基于区块链和分层加密的物流隐私保护机制

研究了物流环节中用户隐私泄露数据问题.现有的物流隐私保护机制通常由第三方保管用户隐私数据,导致用户缺乏对信息的控制权.结合区块链技术和分层加密技术提出一种新型的物流用户隐私数据保护方案.该方案将区块链和匿名认证相结合设计出一种访问权限管理机制,实现用户对隐私数据访问权限的控制管理,以及隐私数据访问记录的可追溯性;此外该方案提出一种分层加密机制,通过嵌套访问控制树结构实现用户根据数据访问方属性确定其隐私数据的访问权限.安全性分析表明,所提出的物流隐私保护机制可以有效地保证隐私数据的安全性.

基于模型准确率的链上去中心化联邦学习模型

现有的联邦学习存在恶意中央服务器和恶意参与者发布虚假数据毒害模型等问题。针对此情况,该文提出了一种去中心化的联邦学习模型,该模型将聚合工作由中央服务器移至参与者本地,各个参与者依据聚合算法将训练之后的模型参数写入交易,生成区块发布到区块链网络中。采用一种基于模型准确率的Byzantine容错共识算法构建共识小组,通过建立节点信息表实现节点动态加入。对所提的链上去中心化联邦学习模型的吞吐量、时延等性能进行了相关测试,结果表明:在相同条件下,基于模型准确率的高性能Byzantine容错共识算法相较于传统的Byzantine容错共识算法,吞吐量提升60%,系统平均时延从6 s减少到1 s。