-
公开(公告)号：CN112116103B
公开(公告)日：2024-07-09
申请号：CN202010979864.8
申请日：2020-09-17
Applicant: 北京大学 , 博雅正链(北京)科技有限公司 , 南京博雅区块链研究院有限公司
IPC: G06N20/20 , G06Q10/0639 , G06F18/214
Abstract: 本发明提供了一种基于联邦学习的个人资质评估方法、装置及系统及存储介质，其中的系统包括：智能终端、外部参与方、本地参与方及中心服务器端，其中：智能终端基于用户行为数据训练得到第一评估子模型；外部参与方发送外部用户数据给中心服务器端，中心服务器端基于外部用户数据训练得到第二评估子模型；本地参与方发送第三评估子模型的梯度给中心服务器端，中心服务器端对获取到的梯度进行加权平均以生成平均梯度并基于平均梯度更新第三评估子模型的模型参数以使得本地参与方对第三评估模型进行再次训练。中心服务器对第一评估子模型的模型参数、第二评估子模型的模型参数及第三评估子模型的模型参数进行整合以获得的最终的全局评估模型。
-
公开(公告)号：CN114840545B
公开(公告)日：2022-10-14
申请号：CN202210745036.7
申请日：2022-06-29
Applicant: 北京大学 , 博雅正链(北京)科技有限公司
Abstract: 本发明公开了一种支持状态快速更新的区块链细粒度编辑方法，其步骤包括：对于可编辑区块链每一首次执行的交易，根据该交易的执行过程信息生成该交易的快速执行代码并记录该交易执行过程的读集与写集；在区块链编辑权限拥有者编辑区块链上某个历史交易的编辑事件发生后，乐观地并行执行读集元素的状态相较于初次执行时发生改变的交易，并用该交易在首次执行时生成的快速执行代码加速交易的执行。在更新完某区块B中的所有交易后，并行更新区块B及其之前被此次更新影响的所有区块的块头中的状态树、交易树和收据树信息。本发明可以降低可编辑区块链节点进行编辑操作之后，区块链节点更新状态所需的时间和计算资源，提高了可编辑区块链的性能。
-
公开(公告)号：CN112241916A
公开(公告)日：2021-01-19
申请号：CN202011141264.0
申请日：2020-10-22
Applicant: 北京大学 , 博雅正链(北京)科技有限公司 , 南京博雅区块链研究院有限公司
Abstract: 本发明提供了一种个人信用风险违约预警方法、装置、设备及存储介质，其中的方法包括：样本采集，样本包括正样本及负样本；通过特征融合对存在缺失特征的正样本进行缺失特征补齐；采用分类算法对样本进行分群，获得若干样本群；计算出各样本群的不同逾期期数的风险等级；对各样本群内的样本添加风险等级标签；分别对各样本群进行模型训练，获得若干训练好的与若干样本群一一对应的风险违约预警模型；将待预警样本输入至选定的风险违约预警模型内，以获得待预警样本对应的风险等级。本发明的个人信用风险违约预警方法能够实现对借贷者在表现期内的风险等级的预警，从而实现了对风险的量化、分级，帮助借贷机构制定更加有效的催收策略。
-
公开(公告)号：CN112116103A
公开(公告)日：2020-12-22
申请号：CN202010979864.8
申请日：2020-09-17
Applicant: 北京大学 , 博雅正链(北京)科技有限公司 , 南京博雅区块链研究院有限公司
Abstract: 本发明提供了一种基于联邦学习的个人资质评估方法、装置及系统及存储介质，其中的系统包括：智能终端、外部参与方、本地参与方及中心服务器端，其中：智能终端基于用户行为数据训练得到第一评估子模型；外部参与方发送外部用户数据给中心服务器端，中心服务器端基于外部用户数据训练得到第二评估子模型；本地参与方发送第三评估子模型的梯度给中心服务器端，中心服务器端对获取到的梯度进行加权平均以生成平均梯度并基于平均梯度更新第三评估子模型的模型参数以使得本地参与方对第三评估模型进行再次训练。中心服务器对第一评估子模型的模型参数、第二评估子模型的模型参数及第三评估子模型的模型参数进行整合以获得的最终的全局评估模型。
-
公开(公告)号：CN111581047B
公开(公告)日：2023-03-24
申请号：CN202010211697.2
申请日：2020-03-24
Applicant: 博雅正链(北京)科技有限公司 , 北京大学
Abstract: 本发明提供一种针对智能合约行为的监管方法，涉及区块链智能合约技术领域。该方法包括部署与执行两个阶段；部署阶段将现实中的监管规则和代监管主体的状态转变为推理形式系统中的数字化监管规则，并存储到数字化监管规则库；在智能合约中，将每一类待监管主体的每一种待监管操作都与一个监管标识符绑定；并为每个监管标识符编写监管脚本。执行阶段获取智能合约中的所有的监管标识符，得到代监管主体实例与行为实例；根据部署阶段确定的监管标识符与规则集和事实集的绑定关系，将与监管标识符相关的规则与事实加载进监管引擎；监管引擎执行每一个监管标识符对应的监管脚本，并最终给出本次智能合约调用的监管结果，实现对智能合约行为的监管。
-
Patent Agency Ranking
公开(公告)号：CN115082068B
公开(公告)日：2022-11-25
申请号：CN202210890874.3
申请日：2022-07-27
Applicant: 北京大学 , 博雅正链(北京)科技有限公司
Abstract: 本发明涉及一种支持聚合的最小默克尔证明生成及区块链交易验证方法，包括完全二叉默克尔树数据结构设计，默克尔证明生成算法，以及默克尔证明验证算法。所述完全二叉默克尔树中的节点进行排序，顺序为从上到下、从左到右；一棵由N个交易生成的完全二叉默克尔树中，序号为0的节点为默克尔根哈希，序号为N‑1的节点为第1个交易的Hash，序号为N的节点为第2个交易的Hash，以此类推。本发明提出的默克尔证明生成与验证方法突破了传统默克尔证明仅支持单笔交易查询的限制，能够支持两笔及以上交易的共同验证，一方面扩展了默克尔证明的实用程度和适用范围，另一方面也提高了交易验证效率，进而有助于区块链整体运行效率的提高。
-
公开(公告)号：CN115082067B
公开(公告)日：2022-11-25
申请号：CN202210888481.9
申请日：2022-07-27
Applicant: 北京大学 , 博雅正链(北京)科技有限公司
Abstract: 本发明涉及一种基于SM2的数字货币双离线支付方法与装置，属于信息技术领域。本发明采用基于SM2算法的可信硬件钱包离线创建账户，采用可信硬件钱包对收款终端进行离线支付；可信硬件钱包和收款终端包含可信硬件模块；离线支付账户的公私钥对由所述可信硬件模块产生；可信硬件模块将包括用户身份、密钥、交易记录在内的敏感信息存储在特定的非易失性存储器中；账户的相关交易由对应的可信硬件模块通过SM2签名算法签署，收款方借助远程认证协议确认可信硬件模块签发的交易是合法的。本发明提出了一种不依赖可信第三方的基于SM2算法的数字货币双离线安全支付方法及装置，可实现数字货币的安全存储、安全离线转账、隐私保护和审计能力。
-
公开(公告)号：CN114048464B
公开(公告)日：2022-03-15
申请号：CN202210029518.2
申请日：2022-01-12
Applicant: 北京大学 , 博雅正链(北京)科技有限公司
Abstract: 本发明公布了一种基于深度学习的以太坊智能合约安全漏洞检测方法及系统，将以太坊智能合约漏洞检测问题建模为一个端到端的分类检测模型，针对智能合约源代码，判断是否包含漏洞，从而实现智能合约安全漏洞的检测；包括：进行以太坊智能合约源代码数据的预处理；构建智能合约源代码语义表征学习模块，包括编码层/编码器、检测层/分类器以及模型融合输出模块；训练模型；测试阶段利用训练好的智能合约源代码语义表征学习模块，实现基于机器学习的区块链智能合约安全漏洞检测，有效提升了以太坊智能合约安全漏洞的检测性能。
-
公开(公告)号：CN112383516A
公开(公告)日：2021-02-19
申请号：CN202011184585.9
申请日：2020-10-29
Applicant: 博雅正链(北京)科技有限公司 , 南京博雅区块链研究院有限公司 , 北京大学
Abstract: 本发明提供一种图神经网络构建方法、基于图神经网络的异常流量检测方法，异常流量检测的图神经网络构建方法包括：S10：获取原始流量数据中具有相关性以及时序性的特征；S20：将步骤S10中的特征转化为图结构数据；S30：构建深度图神经网络模型。本发明通过深度挖掘网络流量中具有相关性以及时序性的特征，以及通过构建图神经网络模型，在此基础上挖掘网络流量报文段内部字段之间的相关特征，通过预先训练，最终得到对流量数据具有良好分类效果的模型。对于待识别的未知网络流量，只需要进行简单的会话还原，就可以通过训练好的模型对其进行快速的分析判断，快速发现流量数据中可能存在的异常。
-
公开(公告)号：CN112116449A
公开(公告)日：2020-12-22
申请号：CN202010978253.1
申请日：2020-09-17
Applicant: 北京大学 , 博雅正链(北京)科技有限公司 , 南京博雅区块链研究院有限公司
Abstract: 本发明提供了一种具备良好模型可解释性的信用评估方法、装置、设备及存储介质，其中的信用评估方法包括：构建信用评估模型；利用带有标签信息的训练样本集对信用评估模型进行训练；采用训练好的信用评估模型对目标样本进行评估以获得评估结果；获取所述目标样本的若干近邻样本，并对每个近邻样本进行扩展以形成目标样本的近邻样本集；采用训练好的信用评估模型对近邻样本集内的所有样本进行评估以获得具有标签信息的近邻样本集；对具有标签信息的近邻样本集进行逻辑回归，根据逻辑回归结果解释信用评估模型对目标样本的评估结果。本发明不仅能够实现对目标样本的征信情况的评估，而且能够实现对评估结果的解释，从而实现了评估模型的可解释性，便于对评估模型进行进一步改进、优化。
-
-
-
-
-
-
-
-
-
Search Results
112
records
(took 0.068 seconds)
