买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京数聚互通科技有限公司申请的专利基于多方安全计算的供应链履约数据区块链存证方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120825271B 。

龙图腾网通过国家知识产权局官网在2026-01-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511149525.6，技术领域涉及：H04L9/00；该发明授权基于多方安全计算的供应链履约数据区块链存证方法是由毛旭升;李斌;王祁岳设计研发完成，并于2025-08-18向国家知识产权局提交的专利申请。

本基于多方安全计算的供应链履约数据区块链存证方法在说明书摘要公布了：本发明涉及供应链数据存证技术领域，公开了基于多方安全计算的供应链履约数据区块链存证方法。该方法包括实时监测供应链各参与方的履约数据状态及相对交互关系，判断目标供应链区域内数据密集程度是否超出安全阈值；当超出阈值时，通过多方安全计算协议分析各参与方数据的交互影响，评估数据共享导致的隐私泄露隐患；采用分布式特征学习结合时间序列分析处理历史履约数据的时空变化，评估历史数据波动对当前履约数据完整性的潜在干扰程度；基于隐私泄露隐患和历史数据波动的潜在干扰程度，判断是否进行目标供应链区域的整体区块链存证优化。该方法可针对性应对供应链数据密集及隐私保护问题，结合历史数据时空特征实现存证优化。

本发明授权基于多方安全计算的供应链履约数据区块链存证方法在权利要求书中公布了：1.一种基于多方安全计算的供应链履约数据区块链存证方法，其特征在于，包括如下步骤： 实时监测供应链中各参与方的履约数据状态和相对交互关系，判断目标供应链区域内的数据密集程度是否超出安全阈值，具体包括： 实时收集所有参与方的履约数据状态信息，履约数据状态信息包括位置信息、交易频率、合作时长和数据量； 根据履约数据状态信息确定参与方是否位于目标供应链区域内： 将位于目标供应链区域内的参与方数量与目标供应链区域的逻辑容量进行比较，确定目标供应链区域内的数据密集程度； 基于目标供应链区域内的数据密集程度和其对应的安全阈值的比较，判断目标供应链区域内数据交互的安全风险级别； 当目标供应链区域内的数据密集程度超出安全阈值时，通过构建多方安全计算协议分析各参与方数据的交互影响，评估目标供应链区域内数据共享导致的隐私泄露隐患，具体包括： 实时获取目标供应链区域内各参与方的共享数据输入，共享数据输入包括数据敏感度、访问权限和加密级别； 根据各参与方的履约数据状态信息和共享数据输入，构建基于安全多方计算的数据处理模型，描述数据交互过程中的隐私保护机制； 利用所构建的数据处理模型，计算参与方之间的数据依赖关系和共享数据输入之间的扰动影响； 使用并行计算技术对数据处理模型进行迭代求解，模拟在高密度数据交互环境下参与方与共享数据之间的耦合效应，评估目标供应链区域内数据共享导致的隐私泄露隐患；目标供应链区域内数据共享导致的隐私泄露隐患包括低风险和高风险； 构建基于安全多方计算的数据处理模型采用分层架构设计，输入层配备数据预处理模块对共享数据执行归一化处理，将文本类权限码转换为数值向量，将离散型敏感度编码映射为连续型权值因子；计算层部署隐私保护运算协议，包含秘密共享子协议与混淆电路子协议；输出层配置风险量化模块，生成隐私泄露可能性指数； 所述秘密共享子协议将输入数据分割为随机数分片，分片数量对应参与方节点总数，所述混淆电路子协议将业务逻辑转化为布尔电路表示，通过电路门加密实现逻辑隐藏； 所述数据依赖关系通过动态依赖图进行建模，依赖图节点表示参与方实体，节点属性包含当前数据状态快照，节点间的有向边记录数据传输路径，边的权重值通过交互频率与数据量复合计算，每十分钟执行全图遍历算法，更新节点连通性状态，相关系数矩阵基于实体间的交互历史生成，矩阵单元值通过皮尔逊关联算法动态刷新； 所述共享数据输入的扰动影响实施敏感性测试，包括对输入字段实施微小扰动变异，变异幅度控制在百分之一以内，观测输出层指标波动范围； 通过分布式特征学习方法结合时间序列分析处理目标供应链区域内历史履约数据的时空变化，评估历史数据波动对目标供应链区域内当前履约数据完整性的潜在干扰程度，具体包括： 实时获取目标供应链区域内的历史履约数据集； 利用分布式特征学习方法，将历史履约数据集映射到特征空间，重建数据动态特性和变化模式； 采用时间序列分析方法，对特征空间中的历史履约数据集在不同时间尺度下进行处理，提取历史数据波动的特征信息； 根据历史数据波动的特征信息建立描述历史数据时空变化模型，反映数据对时间戳和地理位置的依赖关系； 利用建立的历史数据时空变化模型，评估历史数据波动对目标供应链区域内当前履约数据完整性的潜在干扰程度；历史数据波动对目标供应链区域内当前履约数据完整性的潜在干扰程度包括显著和可忽略； 历史数据时空变化建模采用扩展的状态空间表示法，模型状态变量包含时间维度分量和空间维度分量，时间分量由时态卷积网络处理，空间分量通过图神经网络建模；时态卷积网络配置扩张因果卷积核，卷积层数设置为四层，每层扩张因子呈指数增长；图神经网络的节点特征包含参与方的地理位置编码和历史交互特征，边权重反映空间关联强度；模型参数训练过程采用分阶段优化策略，先固定空间网络参数训练时态网络，再联合微调全部参数；训练数据划分采用时间顺序分割法，保留最近三个月数据作为验证集； 时空变化模型评估当前数据完整性的流程执行蒙特卡洛采样，采样器生成符合历史统计特性的模拟干扰数据，干扰强度控制在历史波动范围的百分之十以内，注入式测试将模拟数据按比例混入真实数据流，混合比例从百分之五逐步提升至百分之二十，完整性检测器对比原始数据与受干扰数据的特征分布差异，差异度量采用改进的Wasserstein距离： 其中：表示特征维度总数，表示第个特征的原始累积分布函数，表示受干扰数据的累积分布函数；潜在干扰程度分级器根据距离阈值判定干扰等级，阈值区间通过历史基准测试校准，判定结果输出为离散标签，包括可忽略、轻微、显著三级； 基于目标供应链区域内数据共享导致的隐私泄露隐患和历史数据波动对目标供应链区域内当前履约数据完整性的潜在干扰程度，判断是否进行目标供应链区域的整体区块链存证优化，具体包括： 当目标供应链区域内数据共享导致的隐私泄露隐患为低风险，且历史数据波动对目标供应链区域内当前履约数据完整性的潜在干扰程度为可忽略时，则判定不进行目标供应链区域的整体区块链存证优化； 否则，判定进行目标供应链区域的整体区块链存证优化，并触发存证优先级评估机制。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京数聚互通科技有限公司，其通讯地址为：100020 北京市朝阳区高碑店半壁店村惠河南街1008号B座1层1137；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。