本发明专利技术公开了一种基于区块链的对物流交易信息溯源方法。该方法首先需要进行机器学习训练，收集大量正常情况下物流商品运送距离及所用时间的数据，通过支持向量机能够实现对风险度高低的分类。在物流进行过程中，将商品途径的每一个城市、时间以及实时照片等信息上链。然后调用机器学习算法，对该商品的风险度进行评测，若风险度较高，则提醒消费者对商品进行检测，从而实现对物流交易的监管。在每次物流交易结束时，按照基于RDF的知识图谱模式，通过三元组集合的方式构建实体间的关系，建立知识图谱。最后，分别使用皮尔逊相关系数、余弦相似度和归一化互信息三个相似度指标进行匹配，实现对知识图谱的检索，从而优化了检索物流交易信息的效率。流交易信息的效率。流交易信息的效率。
【技术实现步骤摘要】
基于区块链的物流信息检索与风险度评测方法
[0001]本专利技术涉及区块链应用
，主要涉及的是机器学习对物流数据风险度的评测以及通过建立知识图谱对链上数据的检索，它在对物流信息的溯源、防伪及检索等方面具有广泛的应用。
技术介绍
[0002]近年来，国内外学者对物流行业的区块链溯源研究取得了一系列进展。值得注意的是，在物流监管方法和交易检索方法等方面出现了一些新的研究成果，其对于构建面向区块链物流的交易溯源机制具有重要借鉴意义。
[0003](1)物流交易监管方法研究概况
[0004]当前物流交易平台主要分为集中式监管模式与分布式监管模式。其中，集中式交易系统采用服务器集中托管的方式运行和维护，而分布式交易平台的决策不是由交易服务平台单方决定的，是由参与交易服务的节点通过群智群策的方式获得。但是，当前的集中式和分布式物流交易平台都缺乏服务交易监管模型，尽管基于区块链技术的分布式物流交易平台可以解决隐私泄露、不可追溯等问题，但平台缺乏监管，不利于政府相关部门对民间市场非法交易的监控监管。
[0005](2)物流交易检索方法研究概况
[0006]在物流交易检索方面，区块链技术仍然面临一些挑战。传统数据库的数据是在不断更新变化的，以数据库索引的一般存储结构B+树为例，该结构是以插入法建立的，在节点分裂、组合等操作中需要花费大量时间。针对此问题，有学者通过在Redis中创建缓存的“用户集”和“块名集”快速获取对应的区块文件，并优化了B+树结构的算法。此外，在相关研究中，还会通过哈希算法，将数据换算成哈希值，检索时无需对树的每个节点进行查找，只要一次哈希运算就可以精准定位。
[0007]以上是目前国内外学者对区块链溯源在物流交易的监管和检索两方面的研究成果，但仍存在一些问题。一方面，区块链作为分布式的数据库，虽然能够保证数据的真实性，但是即便获取了每个节点的物流信息，用户也难以做出有效判断，实现对物流信息的有效监管。另一方面，物流交易信息的检索效率较低，需要在复杂的交易数据中提取出账户与交易、交易与交易的关系，完成账户交易的追溯。
技术实现思路
[0008]专利技术目的：目前，区块链在物流管理中有广泛应用，但在监管和检索等方面存在较多问题。因此本专利技术希望依托机器学习、知识图谱等先进技术，对物流交易监管方法与物流信息检索方法进行优化，在提高物流监管的自动化水平和分析决策精准性的同时提高物流信息检索效率，追求各个环节达到最优协调。
[0009]1、一种基于区块链的物流信息溯源方法，其特征在于，包括以下步骤：
[0010]步骤1.1：收集大量物流信息(包括路程及对应的时间)，通过机器学习训练，使计
算机能够通过这些数据精准判断商品的风险度，从而智能地提醒消费者检查商品，优化物流交易的监管能力；
[0011]步骤1.2：构建私有链和公有链结合的双重区块链结构，并以时间戳为底层技术确保数据的不可篡改；
[0012]步骤1.3：当商品到达目的地，公有链数据全部上链，通过智能合约，自动生成一个监管节点，根据机器学习算法对公有链上的数据进行检测，将风险度的判断结果储存在监管节点中；
[0013]步骤1.4：当所有数据上链后(包括监管节点的数据)，通过智能合约，构建区块链数据的语义描述知识图谱，实现对物流交易信息的智能检索；
[0014]步骤1.5：运用知识图谱，对物流信息进行检索。
[0015]2、根据权力要求1所述的一种基于区块链的监控数据关联溯源方法，其特征在于，所述步骤1.1中提出的支持向量机分类模型构建方法如下：
[0016]步骤2.1：导入支持向量机模块svm；
[0017]步骤2.2：利用svm创建支持向量机类svm；
[0018]步骤2.3：调用svm中的fit()方法对物流信息(距离、时间)进行训练；
[0019]步骤2.4：调用svm中的score()方法，用物流数据考查其模型训练效果。
[0020]3、根据权利要求1所述的一种基于区块链的物流信息溯源方法，其特征在于，所述步骤1.2中构建私有链和公有链结合的双重区块链结构方法如下：
[0021]步骤3.1：将商品所经城市的名称、抵达时间以及实时照片等数据上公有链，方便用户和商家核查校验；
[0022]步骤3.2：由于跨境交易的商品往往用到多个物流公司合作配送，为保证各方核心数据的私密性，给商家、各物流公司和用户分别建立节点，将各自核心数据加密构建私有链。
[0023]步骤3.3：为保证商品的产地和各节点上链数据的真实可靠，为每次录入的数据构造时间戳，确保该数据在某一时间之前已经存在。
[0024]4、根据权利要求1所述的一种基于区块链的物流信息溯源方法，其特征在于，所述步骤1.3中通过机器学习对公有链上数据进行风险度检测的方法如下：
[0025]步骤4.1：当商品到达目的地，公有链数据全部上链，通过智能合约，在公有链自动生成一个监管节点，根据机器学习算法对公有链上的数据进行检测，将风险度的判断结果储存在监管节点中；
[0026]步骤4.2：将公有链所有节点的数据全部导出，生成二维码供用户查验。用户可以查看商品经过的每个地点、时间、图片、风险度评价结果。
[0027]5、根据权利要求1所述的一种基于区块链的物流信息溯源方法，其特征在于，所述步骤1.5中实现构建知识图谱的方法如下：
[0028]步骤5.1：基于公有链上的数据进行信息抽取，把每个节点的位置编号作为实体，按照基于RDF的知识图谱模式，通过三元组集合的方式来描述各节点的前后顺序，从而构建实体间的关系，并将每个实体从属于该实体对应的数据(包括商品图片和时间)；
[0029]步骤5.2：从商品图片、时间、地点三个维度刻画实体的属性，给每次物流交易分别构建三条链，用来表示每次物流交易在每个节点处的商品图片、时间和地点。
[0030]步骤5.3：将私有链数据按商家、各物流公司和用户三种权限分类导出，令其分别从属知识图谱中的相应实体。
[0031]6、根据权利要求1所述的一种基于区块链的物流信息溯源方法，其特征在于，所述步骤1.5中实现智能检索物流交易信息的方法如下：
[0032]步骤6.1：提取知识图谱中每次物流交易的三条数据链，分别通过皮尔逊相关系数、余弦相似度以及归一化互信息来计算待检索物流信息与知识图谱中已存物流信息在时间、地点和图片三个相似度指标。
[0033]步骤6.2：对三个相似度指标进行统计平均，得到总体相似度，实现公有链物流信息的匹配。根据商家、各物流公司和用户不同的权限，最终能够高效地实现对私有链物流交易信息的溯源和检索。
[0034]本专利技术的有益结果：
[0035]在使用区块链对物流交易信息溯源的基础上，结合机器学习和知识图谱的相关技术，提出了一种能够优化物流交易监管能力与物流信息检索效率的解决方法，在提升物流监管的自动化水平和分析决策精准性的同时，还能提高物流信息本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于区块链的物流信息溯源方法，其特征在于，包括以下步骤：步骤1.1：收集大量物流信息(包括路程及对应的时间)，通过机器学习训练，使计算机能够通过这些数据精准判断商品的风险度，从而智能地提醒消费者检查商品，优化物流交易的监管能力；步骤1.2：构建私有链和公有链结合的双重区块链结构，并以时间戳为底层技术确保数据的不可篡改；步骤1.3：当商品到达目的地，公有链数据全部上链，通过智能合约，自动生成一个监管节点，根据机器学习算法对公有链上的数据进行检测，将风险度的判断结果储存在监管节点中；步骤1.4：当所有数据上链后(包括监管节点的数据)，通过智能合约，构建区块链数据的语义描述知识图谱，实现对物流交易信息的智能检索；步骤1.5：运用知识图谱，对物流信息进行检索。2.根据权利要求1所述的一种基于区块链的物流信息溯源方法，其特征在于，所述步骤1.2中构建私有链和公有链结合的双重区块链结构方法如下：步骤2.1：将商品所经城市的名称、抵达时间以及实时照片等数据上公有链，方便用户和商家核查校验；步骤2.2：由于跨境交易的商品往往用到多个物流公司合作配送，为保证各方核心数据的私密性，给商家、各物流公司和用户分别建立节点，将各自核心数据加密构建私有链。步骤2.3：为保证商品的产地和各节点上链数据的真实可靠，为每次录入的数据构造时间戳，确保该数据在某一时间之前已经存在。3.根据权利要求1所述的一种基于区块链的物流信息溯源方法，其特征在于，所述步骤1.3中通过机器学习对公有链上数据进行风险度检测的方法如下：步骤3.1：当商品到达目的地，公有链数据全部上链，通过智能合约，在公有链自动生成一个监管节点，根据机器学习算法对公有链上的数据进行检测，将风险度的判断结果储存在监管节点中；步骤3.2：将公有链所有节点的数据全部导出，生成二维码供...
【专利技术属性】
技术研发人员：杨硕，成科扬，姚舜禹，
申请(专利权)人：南京昭视智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。