自学习数字货币介质、支付方法和支付系统技术方案

一种自学习数字货币介质、支付方法和支付系统。所述自学习数字货币介质包括一自学习处理模块，能够根据历史交易记录自学习得出的经验值，为下一步交易提前准备部分或全部的交易信息或交易子链。本发明专利技术通过自学习和边缘计算，可以实现数字货币的智能化应用，例如可以设计最优充值金额、加速离线交易、进行边缘风险控制等，可以加速交易速度，提高交易安全；本发明专利技术特别适用于各种计算能力的硬件钱包，通过配置算法模型来灵活实现自学习和边缘计算，可极大提升硬件钱包交易双方的确定性、减少交易时间、提升交易体验。提升交易体验。提升交易体验。

【技术实现步骤摘要】
自学习数字货币介质、支付方法和支付系统


[0001]本专利技术涉及数字货币
，具体涉及一种自学习数字货币介质、支付方法和支付系统。

技术介绍

[0002]数字人民币是由央行发行的法定数字货币，它由指定运营机构参与运营并向公众兑换，与纸钞和硬币等价。相对于纸钞和硬币，数字人民币交易同样具备可离线交易的特点。数字人民币通常保存在硬钱包或软钱包中，需要提前申领或充值。在进行充值时，由于客户可以充值任意数值，而不像纸币有固定发行面额，且客户对充值金额没有历史数据经验值可以作为依据，全靠主观记忆和估计，由此导致硬件钱包使用过程中需要在最初充值生成的币串基础上多次生成交易信息和多次编解码，例如需要生成交易子链、余额凭证、交易凭证等交易信息，随着交易次数增多，每一次都要对之前的交易信息进行解码添加交易信息后再编码，会导致交易时间极大延长，用户体验较差；此外，数字人民币对于离线交易只规定最大交易次数，例如100次，数字钱包什么时候与货币管理机构同步交易，要靠人工参与发起，在没有提醒的情形下，用户很容易忘记同步的步骤，这导致交易次数越多交易时间越长，在极端情况下还可能影响其它交易功能。因此，如何开发一种具备自学习能力的数字货币硬件、支付方法和支付系统以支持更加有预测性而又能简化交易操作、提高支付效率的人民币支付业务，就是迫切需要解决的问题。

技术实现思路

[0003]有鉴于此，本专利技术的主要目的在于提供一种自学习的数字货币介质、支付方法和支付系统，以期至少部分地解决上述技术问题。
[0004]由此，作为本专利技术的第一方面，提出了一种数字货币介质，包括一自学习处理模块，能够根据历史交易记录自学习得出的经验值，为正在进行的交易提前准备部分或全部的交易信息或交易子链
[0005]作为本专利技术的第二方面，本专利技术还提出了一种数字货币介质的充值方法，包括如下步骤：
[0006]根据历史交易记录自学习得出的经验值，预先确定需要充值的金额，并反馈给用户；
[0007]接收用户按照上述反馈进行的充值。
[0008]作为本专利技术的第三方面，本专利技术还提出了一种数字货币介质的支付方法，包括如下步骤：
[0009]获取与之交易的交易方的身份信息；
[0010]根据所述交易方的身份信息查询是否存在根据历史交易记录自学习得出的经验值，如果存在，则根据所述经验值提前准备交易信息和/或交易子链；
[0011]与所述交易方完成支付。
[0012]作为本专利技术的第四方面，本专利技术还提出了一种包括自学习数字货币介质的支付系统，包括：
[0013]支付端的数字货币介质，所述数字货币介质为如上所述的数字货币介质；
[0014]接收端的数字货币介质，用于与所述支付端的数字货币介质进行支付。
[0015]基于上述方案可知，本专利技术的自学习数字货币介质、相关支付方法及支付系统相对于现有技术至少具有如下优点之一：
[0016]本专利技术通过自学习和边缘计算，可以实现数字货币的智能化应用，例如可以设计最优充值金额、加速离线交易、进行边缘风险控制等；
[0017]本专利技术的自学习是通过建立知识库，通过人工智能算法和/或统计算法，实现数据的分析，给出最优经验值，计算速度快，硬件成本增加不大；
[0018]本专利技术的边缘计算，也是根据经验值实现预计算，加速交易速度，审核异常交易行为，提高交易安全；
[0019]本专利技术的数字货币硬件可以实现自动同步，在交易次数较少时就与货币管理机构进行同步，重新融铸币以减少加解密次数，提高交易速度；
[0020]本专利技术特别适用于各种计算能力的硬件钱包(安全芯片、加密芯片、8位和32位单片机或ARM架构机器)，通过配置算法模型来灵活实现自学习和边缘计算，可极大提升硬件钱包交易双方的确定性、减少交易时间、提升交易体验。
附图说明
[0021]为了使本专利技术所解决的技术问题、采用的技术手段及取得的技术效果更加清楚，下面将参照附图详细描述本专利技术的具体实施例。但需声明的是，下面描述的附图仅仅是本专利技术示例性实施例的附图，对于本领域的技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其它实施例的附图。
[0022]图1是本专利技术的多次交易生成的数字货币币串的结构示意图；
[0023]图2是本专利技术的自学习数字货币钱包的结构示意图；
[0024]图3是本专利技术的自学习数字货币交易的流程图；
[0025]图4是本专利技术的边缘计算基本模型的流程图。
具体实施方式
[0026]现在将参考附图更全面地描述本专利技术的示例性实施例。然而，示例性实施例能够以多种形式实施，且不应被理解为本专利技术仅限于在此阐述的实施例。相反，提供这些示例性实施例能够使得本专利技术更加全面和完整，更加便于将专利技术构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分，因而将省略对它们的重复描述。
[0027]在符合本专利技术的技术构思的前提下，在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
[0028]在对于具体实施例的描述中，本专利技术描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是，并不排除本领域技术人员可以实践本专利技术的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
[0029]附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
[0030]附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
[0031]应理解，虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分，但这不应受这些定语限制。这些定语乃是用以区分一者与另一者。例如，第一器件亦可称为第二器件而不偏离本专利技术实质的技术方案。
[0032]术语“和/或”或者“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
[0033]在本专利技术中用到一些术语含义如下：
[0034]知识库：表示以收款方公钥为索引的经过数据分析的经验值数据集合，可以位于支付端(数字货币钱包)中，也可以位于收款端或管理端(例如货币管理机构的服务器)。
[0035]经验值：通过自学习的数据分析得出的经验值数据；可以根据需要存储若干个字段，例如收款方公钥(Public Key简称PKn)+风险指数(Risk Level简称RLn)+交易常用金额(Balance简称BLn)+交易时间周期(Time简称TMn)+时间起点(Start简称STn)+保留要素(Reserve简称R本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数字货币介质，其特征在于，所述数字货币介质包括一自学习处理模块，能够根据历史交易记录自学习得出的经验值，为正在进行的交易提前准备部分或全部的交易信息或交易子链。2.根据权利要求1所述的数字货币介质，其特征在于，所述数字货币介质包括数字货币软件/APP、数字货币钱包、可穿戴数字货币介质、物联网数字货币介质。3.根据权利要求1所述的数字货币介质，其特征在于，所述根据历史交易记录自学习得出的经验值是基于服务器对所述数字货币钱包的历史交易记录预先或者即时进行统计分析或深度学习来得的并传输给所述数字货币介质，或者是通过所述数字货币介质的自学习处理模块对所述数字货币钱包的历史交易记录进行统计分析或深度学习来得的；作为优选，所述统计分析包括统计和排序、去除干扰项/错误项、合并同类项/相似项中的至少之一；作为优选，所述深度学习是通过人工智能模型来实现的，所述深度学习算法包括受限波尔兹曼机(Restricted Boltzmann Machine，RBN)、Deep Belief Networks(DBN)、卷积网络(Convolutional Network)、堆栈式自动编码器(Stacked Auto
‑
encoders)、决策树算法；作为优选，所述数字货币介质的历史交易记录从货币管理机构的服务器端数据库进行查询，或者从所述数字货币介质中存储的币串上包含的信息中来查询，或者是所述数字货币介质包含的专门用于存储每次进行交易的交易方的交易信息的存储器中查询。4.根据权利要求1所述的数字货币介质，其特征在于，所述数字货币介质还包括一知识库，所述知识库为经过自学习得到的经验值数据的集合；作为优选，所述知识库中存储有如下数据字段的数据值：收款方公钥(Public Key简称PKn)、风险指数(Risk Level简称RLn)、交易常用金额(Balance简称B...

【专利技术属性】
技术研发人员：李超，
申请(专利权)人：广州运通数达科技有限公司，
类型：发明
国别省市：