基于近似测量算法Sketch的高精度区块链异常检测机制

区块链存在网络动态性强和其管理困难等问题,使得区块链普遍存在DDoS攻击和账户接管等异常现象.现有区块链异常检测方法多从所有区块链账户中提取历史交易信息和交易频率等特征加以分析以甄别异常.然而,随着区块链数据规模的不断扩大,现有方法在提取特征时面临内存消耗高、检测精度低的挑战.为此,提出了一种高检测精度、低内存开销的区块链异常检测机制,该机制采用近似测量算法将区块链异常检测转化为异常交易账户检测,包括区块内异常账户和跨区块异常账户.对于区块内异常账户,即仅存在于单个区块内的异常账户,使用Sketch算法进行账户识别,精度高.而对于存在于多个区块且难以通过单个区块信息检测到的跨区块异常账户,则通过聚合和分析多区块信息进行账户的准确检测.使用包含88847个区块的真实区块链数据评估上述机制.实验结果表明,与现有代表性方法对比,所提出的机制将区块链异常检测的召回率最高提升了6.3倍,F1分数最高提升了4.4倍.因此,提出的高精度区块链异常检测机制对于规范区块链交易行为、维护系统安全性具有意义.

虚拟现实技术在低视力教学中的应用研究

目的探讨虚拟现实(virtual reality,VR)技术在眼视光学专业低视力教学中的应用效果。方法选取四川大学华西临床医学院眼视光学专业本科生为研究对象。2020级学生采用传统授课(lecture-based learning,LBL)教学模式(LBL教学组),2021级学生采用VR教学模式(VR教学组)。2组学生均学习低视力同一章节的内容,学习结束后完成随堂测试,并完成问卷调查。结果VR教学组学生28人,LBL教学组学生30人。2组学生年龄、性别构成差异均无统计学意义(P>0.05)。VR教学组学生随堂测试成绩高于LBL教学组[(86.43±6.10)vs.(78.10±7.69)分,P<0.05]。除“该教学模式有主观不适感”外,2组的其余评价结果差异均有统计学意义(P<0.05)。VR教学组学生普遍认为将VR技术应用于低视力教学中,可以有助于了解低视力患者的视觉体验和日常生活状态、提高学习效率和动手能力、减轻学习负担,并希望将该教学模式常规用于其他学科教学中。VR教学组所有学生都认为该教学模式有趣、创新性高,增强了师生互动。结论将VR技术应用于低视力教学中,可使学生切身体验各类疾病对患者视觉功能和生活的影响,不仅优化和改善了教学效果,学生的接受度亦较高,值得在未来的眼视光学教学中进一步推广。