较高。针对上述问题本文深入研究了智能合约中的相关问题,提出一种精确且高效的智能合约漏洞检测方法。本文的研究内容主要包括: (1)提出了一种将智能合约源码转化为图结构数据的方法,解决了模型对智能合约复杂关系表示不足及图结构数据理解能力弱的问题。该方法通过分析智能合约源码,生成节点和边,并用图结构数据表示智能合约中函数的语法和语义结构,从而有效地表示合约复杂关系中的特征信息。通过对图进行归一化处理,突出关键节点的作用,增强模型在训练过程中对图结构数据的理解能力。 (2)提出了一种结合图卷积网络与Transformer的混合模型(Transformer Graph Convolutional Network,TF-GCN)用于智能合约漏洞检测,解决了传统图神经网络在智能合约漏洞检测任务中节点长程依赖关系不足的问题。TF-GCN模型融合了图卷积神经网络与Transformer的优势,能有效捕捉智能合约的复杂关系特征。该模型不仅能够全面地提取合约中潜在的关键特征,还能有效地捕捉合约中远距离节点间的依赖关系,显著提高漏洞检测的准确性和鲁棒性。实验结果表明,TF-GCN在智能合约漏洞检测任务中表现出色。 (3)构建了一种多特征多通道图卷积神经网络混合模型(Multifeatured Multichannel Transformer Graph Convolutional Network,MMT-GCN),解决了传统图卷积神经网络在处理复杂图结构数据时局限于单一特征导致表征能力不足的问题。该模型通过构建拓扑空间和特征空间,能够从节点特征、拓扑结构以及它们的组合中提取特定特征和共享特征,实现了对多种特征的综合处理。MMT-GCN模型结合特定卷积模块与共享卷积模块,在不同的图空间中分别执行卷积操作,实现了多通道网络结构。此外,MMT-GCN通过引入Transformer编码器增强了特征表达能力,并利用自注意力机制自适应地学习特征权重,动态调整模型对不同特征的响应。实验结果表明,MMT-GCN模型能有效融合智能合约中的多特征信息,灵活地捕捉关键信息,在漏洞检测任务中表现出色。

关键词： 云计算  

ISBN: (纸本)9787510356735

摘要： 技术、管理与应用

关键词： 区块链   跨链交易   跨链桥   智能合约   安全验证  

摘要： 随着区块链技术的迅速发展和应用范围的逐步扩大,通过跨链交易实现不同区块链网络之间的互联互通成为了关键需求,跨链技术受到广泛关注与研究。然而,目前跨链技术仍处于初步探索阶段,尚未形成统一的跨链标准和稳定的跨链体系。更关键的是,现有的跨链技术还存在着许多安全问题,屡见不鲜的跨链桥攻击事件造成了极大的经济损失,为跨链交易的参与者和设计者敲响了警钟。跨链桥作为跨链交易的核心基础设施,面临着诸多安全挑战,如智能合约漏洞、中心化风险、验证过程复杂且非标准化等,严重威胁着不同区块链之间资产转移和信息传递的安全。目前针对跨链安全问题的研究主要集中于概念上的分析和新方案的设计,仍然缺乏能够应用于现有跨链系统的具体安全检测方法或验证方法。为了弥补这一缺陷,本文以目前真实运行的跨链桥项目为切入点,深入分析其安全问题,研究跨链交易的安全检测与验证方法,旨在通过软件分析和测试技术发现真实跨链应用中的安全漏洞,并通过安全验证机制保障跨链交易的真实性和可靠性,最终达到降低跨链交易安全风险的效果。 首先,本文对跨链桥的基本结构与工作机制进行了系统研究,从多个维度对其分类,并分析了跨链桥面临的主要安全风险,包括中心化风险、智能合约漏洞、验证机制风险等。在此基础上,本文提出了一种动静态分析结合的跨链桥合约漏洞检测框架,通过静态分析提取控制流和数据流信息,结合引入的新型种子初始化算法和动态数据流反馈机制的动态模糊测试,能够有效检测跨链桥智能合约中的多种漏洞,包括跨链漏洞和传统的单链漏洞。基于该框架实现了相应的检测工具。通过一系列实验,证明了该工具在漏洞发现能力和效率方面,与现有其他检测工具相比具有明显优势,且能够有效地检测真实跨链桥项目中的漏洞。 其次,本文设计并实现了一种基于零知识虚拟机技术的跨链消息验证系统。该系统结合基于零知识虚拟机的链下证明生成与基于智能合约的链上验证,实现无需依赖第三方诚实性的跨链消息验证,满足了对跨链消息验证的安全性和信任最小化要求,且具有可行的链上执行开销。该系统便于与多种区块链和跨链协议集成,能够运行于目标链节点,为各种应用场景下的跨链交易提供有力的安全保障。通过理论分析,证明了该系统满足抗篡改性、信任最小化和证明可验证性三大安全目标。 本文的研究成果为跨链交易的安全检测与验证提供了新的思路和方法,为跨链技术的进一步发展和安全保障提供了有力支持。未来,将进一步优化漏洞检测框架和跨链消息验证系统,以应对不断演进的安全威胁。