一种支持丰富检索的区块链高效可验证查询方法

    公开(公告)号:CN116663053A

    公开(公告)日:2023-08-29

    申请号:CN202310613320.3

    申请日:2023-05-29

    Applicant: 东北大学

    Abstract: 本发明提供一种支持丰富检索的区块链高效可验证查询方法,涉及区块链技术领域。本发明对区块链中的数据进行关系建模,以实现丰富查询;区块链中的数据在关系建模后,不同的数据类型存入不同的数据存储模块;为区块中的数据建立索引,以支持高效的可验证关系查询和可验证键值查询,区块数据和历史数据使用聚合MB树建立索引,状态数据使用基于排序的平衡二叉树建立索引。本发明支持丰富的查询类型,可对不同属性进行检索,满足用户数据分析和数据挖掘的需求;所做的查询是可验证的,能够满足查询的正确性和完整性,实现区块链的可信溯源,提高可验证查询的效率,扩展了区块链在生产生活中的应用场景,能够满足更多的应用需求。

    一种基于交易量预测的区块链系统分层协同调度优化方法

    公开(公告)号:CN118331727A

    公开(公告)日:2024-07-12

    申请号:CN202410418532.0

    申请日:2024-04-09

    Applicant: 东北大学

    Abstract: 本发明公开一种基于交易量预测的区块链系统分层协同调度优化方法,涉及区块链技术领域。本发明增加区块链系统的性能指标、交易量指标和资源使用情况指标为后续优化提供数据支持,通过实时监控和可视化实时观测系统的运行情况,为应对变化突然频繁的交易以及动态调整的滞后性,使用动态调整的方法后,根据衡量系统整体性能的power公式可以得出,相较于单一参数优化,系统的整体性能有一定的提升,采用基于蚁群算法的多目标调度优化方法应对容器资源使用情况的动态特性,随着负载期望的变化来调整任务的目标节点,可以保证负载相对均衡,可以满足区块链系统的任务需求也可以做到合理分配现有的资源,使资源利用率尽可能最大化。

    基于半监督学习的区块链异常交易检测方法

    公开(公告)号:CN116644283A

    公开(公告)日:2023-08-25

    申请号:CN202310605595.2

    申请日:2023-05-26

    Applicant: 东北大学

    Abstract: 本发明提供一种基于半监督学习的区块链异常交易检测方法,涉及区块链技术领域。针对区块链交易节点特征多样性的特点,提出了基于集成学习的特征选择方法;针对区块链交易中数据集不平衡的现象,提出基于一分类的数据预处理方法;针对传统Tri‑Training方法中预测偏差造成反向优化的问题,本发明提出Multi‑Training方法获取具有高置信度的伪标签数据用于区块链异常交易检测模型的训练。本发明充分利用有标签数据及无标签数据,增强检测的精度,减少冗余特征的干扰,有效解决数据不平衡导致负例样本欠拟合的问题,提升训练模型的泛化能力。

    一种基于大模型智能体的岩爆微震监测预警报告生成方法

    公开(公告)号:CN119129741A

    公开(公告)日:2024-12-13

    申请号:CN202411165953.3

    申请日:2024-08-23

    Applicant: 东北大学

    Abstract: 本发明提供一种基于大模型智能体的岩爆微震监测预警报告生成方法,涉及岩爆微震监测技术领域,本方法包括:基于预定义日报模板和TBM参数文件的智能数据上传与初始化;动态预警区域的智能桩号计算与转换;基于微震监测传感器的实时数据上传与智能集成;智能化传感器位置的精确桩号定位与计算;微震事件数据的上传与智能筛选;大模型智能体驱动的微震事件时空分布特征图与微震事件演化规律图自动生成;大模型智能体对微震事件演化规律图的自动分析与预警量化;基于规则知识库的岩爆等级智能匹配与判断;自动化现场岩爆图片上传与分析集成;大模型智能体驱动的智能日报生成与动态更新;最后生成准确、及时且格式统一的日报。

    一种Tendermint系统中基于动态分析的事务并行执行方法及装置

    公开(公告)号:CN117056034A

    公开(公告)日:2023-11-14

    申请号:CN202311107363.0

    申请日:2023-08-30

    Applicant: 东北大学

    Abstract: 本发明提供一种Tendermint系统中基于动态分析的事务并行执行方法及装置,涉及区块链技术领域。本发明提出:领导者节点在收到一批事务后,为每个事务标注唯一的序列号并对收到的事务进行排序,通过多版本时间戳排序算法执行事务,生成一个冲突可串行化的并发调度,并根据执行结果生成事务的读写集以构建事务依赖三元组,广播至验证节点中;验证节点在收到事务依赖三元组后,进行解析并重构事务的调度图,根据事务执行结果更新事务执行状态,确定可以并行执行的事务;若验证执行过程出现问题,诚实的验证节点会标记错误并广播该执行结果的错误,以反对这个区块进入区块链。本发明确保了事务并行执行结果的一致性和原子性,提高区块链系统的事务执行效率。

    一种岩石力学大模型构建与知识交互方法

    公开(公告)号:CN119129742A

    公开(公告)日:2024-12-13

    申请号:CN202411171638.1

    申请日:2024-08-26

    Applicant: 东北大学

    Abstract: 本发明提供一种岩石力学大模型构建与知识交互方法,涉及岩石力学技术领域。该方法首先收集与梳理岩石力学领域的资料数据,获得资料文档,并对资料文档进行分块与向量化处理后存入向量数据库;再从向量化的文档片段中抽取知识,生成知识四元组,构建知识图谱;然后基于向量数据库以及知识图谱,构建外部知识库,并通过提示工程对现有的通用大语言模型进行微调,构建岩石力学领域大模型;最后将构建的岩石力学领域大模型应用于岩石力学领域的知识交互系统,通过分类处理不同类型的问题,并利用外部知识库,提供精准的答案和专业的知识支持。该方法解决通用大模型在回答岩石力学专业知识时表现不佳,及从头预训练岩石力学大模型资源消耗大等问题。

    一种基于Tendermint的区块链分层分片共识方法

    公开(公告)号:CN118631817A

    公开(公告)日:2024-09-10

    申请号:CN202410852761.3

    申请日:2024-06-28

    Abstract: 本发明提供一种基于Tendermint的区块链分层分片共识方法,涉及区块链系统技术领域,本发明首先建立Tendermint区块链网络分层分片结构,然后将Tendermint区块链网络划分为若干个纪元;在Tendermint区块链网络中的节点加入分片,并进行分片内节点角色划分;不同分片产生未共识区块;然后通过分层分片共识算法进行分层分片共识:具体先进行分片内共识;分片内处理完成后,进行跨分片共识;在Tendermint系统底层框架下实现了区块链网络中节点的分层分片并设计了相对应的分层分片共识技术,实现了高效跨分片,同时保证了数据更新时多个相关分片数据的一致性,保证了交易处理的原子性。

    一种基于自监督学习的信号去噪方法

    公开(公告)号:CN114595728B

    公开(公告)日:2025-04-04

    申请号:CN202210294010.5

    申请日:2022-03-24

    Applicant: 东北大学

    Abstract: 本发明提供一种基于自监督学习的信号去噪方法,涉及信号处理领域,包括信号频率分解:使用平衡多级信号分解方法BHD对信号数据进行分解,得到信号的细粒度频率系数;自监督表示学习:使用自动标签策略为频率系数打上标签,构建神经网络对获得的带标签数据进行有监督表示学习,获得各频率系数的嵌入表示;选择性信号重构,根据实际场景下噪声频率高低,将所获得的频率系数的嵌入表示分为噪声组及去噪组,使用去噪组频率系数重构信号,得到的重构信号即是相应信号的去噪结果。本发明在去噪过程中无需纯净信号数据、不依赖人类经验且与具体场景无关,在有效去噪的同时具有较高泛用性。

    一种基于CA认证体系的安全访问控制方法

    公开(公告)号:CN117354023A

    公开(公告)日:2024-01-05

    申请号:CN202311388269.7

    申请日:2023-10-25

    Applicant: 东北大学

    Abstract: 本发明提供一种基于CA认证体系的安全访问控制方法,涉及区块链安全技术领域。该方法在现有区块链网络中的验证节点基础上加入CA节点,不需要第三方生成节点证书,验证节点在初始化时会向CA节点发出请求以获取节点证书;在验证节点建立通信连接时,验证节点核验证书是否合法以确认是否建立连接;验证节点将定时维护自己的地址簿确保已建立连接的节点证书的合法性;同时设置新节点加入机制,CA节点会向已有节点广播新节点信息;CA节点也可吊销恶意节点证书并广播通知其他验证节点。该方法在进行证书操作的时候,直接去除了第三方的介入,由CA节点进行生成证书并且进行接下来的证书相关操作,并实现了可以在区块链网络中进行增加新普通节点操作。

    一种基于自监督学习的信号去噪方法

    公开(公告)号:CN114595728A

    公开(公告)日:2022-06-07

    申请号:CN202210294010.5

    申请日:2022-03-24

    Applicant: 东北大学

    Abstract: 本发明提供一种基于自监督学习的信号去噪方法,涉及信号处理领域,包括信号频率分解:使用平衡多级信号分解方法BHD对信号数据进行分解,得到信号的细粒度频率系数;自监督表示学习:使用自动标签策略为频率系数打上标签,构建神经网络对获得的带标签数据进行有监督表示学习,获得各频率系数的嵌入表示;选择性信号重构,根据实际场景下噪声频率高低,将所获得的频率系数的嵌入表示分为噪声组及去噪组,使用去噪组频率系数重构信号,得到的重构信号即是相应信号的去噪结果。本发明在去噪过程中无需纯净信号数据、不依赖人类经验且与具体场景无关,在有效去噪的同时具有较高泛用性。

Patent Agency Ranking