-
公开(公告)号:CN117194486A
公开(公告)日:2023-12-08
申请号:CN202311241310.8
申请日:2023-09-25
Applicant: 北京大学 , 北京微芯区块链与边缘计算研究院
IPC: G06F16/2453 , G06F16/2455 , G06F16/2457 , G06F16/27 , G06Q10/087
Abstract: 本发明公开一种基于区块链和可验证数据库的冷链溯源方法及系统,该方法包括:冷链产品工厂在产品生产完毕后,生成产品的产品批次,并在第一可验证数据库中以产品批次作为商品唯一标识符进行产品的管理;冷链物流公司与冷链产品工厂交接产品时,生成产品的运输单号,并在第二可验证数据库中以运输单号作为商品唯一标识符进行产品的管理;冷链产品销售方与冷链物流公司交接产品时,生成产品的订单号,并在第三可验证数据库中以订单号作为商品唯一标识符进行产品的管理;消费者从冷链产品销售方购买产品后,获取订单号;消费者以订单号对产品进行溯源查询。本发明在满足冷链数据的可追溯性和透明性,降低溯源系统建设成本,提高系统使用效率。
-
公开(公告)号:CN118469562A
公开(公告)日:2024-08-09
申请号:CN202310082938.1
申请日:2023-02-08
Applicant: 北京大学 , 北京大学重庆大数据研究院
Abstract: 本发明公开了一种基于两阶段锁的区块链分片方法及系统,所述方法包括:接收并模拟执行跨分片交易处理请求,以得到该跨分片交易对主链存储状态的读集Rroot和写集Wroot,以及对每个相关子链cci存储状态的读集Ri和写集Wi;锁定读集Rroot和所述写集Wroot;向相关子链cci发送包含读集Ri的准备消息,以使得相关子链cci基于读集Ri锁定本地相关存储状态成功之后,向主链发送准备完成消息;在一设定时间内收到所有相关子链cci的准备完成消息的情况下,向相关子链cci发送包含写集Wi的执行消息,以使得相关子链cci将写集Wi写入本地相关存储之后,解锁本地相关存储状态;解锁读集Rroot和写集Wroot。本发明解决分片方法在区块链系统,特别是联盟链系统中的实用性问题。
-
公开(公告)号:CN118467563A
公开(公告)日:2024-08-09
申请号:CN202310126434.5
申请日:2023-02-08
Applicant: 北京大学 , 北京大学重庆大数据研究院
IPC: G06F16/242 , G06F16/22 , G06F16/27 , G06F16/23
Abstract: 本发明公开了一种区块链的数据链下插入、查询方法及区块链系统,所述区块链系统中的服务器,用于:解析客户端的插入语句,以得到插入数据;存储所述插入数据,并获取所述插入数据的索引键K和数据记录指针P;将所述索引键K和所述数据记录指针P插入Merkle B+树中一叶子节点;更新所述叶子节点、对应的中间节点和根节点的哈希值;和/或,解析客户端的查询语句,以得到索引键范围(Kbegin,Kend);根据所述索引键范围(Kbegin,Kend)在Merkle B+树中进行节点查询,以得到结果集合、Merkle证明和范围证明;基于所述结果集合、所述Merkle证明和所述范围证明生成查询结果,并将所述查询结果返回至该客户端。本发明可以解决区块链数据链下存储的完整性保证问题。
-
公开(公告)号:CN116341688A
公开(公告)日:2023-06-27
申请号:CN202211699464.7
申请日:2022-12-28
Applicant: 北京大学 , 奇安信科技集团股份有限公司 , 北京大学重庆大数据研究院
IPC: G06N20/20 , G06F18/214
Abstract: 本公开涉及一种平衡各方调查数据差异的纵向联邦学习方法及系统,属于联邦学习技术领域。该方法包括:确定参与共同训练模型的模型结构,并初始化模型参数;基于本地数据对参与共同训练模型进行训练,得到本地训练模型及相应的模型参数集合;通过节点之间的数据交互,获取其他节点经过本地训练后改动的模型参数集合;基于模型参数集合中每一位置上的参数类型,从所有本地训练模型选出需要联邦学习模型,并将其他的本地训练模型作为对应节点的最终模型。本发明可以解决纵向联邦学习模型的可接受度不高问题。
-
公开(公告)号:CN116245195A
公开(公告)日:2023-06-09
申请号:CN202211711793.9
申请日:2022-12-29
Applicant: 北京大学 , 奇安信科技集团股份有限公司 , 北京大学重庆大数据研究院
IPC: G06N20/00 , G06F18/214
Abstract: 本公开涉及一种少量数据训练的联邦元学习方法、服务端及电子设备,属于联邦学习技术领域。该方法包括:将目标任务发送给参与联邦学习的节点,以使各节点根据目标任务生成至少一个相似的子任务j,且基于子任务j对本地数据集进行划分,得到数据集Di,j;将待训练模型gt发送给参与联邦学习的节点,以使各节点利用数据集Di,j对待训练模型gt训练之后,基于所有训练结果生成模型接收各节点发送的模型并基于模型生成待训练模型gt+1;基于待训练模型gt+1不满足目标任务的需求的情况下,进行下一轮的训练;在待训练模型gt+1满足目标任务的需求的情况下,输出待训练模型gt+1。本发明可以让节点在仅具备少量数据下也能参与联邦学习训练。
-
公开(公告)号:CN117763201A
公开(公告)日:2024-03-26
申请号:CN202311611021.2
申请日:2023-11-28
Applicant: 北京大学重庆大数据研究院
IPC: G06F16/901 , G06Q40/04
Abstract: 本申请公开了一种数据处理方法及装置、非易失性存储介质。其中,该方法包括:将待处理数据表示为数组data[1…n],n为大于1的整数;将数组组织为升序排列的默克尔树,其中,默克尔树的叶子节点用于存放待处理数据的哈希值,默克尔树的内部节点的值由内部节点所有子节点的值排列起来并做哈希运算得到;基于零知识证明协议对表示为默克尔树形式的待处理数据进行预检验处理。本申请解决了数据要素作为一种产品,在交易流通环节存在信任成本与磋商成本较高的技术问题。
-
-
-
-
-