【技術實現步驟摘要】
基于區塊鏈和人工智能的信息智能識別方法及大數據平臺
本專利技術涉及區塊鏈和信息安全
，具體而言，涉及一種基于區塊鏈和人工智能的信息智能識別方法及大數據平臺。
技術介紹
在基于區塊鏈技術的移動遠程支付過程的過程中，為了避免造成數字貨幣在支付過程中的安全問題，通常會針對本次支付行為的用戶特征進行智能識別，從而根據識別結果選擇對本次交易請求進行攔截或者放行。然而，經本申請專利技術人研究發現，目前的識別過程并未考慮到支付驗證環境，進而導致支付安全性較低。
技術實現思路
為了至少克服現有技術中的上述不足，本專利技術的目的在于提供一種基于區塊鏈和人工智能的信息智能識別方法及大數據平臺，能夠有效提高在各種支付驗證環境下的移動支付安全性。第一方面，本專利技術提供一種基于區塊鏈和人工智能的信息智能識別方法，應用于大數據平臺，所述大數據平臺與多個區塊鏈節點通信連接，所述方法包括：從所述區塊鏈節點發送的支付驗證環境信息中獲取至少一個驗證元素序列，每個所述驗證元素序列中各驗證元素對象屬于同一驗證標簽，并且，每個所述驗證元素對象對應于所屬驗證標簽下的標簽配置參數；基于所屬驗證標簽下各標簽配置參數對所述驗證元素序列進行驗證威脅屬性挖掘，得到各驗證元素序列的驗證威脅屬性特征和對應的威脅屬性置信度；根據所述驗證威脅屬性特征和對應的威脅屬性置信度，確定各所述驗證元素對象對應所屬驗證標簽的攻擊跟蹤參數；根據各所述驗證元素對象對應所屬驗證標簽的攻擊跟蹤參數，確定每個驗證標簽對應的攻...
【技術保護點】
1.一種基于區塊鏈和人工智能的信息智能識別方法，其特征在于，應用于大數據平臺，所述大數據平臺與多個區塊鏈節點通信連接，所述方法包括：/n從所述區塊鏈節點發送的支付驗證環境信息中獲取至少一個驗證元素序列，每個所述驗證元素序列中各驗證元素對象屬于同一驗證標簽，并且，每個所述驗證元素對象對應于所屬驗證標簽下的標簽配置參數；/n基于所屬驗證標簽下各標簽配置參數對所述驗證元素序列進行驗證威脅屬性挖掘，得到各驗證元素序列的驗證威脅屬性特征和對應的威脅屬性置信度；/n根據所述驗證威脅屬性特征和對應的威脅屬性置信度，確定各所述驗證元素對象對應所屬驗證標簽的攻擊跟蹤參數；/n根據各所述驗證元素對象對應所屬驗證標簽的攻擊跟蹤參數，確定每個驗證標簽對應的攻擊路徑圖形化對象，并根據每個驗證標簽對應的攻擊路徑圖形化對象生成所述支付驗證環境信息對應的支付驗證請求的處理指令。/n
【技術特征摘要】
1.一種基于區塊鏈和人工智能的信息智能識別方法，其特征在于，應用于大數據平臺，所述大數據平臺與多個區塊鏈節點通信連接，所述方法包括：
從所述區塊鏈節點發送的支付驗證環境信息中獲取至少一個驗證元素序列，每個所述驗證元素序列中各驗證元素對象屬于同一驗證標簽，并且，每個所述驗證元素對象對應于所屬驗證標簽下的標簽配置參數；
基于所屬驗證標簽下各標簽配置參數對所述驗證元素序列進行驗證威脅屬性挖掘，得到各驗證元素序列的驗證威脅屬性特征和對應的威脅屬性置信度；
根據所述驗證威脅屬性特征和對應的威脅屬性置信度，確定各所述驗證元素對象對應所屬驗證標簽的攻擊跟蹤參數；
根據各所述驗證元素對象對應所屬驗證標簽的攻擊跟蹤參數，確定每個驗證標簽對應的攻擊路徑圖形化對象，并根據每個驗證標簽對應的攻擊路徑圖形化對象生成所述支付驗證環境信息對應的支付驗證請求的處理指令。
2.根據權利要求1所述的基于區塊鏈和人工智能的信息智能識別方法，其特征在于，所述從所述區塊鏈節點發送的支付驗證環境信息中獲取至少一個驗證元素序列的步驟，包括：
從所述區塊鏈節點發送的支付驗證環境信息中獲取驗證標簽屬于同一驗證標簽的驗證元素對象，并將屬于每個驗證標簽的驗證元素對象確定為對應的驗證元素序列。
3.根據權利要求1所述的基于區塊鏈和人工智能的信息智能識別方法，其特征在于，所述基于所屬驗證標簽下各標簽配置參數對所述驗證元素序列進行驗證威脅屬性挖掘，得到各驗證元素序列的驗證威脅屬性特征和對應的威脅屬性置信度的步驟，包括：
對每個驗證元素序列，遍歷所述驗證元素序列中的驗證元素對象，從所述驗證元素對象中提取對比該驗證元素序列所屬驗證標簽下各標簽配置參數的驗證元素內容，根據提取的驗證元素內容確定與所述驗證元素序列對應的內容相關數據；
去除所述內容相關數據中各驗證元素內容包含的設定內容特征，對去除設定內容特征的驗證元素內容進行內容節點拆分，獲得第一內容相關數據，根據所述內容節點在所述第一內容相關數據所包含的驗證元素內容中的存在行數，確定各內容節點的置信度；
去除所述第一內容相關數據中置信度小于預設置信度閾值的內容節點，得到第二內容相關數據，將置信度不小于預設置信度閾值的內容節點作為前置內容節點，得到前置內容節點序列，根據所述前置內容節點序列中各前置內容節點在所述第二內容相關數據中的出現情況，確定與各前置內容節點對應的由接續在該前置內容節點之后的內容節點組成的后置內容節點序列；
判斷所述后置內容節點序列是否為空，如果所述后置內容節點序列為空，則遞歸返回，如果所述后置內容節點序列不為空，則統計所述后置內容節點序列中各內容節點的置信度，判斷各內容節點的置信度是否滿足最小置信度要求；
如果內容節點的置信度不滿足最小置信度要求，則遞歸返回，如果內容節點的置信度滿足最小置信度要求，則將所述內容節點與所述后置內容節點序列對應的前置內容節點合并，得到新前置內容節點，確定新前置內容節點的后置內容節點序列，并對新前置內容節點對應的后置內容節點序列執行遞歸挖掘，獲得所有滿足最小置信度要求的目標前置內容節點和對應的置信度；
其中，遞歸返回的數據為當前獲得的所有滿足最小置信度要求的目標前置內容節點和對應的置信度，獲得所有滿足最小置信度要求的目標前置內容節點和對應的置信度，將所述目標前置內容節點作為所述驗證元素序列的驗證威脅屬性特征，將所述后置內容節點序列中各目標前置內容節點的置信度作為與驗證威脅屬性特征對應的威脅屬性置信度。
4.根據權利要求1所述的基于區塊鏈和人工智能的信息智能識別方法，其特征在于，所述根據所述驗證威脅屬性特征和對應的威脅屬性置信度，確定各所述驗證元素對象對應所屬驗證標簽的攻擊跟蹤參數的步驟，包括：
根據所述驗證威脅屬性特征和對應的威脅屬性置信度從所述驗證威脅屬性特征中篩選獲得大于預設威脅屬性置信度的候選驗證威脅屬性特征；
獲取在候選驗證威脅屬性特征上第一屬性特征節點對應的第一篡改疑似行為列表和第二屬性特征節點對應的第二篡改疑似行為列表，其中，所述第一篡改疑似行為列表包括所述第一屬性特征節點對所述候選驗證威脅屬性特征中的相關命令行進行更改的多個更改行為，所述第二篡改疑似行為列表包括所述第二屬性特征節點對所述候選驗證威脅屬性特征中的相關命令行進行更改的多個更改行為，并且每個更改行為包括多個更改行為流程節點；
基于預設更改行為類別，對所述第一篡改疑似行為列表中的多個更改行為進行聚類，得到聚類后的第一篡改疑似行為列表；所述預設更改行為類別屬于多個更改行為流程節點對應的類型；
將所述聚類后的第一篡改疑似行為列表中，與預設更改行為類別序列中的每個預設更改行為類別對應的各個更改行為流程節點，組合為第一初始更改行為序列；
對所述第一初始更改行為序列進行去重，得到第一更改行為序列，從而得到與所述預設更改行為類別序列對應的第一更改行為序列序列；
將所述第一更改行為序列序列中的各個更改行為流程節點，組合為所述第一屬性特征節點對應的第一更改行為流程節點序列，其中，所述第一更改行為流程節點序列與所述預設更改行為類別序列相對應，所述預設更改行為類別類型為用于進行篡改行為檢測的各個更改行為類別所組成的序列；
從所述第二篡改疑似行為列表中，提取與所述預設更改行為類別序列中的各個預設更改行為類別分別對應的各個更改行為流程節點，組合為所述第二屬性特征節點對應的第二更改行為流程節點序列，其中，所述第二更改行為流程節點序列與所述預設更改行為類別序列相對應，其中，所述第一更改行為流程節點序列和所述第二更改行為流程節點序列分別是從所對應篡改疑似行為列表中提取出的更改行為流程節點所組成的序列；
確定所述第一更改行為流程節點序列和所述第二更改行為流程節點序列之間的相同更改行為流程節點的數量，得到共同屬性值；
當所述共同屬性值大于預設共現屬性閾值時，確定所述第一屬性特征節點和所述第二屬性特征節點為篡改對象；
將所述候選驗證威脅屬性特征中的任意兩個可編輯對象，作為第一屬性特征節點和第二屬性特征節點進行篡改行為檢測，直到完成所述候選驗證威脅屬性特征中的可編輯對象相互之間的檢測時，得到所述候選驗證威脅屬性特征中存在篡改行為的篡改對象序列；
將所述篡改對象序列中可編輯對象的數量，作為目標篡改對象數量；
將所述候選驗證威脅屬性特征對應的可編輯對象的數量，作為目標總可編輯對象數量；
計算所述目標篡改對象數量與所述目標總可編輯對象數量的比值，得到所述候選驗證威脅屬性特征對應的攻擊值；
當所述攻擊值大于預設攻擊值閾值時...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。