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！

申请/专利权人：数智汇能(大连)科技发展有限公司

摘要：本申请公开了一种基于区块链的资产处理溯源方法及系统，涉及区块链，包括：获取资产溯源数据；对预处理后的资产溯源数据进行特征提取；将预处理后的资产溯源数据按关键特征划分为多个资产交易链数据；采用图神经网络构建初始溯源图；基于地址标签库构建知识图谱，通过构建实体－关系－属性的三元组来表示地址标签与实体之间的语义关联；根据知识图谱中的地址标签，将初始溯源图中的地址节点替换为对应的地址标签节点，利用区块链的共识机制对节点替换结果进行验证，得到地址标签节点的溯源图；采用基于深度学习的聚类算法，对地址标签节点的溯源图中的地址标签节点进行聚类。针对现有技术中资产溯源效率低，本申请提高了溯源效率。

主权项：1.一种基于区块链的资产处理溯源方法，包括：从数据仓库中获取资产溯源数据，并进行预处理；采用深度学习模型对预处理后的资产溯源数据进行特征提取，将提取的特征作为关键特征；将预处理后的资产溯源数据按关键特征划分为多个资产交易链数据；其中，每个资产交易链数据包含至少两个地址信息；将资产交易链数据作为输入，采用图神经网络GraphAttentionNetwork构建初始溯源图；其中，初始溯源图包含多个地址节点，任意两个地址节点之间的边表示相连的两个地址节点对应的资产转移信息；将初始溯源图存储在区块链上；获取地址标签库，地址标签库中存储多个地址标签，每个地址标签表示一个实体对应的至少一个地址；基于地址标签库构建知识图谱，通过构建实体－关系－属性的三元组来表示地址标签与实体之间的语义关联；将获取的地址标签和构建的知识图谱存储在区块链上；根据知识图谱中的地址标签，将初始溯源图中的地址节点替换为对应的地址标签节点，利用区块链的共识机制对节点替换结果进行验证，得到地址标签节点的溯源图；采用基于深度学习的聚类算法DeepEmbeddedClustering，对地址标签节点的溯源图中的地址标签节点进行聚类；利用区块链的共识机制对聚类结果达成一致，将聚类结果作为资产流转溯源图，将资产流转溯源图存储在区块链上；采用深度学习模型对预处理后的资产溯源数据进行特征提取；包括：将预处理后的资产溯源数据输入卷积神经网络中，通过卷积神经网络的卷积层和池化层对预处理后的资产溯源数据进行局部特征提取，得到局部特征向量；将局部特征向量输入循环神经网络中，通过循环神经网络对局部特征向量进行时序特征提取，得到时序特征向量；将局部特征向量和时序特征向量拼接，作为关键特征；其中，循环神经网络包含多层长短期记忆网络和注意力机制；通过多层长短期记忆网络提取局部特征向量的多尺度时序特征，得到多尺度时序特征向量；注意力机制通过计算多尺度时序特征向量在不同时间步的相似度，生成多尺度时序特征向量的注意力分布；根据注意力分布，调整不同时间步的多尺度时序特征的重要性权重；根据调整后的重要性权重，对多尺度时序特征向量进行加权求和，得到时序特征向量；将局部特征向量和时序特征向量拼接，作为关键特征，包括：通过注意力机制计算局部特征向量中每个特征的局部重要性权重，以及时序特征向量中每个特征的时序重要性权重；根据局部重要性权重和时序重要性权重，对局部特征向量和时序特征向量进行加权融合，得到融合特征向量；将融合特征向量输入全连接层，通过全连接层对融合特征向量进行非线性变换，得到关键特征；全连接层采用如下公式对融合特征向量进行非线性变换： ；其中，x表示融合特征向量，y表示关键特征向量；，，，，表示全连接层的权重矩阵，分别对应第一层、第二层、第三层、第四层和特征交互层的线性变换；，，，，表示全连接层的偏置项，分别对应第一层、第二层、第三层、第四层和特征交互层的线性变换；f，g，h，r表示全连接层的非线性激活函数，分别对应第四层、第一层、第二层和第三层的非线性变换；表示特征叉乘操作，将第二层非线性变换的输出与交互特征矩阵按元素相乘，以捕获不同特征之间的高阶交互和组合关系。

全文数据：

权利要求：

百度查询： 数智汇能(大连)科技发展有限公司 一种基于区块链的资产处理溯源方法及系统