基于区块链隐私保护的智能竞价方案研究

摘要

竞价活动一直存在于生活的方方面面，无论是最原始的物物交换，还是货币交易，或者是未来的电子货币交易时代，几乎每个活动都涉及到竞价，而竞价结果与价格之间具有密不可分的关系，人们往往希望花费最少的支出，得到最好的服务回报;对于出售方则相反，他们更希望最大化利益，因此，设计一个高效的竞价方案显得尤为重要。近几年来，许多专家学者致力于竞价方案的研究，成果显著。但是，大多数竞价方案对于隐私方面的考虑数量较少，数据隐私的泄露会直接导致竞价活动的失败。随后，有学者便使用加密技术设计竞价方案来实现隐私数据的保护，但这些方案往往借助于可信第三方分发密钥并进行数据操作，可信第三方的引入很难避免单点故障以及数据操作的不透明性。因此，本文提出了基于区块链隐私保护的智能竞价方案。 本文提出的基于区块链隐私保护的智能竞价方案，充分发挥了区块链去中心化、不可篡改等特点，同时使用同态加密技术，保证数据的隐私，而且实现了数据统计分析功能，在竞价预测阶段，本文引入模糊神经网络模型来模拟人脑思维方式，从而增添系统的“思维”能力。最后，本文对所提出的协议进行了相关的正确性证明和安全性分析，之后的性能评估针对相关协议的计算开销等方面进行分析比较，同时对线性回归模型和模糊神经网络模型精度进行了模拟测试，得出如下结论:1）本文提出的方案在保证正确性和安全性的前提下，性能开销优于PFSB方案[7]和Strain方案[24];2）本文使用的线性回归模型和模糊神经网络模型在价格预测方面具有良好的表现。因此，本文提出的解决方案既能很好地满足安全要求，又能确保交易过程中的数据隐私，同时，也具有数据分析和容错功能，而且性能方面开销较低。 本文的创新点主要有: (1)据作者研究和分析国内外文献所知，本文提出的基于区块链竞价方案是第一次将区块链与多功能聚合方法结合，同时具有数据分析和高性能特点的方案。该方案充分利用区块链去中心化、分布式的特点，使得用户能够更好的掌握隐私数据，并同时接受所有参与者的监督。基于密文的数据聚合统计分析方法，既保护了数据隐私安全，又通过对数据统计分析得出其平均值和波动情况提高竞价效率，数据分析结果能够对未来的竞价提供一定的参考价值，同时对未来的数据挖掘与分析提供良好的条件。 (2)本方案的交易必须保证参与者的数量不少于某个阈值才能完成，从而避免了一些小型的秘密交易，同时为了减少数据的储存压力采用了离差标准化对数据进行归一处理。此外，通过预留参数的方法，对异常情况处理，具有良好的容错能力和鲁棒性。在验证任务阶段，为了验证交易双方身份，采用了切比雪夫混沌映射方法。 (3)将线性回归模型和模糊神经网络模型应用于竞价过程中，利用历史交易数据作为建立机器学习模型的基础进行训练，并使用确定模型进行预测报价。区块链与机器学习模型的结合，保留了区块链去中心化、防篡改等优点的同时，又增添了方案的智能化和“思维”能力，提高了方案的效率。

目录

摘要

第一章引言

1．1研究背景

1．2国内外研究现状

1．3论文的主要贡献

1．4论文的组织安排

第二章预备知识概述

2．1系统模型

2．2攻击模型

2．3设计目标

2．4区块链

2．5加密系统

2．5．1切比雪夫多项式

2．5．2加密系统

2．5．3数字签名

2．6线性回归模型和模糊神经网络模型

2．6．1线性回归模型

2．6．2模糊神经网络模型

2．7本章小结

第三章方案

3．1方案概况

3．1．1问题思路

3．1．2整体思路

3．2基础方案

3．2．1任务发布

3．2．2竞价过程

3．2．3任务确认

3．3扩展方案

3．3．1平均值聚合

3．3．2方差聚合

3．3．3错误容忍

3．4本章小结

第四章正确性分析和安全性分析

4．1正确性证明

4．2安全性分析

4．2．1零知识证明

4．2．2隐私保护

4．2．3抵制篡改攻击

4．2．4相互认证

4．2．5抵制伪造和冒充攻击

4．3本章小结

第五章性能分析

5．1计算开销

5．2线性回归模型和模糊神经网络模型

5．3本章小结

第六章总结与展望

6．1工作总结

6．2未来展望

参考文献

在学期间的研究成果

致谢

声明