[发明专利]一种基于机器学习的联盟链异常检测系统及其检测方法

权利要求书

1.一种基于机器学习的联盟链异常检测系统，其特征在于，所述联盟链异常检测系统布置在使用PBFT共识算法的联盟链网络中的节点上，所述联盟链异常检测系统包括：

初始化模块，用于实现在使用PBFT共识算法的联盟链网络中的节点上布置联盟链异常检测系统，并完成相关接口调用操作；

数据采集模块，用于采集节点在prepare和commit阶段的数据；

数据预处理模块，用于判别数据采集模块采集的数据是否为合理的数据，若数据为合理数据则将数据保存；否则剔除该数据；

数据保存模块，用于将数据采集模块采集到的数据保存到本地，便于数据计算模块计算时间间隔；

数据计算模块，用于将数据保存模块保存的单个节点或者多个节点的数据计算成异常检测模型需要的时间间隔数据；

数据传输模块，用于将数据计算模块得到的数据传输给判断是否存在异常节点模块，以及将联盟链异常检测系统的检测结果返回给联盟链；

判断是否存在异常节点模块，所述判断是否存在异常节点模块使用数据计算模块计算得到的数据，利用机器学习中CNN、KNN和SVM算法进行异常检测，判断联盟链网络中是否存在异常节点；

确定异常节点模块，所述确定异常节点模块对数据计算模块中的多节点时间间隔数据，利用机器学习中CNN、KNN和SVM算法进行异常节点的确定；

更新模块，用于更新联盟链异常检测系统中异常检测和确定异常节点中CNN、KNN和SVM算法模型参数。

2.一种基于机器学习的联盟链异常检测方法，其特征在于，包括如下步骤：

1）将一种基于机器学习的联盟链异常检测系统布置到基于PBFT共识算法的联盟链网络中，执行节点初始化基于PBFT共识算法的联盟链网络中的异常检测系统，完成一种基于机器学习的联盟链异常检测系统的相关配置以及初始化操作；

2）从配置异常检测系统的节点中获取PBFT共识过程中异常检测所需的单节点的prepare和commit阶段的时间数据，并判定所述时间数据是否符合非负的要求，若符合要求则将所述时间数据记录在文件一中，否则删除所述时间数据；

3）从配置异常检测系统的节点中获取PBFT共识过程中异常检测所需的联盟链网络中所有节点的prepare和commit阶段的时间数据，并判定所述时间数据是否符合非负的要求，若符合要求则将所述时间数据记录在文件二中，否则删除所述时间数据；

4）根据步骤2）获取到的单节点在PBFT阶段的时间数据，计算异常检测节点在PBFT共识过程中prepare和commit阶段的时间间隔；

5）将步骤4）计算得到的时间间隔数据发送给判断是否存在异常节点模块，进行第一次的异常检测；

6）根据步骤5）的异常检测结果来判定联盟链网络中是否存在异常节点；若存在异常点，则执行步骤7）；若不存在异常点，则返回步骤2）；

7）根据步骤3）获取到的联盟链中所有节点在PBFT共识阶段prepare和commit的时间数据，计算联盟链中所有节点在prepare和commit阶段的时间间隔数据；

8）将步骤7）计算得到的联盟链中所有节点PBFT共识阶段的时间间隔数据发送给确定异常节点模块，进行第二次的异常检测；

9）根据步骤8）的异常检测结果，确定联盟链网络中存在异常的网络节点，并将存在异常的网络节点返回给联盟链系统。

3.根据权利要求2所述的一种基于机器学习的联盟链异常检测方法，其特征在于，步骤1）中，所述的一种基于机器学习的联盟链异常检测系统满足以下要求：

1-1）选择应用PBFT共识算法的联盟链，在搭建联盟链网络时，保证联盟链网络中至少拥有3f+1个网络节点，其中f取大于1的正整数；

1-2）联盟链异常检测系统布置在异常检测节点时，分为两种方式：一是将联盟链异常检测系统直接布置在异常检测节点上；另一种是将联盟链异常检测系统布置在云端，异常检测节点通过调用联盟链异常检测系统提前预留的接口来进行异常检测。