本發(fā)明涉及區(qū)塊鏈網(wǎng)絡(luò)安全監(jiān)控，具體涉及一種基于區(qū)塊鏈的網(wǎng)絡(luò)安全監(jiān)控方法及系統(tǒng)。

背景技術(shù)：

1、隨著區(qū)塊鏈技術(shù)在金融、供應(yīng)鏈管理、醫(yī)療等多個(gè)領(lǐng)域的廣泛應(yīng)用，確保區(qū)塊鏈網(wǎng)絡(luò)的安全性和數(shù)據(jù)一致性變得尤為重要。區(qū)塊鏈通過(guò)分布式賬本和共識(shí)機(jī)制保證了數(shù)據(jù)的不可篡改性和透明性，但面對(duì)復(fù)雜多變的網(wǎng)絡(luò)環(huán)境，節(jié)點(diǎn)間的數(shù)據(jù)不一致性和潛在的安全威脅仍然是亟待解決的問(wèn)題。為了維護(hù)區(qū)塊鏈網(wǎng)絡(luò)的可靠性和安全性，必須對(duì)節(jié)點(diǎn)數(shù)據(jù)進(jìn)行實(shí)時(shí)監(jiān)控和分析，及時(shí)發(fā)現(xiàn)并處理異常情況?，F(xiàn)有的解決方案通常依賴于單一維度的數(shù)據(jù)檢查或事后審計(jì)，難以滿足實(shí)時(shí)監(jiān)控和快速響應(yīng)的需求。

2、現(xiàn)有技術(shù)存在以下不足：

3、在多節(jié)點(diǎn)環(huán)境下，確保各節(jié)點(diǎn)之間的數(shù)據(jù)一致性是一個(gè)關(guān)鍵問(wèn)題，尤其是在存在時(shí)差、網(wǎng)絡(luò)延遲或同步問(wèn)題的情況下，這些因素可能導(dǎo)致節(jié)點(diǎn)間信息不一致。區(qū)塊鏈中各個(gè)節(jié)點(diǎn)的數(shù)據(jù)應(yīng)保持一致性，但如果某些節(jié)點(diǎn)由于同步延遲或錯(cuò)誤導(dǎo)致鏈上數(shù)據(jù)不一致，可能會(huì)造成監(jiān)控?cái)?shù)據(jù)的不準(zhǔn)確?，F(xiàn)有技術(shù)在處理節(jié)點(diǎn)數(shù)據(jù)不一致性方面缺乏系統(tǒng)性分析，容易忽視數(shù)據(jù)突變區(qū)域和共識(shí)偏差之間的關(guān)系，并且對(duì)歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)的關(guān)聯(lián)分析能力不足，難以準(zhǔn)確定位潛在風(fēng)險(xiǎn)節(jié)點(diǎn)。本發(fā)明通過(guò)多層分析方法，包括時(shí)間窗口灰度變化分析和共識(shí)結(jié)果比較，結(jié)合特征向量轉(zhuǎn)換，增強(qiáng)了系統(tǒng)對(duì)數(shù)據(jù)異常和共識(shí)偏差的綜合處理能力。這種方法不僅能夠及時(shí)發(fā)現(xiàn)并定位數(shù)據(jù)突變區(qū)域和共識(shí)偏差，還能通過(guò)對(duì)歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)的深度關(guān)聯(lián)分析，準(zhǔn)確定位潛在風(fēng)險(xiǎn)節(jié)點(diǎn)，從而快速響應(yīng)和應(yīng)對(duì)潛在的安全威脅，確保區(qū)塊鏈網(wǎng)絡(luò)的安全性和穩(wěn)定性。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于區(qū)塊鏈的網(wǎng)絡(luò)安全監(jiān)控方法及系統(tǒng)，以解決上述背景中問(wèn)題。

2、本發(fā)明的目的可以通過(guò)以下技術(shù)方案實(shí)現(xiàn)：

3、一種基于區(qū)塊鏈的網(wǎng)絡(luò)安全監(jiān)控方法，包括以下步驟：

4、s1：采集多個(gè)區(qū)塊鏈節(jié)點(diǎn)間的數(shù)據(jù)，包括交易數(shù)據(jù)、區(qū)塊數(shù)據(jù)和智能合約執(zhí)行結(jié)果，檢查節(jié)點(diǎn)間是否存在數(shù)據(jù)不一致的情況；

5、s2：對(duì)節(jié)點(diǎn)間的數(shù)據(jù)進(jìn)行局部分析，選擇多個(gè)時(shí)間窗口進(jìn)行灰度變化分析，計(jì)算每個(gè)窗口的異常程度，標(biāo)出異常數(shù)據(jù)變化突出的區(qū)域，通過(guò)比較正常與異常區(qū)域，計(jì)算異常變化的比率，得到數(shù)據(jù)不一致的變化率；

6、s3：若數(shù)據(jù)不一致變化率較大，則比較各節(jié)點(diǎn)的共識(shí)結(jié)果，分析節(jié)點(diǎn)之間的共識(shí)偏差，計(jì)算節(jié)點(diǎn)共識(shí)驗(yàn)證差異；

7、s4：將數(shù)據(jù)不一致變化率和節(jié)點(diǎn)共識(shí)驗(yàn)證差異轉(zhuǎn)換為特征向量，作為監(jiān)控系統(tǒng)的輸入項(xiàng)，根據(jù)系統(tǒng)輸出結(jié)果判斷網(wǎng)絡(luò)的安全性，識(shí)別潛在的安全威脅；

8、s5：根據(jù)檢測(cè)系統(tǒng)輸出的安全性結(jié)果，將網(wǎng)絡(luò)節(jié)點(diǎn)的安全狀態(tài)劃分為正常、輕微異常和嚴(yán)重異常；

9、s6：對(duì)于輕微異常結(jié)果，分析固定時(shí)間段內(nèi)監(jiān)測(cè)結(jié)果的異常趨勢(shì)，若異常趨勢(shì)持續(xù)，則計(jì)算當(dāng)前批次與歷史批次的偏差，若偏差較大，則自動(dòng)標(biāo)記相關(guān)節(jié)點(diǎn)并提醒操作員復(fù)查。

10、作為本發(fā)明進(jìn)一步的方案：所述檢查節(jié)點(diǎn)間是否存在數(shù)據(jù)不一致的情況，具體包括：

11、針對(duì)每個(gè)節(jié)點(diǎn)提取交易數(shù)據(jù)ti、區(qū)塊數(shù)據(jù)bi和智能合約執(zhí)行結(jié)果ci，其中i表示第i個(gè)節(jié)點(diǎn)；計(jì)算每個(gè)節(jié)點(diǎn)數(shù)據(jù)的初始一致性度量；根據(jù)拜占庭容錯(cuò)原理，使用(n-1)/3容錯(cuò)規(guī)則，n表示節(jié)點(diǎn)的總數(shù)，逐節(jié)點(diǎn)計(jì)算所有節(jié)點(diǎn)數(shù)據(jù)間的一致性得分矩陣，根據(jù)矩陣的得分結(jié)果，識(shí)別異常節(jié)點(diǎn)集合，計(jì)算表達(dá)式為：其中，θ為一致性閾值，a表示異常節(jié)點(diǎn)集合，j表示第j個(gè)節(jié)點(diǎn)，mi,j表示節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的一致性得分矩陣；對(duì)異常節(jié)點(diǎn)集合進(jìn)行進(jìn)一步分析，通過(guò)歷史數(shù)據(jù)對(duì)比和投票機(jī)制確認(rèn)是否為拜占庭節(jié)點(diǎn)，若是，則標(biāo)記為數(shù)據(jù)不一致節(jié)點(diǎn)。

12、作為本發(fā)明進(jìn)一步的方案：所述數(shù)據(jù)不一致的變化率的獲取邏輯為：

13、將區(qū)塊鏈節(jié)點(diǎn)數(shù)據(jù)按時(shí)間序列劃分為多個(gè)時(shí)間窗口，并提取每個(gè)時(shí)間窗口內(nèi)的節(jié)點(diǎn)數(shù)據(jù)特征值；對(duì)每個(gè)時(shí)間窗口的數(shù)據(jù)特征值進(jìn)行灰度變化分析，計(jì)算每個(gè)窗口的灰度變化值和異常程度，并將異常程度值大于設(shè)定閾值的窗口標(biāo)記為異常窗口，將各時(shí)間窗口的灰度變化值和異常程度值構(gòu)建為特征向量，利用聚類算法將時(shí)間窗口劃分為正常窗口集和異常窗口集；在異常窗口集中，通過(guò)聚類中心的特征向量計(jì)算數(shù)據(jù)不一致的變化率。

14、作為本發(fā)明進(jìn)一步的方案：所述數(shù)據(jù)不一致的變化的具體計(jì)算過(guò)程為：

15、對(duì)每個(gè)時(shí)間窗口，計(jì)算特征值間的灰度差異，計(jì)算表達(dá)式為：式中，ga表示第a個(gè)時(shí)間窗口的灰度變化值，db表示第b個(gè)節(jié)點(diǎn)的特征值，dk表示第k個(gè)節(jié)點(diǎn)的特征值，a表示時(shí)間窗口的數(shù)量，c表示當(dāng)前時(shí)間窗口內(nèi)的節(jié)點(diǎn)總數(shù)；

16、基于灰度變化值，計(jì)算每個(gè)時(shí)間窗口的異常程度，計(jì)算表達(dá)式為：式中，μg表示所有時(shí)間窗口灰度變化值的均值，σg表示所有時(shí)間窗口灰度變化值的標(biāo)準(zhǔn)差，ea表示第a個(gè)時(shí)間窗口的標(biāo)準(zhǔn)化異常程度值；

17、利用ea構(gòu)建特征向量fa＝{ga,ea}并輸入k-means聚類算法，判斷標(biāo)準(zhǔn)化異常程度值是否大于或等于預(yù)設(shè)閾值，若是，記為異常窗口集，若否，記為正常窗口集；

18、在異常窗口集中，計(jì)算數(shù)據(jù)不一致的變化率，計(jì)算表達(dá)式為：式中，b為異常窗口集，m為所有時(shí)間窗口的總數(shù)，ranomaly表示數(shù)據(jù)不一致的變化率。

19、作為本發(fā)明進(jìn)一步的方案：所述節(jié)點(diǎn)共識(shí)驗(yàn)證差異的獲取邏輯為：

20、采集各節(jié)點(diǎn)的共識(shí)結(jié)果數(shù)據(jù)，包括交易狀態(tài)、區(qū)塊哈希值和智能合約執(zhí)行結(jié)果，構(gòu)建多節(jié)點(diǎn)的共識(shí)結(jié)果矩陣；計(jì)算共識(shí)結(jié)果的均值向量和協(xié)方差矩陣，得到全網(wǎng)節(jié)點(diǎn)共識(shí)結(jié)果的統(tǒng)計(jì)分布特征；通過(guò)馬氏距離的共識(shí)分析算法，計(jì)算每個(gè)節(jié)點(diǎn)相對(duì)于全網(wǎng)共識(shí)結(jié)果的偏離程度，得到每個(gè)節(jié)點(diǎn)的驗(yàn)證差異；根據(jù)驗(yàn)證差異的分布情況，計(jì)算全網(wǎng)共識(shí)驗(yàn)證差異值，進(jìn)一步識(shí)別偏離正常共識(shí)行為的節(jié)點(diǎn)。

21、作為本發(fā)明進(jìn)一步的方案：所述全網(wǎng)共識(shí)驗(yàn)證差異值的具體計(jì)算過(guò)程為：

22、設(shè)區(qū)塊鏈網(wǎng)絡(luò)包含n個(gè)節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)的共識(shí)結(jié)果由多個(gè)數(shù)據(jù)特征組成，構(gòu)建矩陣式中，xnd表示第n個(gè)節(jié)點(diǎn)第d個(gè)數(shù)據(jù)特征，n表示區(qū)塊鏈網(wǎng)絡(luò)包含節(jié)點(diǎn)的總數(shù)，d表示數(shù)據(jù)特征的總數(shù)；對(duì)所有節(jié)點(diǎn)的共識(shí)結(jié)果計(jì)算均值向量和協(xié)方差矩陣；對(duì)每個(gè)節(jié)點(diǎn)，基于均值向量和協(xié)方差矩陣，使用馬氏距離計(jì)算第o個(gè)節(jié)點(diǎn)的共識(shí)結(jié)果偏離程度：o表示區(qū)塊鏈網(wǎng)絡(luò)包含的第o個(gè)節(jié)點(diǎn)，μ表示均值向量，∑表示協(xié)方差矩陣，∑-1表示協(xié)方差矩陣的逆矩陣，t表示轉(zhuǎn)置操作，so表示第o個(gè)節(jié)點(diǎn)的共識(shí)結(jié)果偏離程度，xo*表示矩陣x的第o行，將所有節(jié)點(diǎn)的共識(shí)結(jié)果偏離程度進(jìn)行均值計(jì)算，得到全網(wǎng)共識(shí)驗(yàn)證差異值。

23、作為本發(fā)明進(jìn)一步的方案：所述將數(shù)據(jù)不一致變化率和節(jié)點(diǎn)共識(shí)驗(yàn)證差異轉(zhuǎn)換為特征向量，作為監(jiān)控系統(tǒng)的輸入項(xiàng)，根據(jù)系統(tǒng)輸出結(jié)果判斷網(wǎng)絡(luò)的安全性，具體包括：

24、獲取節(jié)點(diǎn)間的數(shù)據(jù)不一致的變化率和全網(wǎng)共識(shí)驗(yàn)證差異值，將數(shù)據(jù)不一致的變化率和全網(wǎng)共識(shí)驗(yàn)證差異值構(gòu)建綜合特征向量，作為機(jī)器學(xué)習(xí)模型的輸入，模型的輸出是節(jié)點(diǎn)的安全性系數(shù)，模型的目標(biāo)是通過(guò)訓(xùn)練最小化預(yù)測(cè)誤差函數(shù)，使預(yù)測(cè)安全性系數(shù)與實(shí)際安全性系數(shù)一致；當(dāng)誤差的變化幅度小于設(shè)定的閾值時(shí)，停止訓(xùn)練，得到最終的模型參數(shù)，其中，所述機(jī)器學(xué)習(xí)模型為支持向量機(jī)。

25、作為本發(fā)明進(jìn)一步的方案：所述根據(jù)檢測(cè)系統(tǒng)輸出的安全性結(jié)果，將網(wǎng)絡(luò)節(jié)點(diǎn)的安全狀態(tài)劃分為正常、輕微異常和嚴(yán)重異常，具體包括：

26、判斷區(qū)塊鏈節(jié)點(diǎn)間數(shù)據(jù)的安全性系數(shù)是否大于或等于預(yù)設(shè)安全第一閾值，若是，則記為正常，若否，則判斷安全性系數(shù)是否小于預(yù)設(shè)安全第一閾值且大于或等于預(yù)設(shè)安全第二閾值，若是，則記為輕微異常，若否，則記為嚴(yán)重異常。

27、作為本發(fā)明進(jìn)一步的方案：對(duì)于所述輕微異常的結(jié)果，分析固定時(shí)間段內(nèi)監(jiān)測(cè)結(jié)果的異常趨勢(shì)，具體包括：

28、對(duì)檢測(cè)結(jié)果中標(biāo)記為輕微異常的節(jié)點(diǎn)，對(duì)輕微異常節(jié)點(diǎn)的數(shù)據(jù)特征，包括數(shù)據(jù)不一致變化率和全網(wǎng)共識(shí)驗(yàn)證差異值，進(jìn)行時(shí)間序列分析；利用時(shí)間序列趨勢(shì)分解算法，將輕微異常節(jié)點(diǎn)的關(guān)鍵數(shù)據(jù)特征分解為趨勢(shì)、季節(jié)性和殘差部分，進(jìn)一步分析趨勢(shì)部分，檢測(cè)是否存在持續(xù)單調(diào)上升；基于趨勢(shì)部分?jǐn)M合線性回歸方程，計(jì)算趨勢(shì)斜率，若趨勢(shì)斜率超過(guò)設(shè)定的第一閾值，且持續(xù)時(shí)間超過(guò)設(shè)定的第二閾值，則判定為異常趨勢(shì)持續(xù)；提取當(dāng)前批次的輕微異常節(jié)點(diǎn)數(shù)據(jù)特征，并與歷史批次的輕微異常節(jié)點(diǎn)數(shù)據(jù)特征進(jìn)行偏差計(jì)算，使用馬氏距離公式量化偏差值，若偏差值超過(guò)設(shè)定的第三閾值，則判定當(dāng)前批次與歷史批次之間的偏差較大。

29、一種基于區(qū)塊鏈的網(wǎng)絡(luò)安全監(jiān)控系統(tǒng)，包括：

30、數(shù)據(jù)采集模塊，所述數(shù)據(jù)采集模塊通過(guò)采集多個(gè)區(qū)塊鏈節(jié)點(diǎn)間的數(shù)據(jù)，包括交易數(shù)據(jù)、區(qū)塊數(shù)據(jù)和智能合約執(zhí)行結(jié)果，檢查節(jié)點(diǎn)間是否存在數(shù)據(jù)不一致的情況；

31、數(shù)據(jù)不一致變化分析模塊，所述數(shù)據(jù)不一致變化分析模塊對(duì)節(jié)點(diǎn)間的數(shù)據(jù)進(jìn)行局部分析，選擇多個(gè)時(shí)間窗口進(jìn)行灰度變化分析，計(jì)算每個(gè)窗口的異常程度，標(biāo)出異常數(shù)據(jù)變化突出的區(qū)域，通過(guò)比較正常與異常區(qū)域，計(jì)算異常變化的比率，得到數(shù)據(jù)不一致的變化率；

32、節(jié)點(diǎn)共識(shí)驗(yàn)證分析模塊，所述節(jié)點(diǎn)共識(shí)驗(yàn)證分析模塊通過(guò)比較各節(jié)點(diǎn)的共識(shí)結(jié)果，分析節(jié)點(diǎn)之間的共識(shí)偏差，計(jì)算節(jié)點(diǎn)共識(shí)驗(yàn)證差異；

33、安全性識(shí)別模塊，所述安全性識(shí)別模塊將數(shù)據(jù)不一致變化率和節(jié)點(diǎn)共識(shí)驗(yàn)證差異轉(zhuǎn)換為特征向量，作為監(jiān)控系統(tǒng)的輸入項(xiàng)，根據(jù)系統(tǒng)輸出結(jié)果判斷網(wǎng)絡(luò)的安全性，識(shí)別潛在的安全威脅；

34、安全狀態(tài)劃分模塊，所述安全狀態(tài)劃分模塊根據(jù)檢測(cè)系統(tǒng)輸出的安全性結(jié)果，將網(wǎng)絡(luò)節(jié)點(diǎn)的安全狀態(tài)劃分為正常、輕微異常和嚴(yán)重異常；

35、復(fù)查預(yù)警模塊，所述復(fù)查預(yù)警模塊對(duì)于輕微異常結(jié)果，分析固定時(shí)間段內(nèi)監(jiān)測(cè)結(jié)果的異常趨勢(shì)，若異常趨勢(shì)持續(xù)，則計(jì)算當(dāng)前批次與歷史批次的偏差，若偏差較大，則自動(dòng)標(biāo)記相關(guān)節(jié)點(diǎn)并提醒操作員復(fù)查。

36、本發(fā)明的有益效果：

37、(1)本發(fā)明采用了一套系統(tǒng)化的多步驟方法，從數(shù)據(jù)采集與一致性檢查出發(fā)，通過(guò)全面比對(duì)交易數(shù)據(jù)、區(qū)塊數(shù)據(jù)和智能合約執(zhí)行結(jié)果，確保節(jié)點(diǎn)間的數(shù)據(jù)準(zhǔn)確性和一致性，有效識(shí)別潛在的數(shù)據(jù)不一致情況。隨后，利用時(shí)間窗口灰度變化分析技術(shù)，對(duì)節(jié)點(diǎn)間的數(shù)據(jù)進(jìn)行局部分析，計(jì)算每個(gè)時(shí)間窗口的異常程度，并通過(guò)聚類算法區(qū)分正常與異常窗口集，精確量化數(shù)據(jù)不一致的變化率。為進(jìn)一步增強(qiáng)安全性，本發(fā)明還引入了共識(shí)結(jié)果比較機(jī)制，通過(guò)馬氏距離等高級(jí)統(tǒng)計(jì)方法計(jì)算各節(jié)點(diǎn)相對(duì)于全網(wǎng)共識(shí)結(jié)果的偏離程度，識(shí)別出存在共識(shí)偏差的節(jié)點(diǎn)。最后，數(shù)據(jù)不一致變化率和節(jié)點(diǎn)共識(shí)驗(yàn)證差異轉(zhuǎn)換為特征向量，輸入機(jī)器學(xué)習(xí)模型(支持向量機(jī))，實(shí)現(xiàn)對(duì)節(jié)點(diǎn)安全狀態(tài)的智能預(yù)測(cè)與評(píng)估。這種方法不僅能夠及時(shí)發(fā)現(xiàn)并定位異常節(jié)點(diǎn)或行為，還能快速響應(yīng)潛在的安全威脅，通過(guò)自動(dòng)化監(jiān)控與預(yù)警系統(tǒng)提高問(wèn)題處理效率，增強(qiáng)了區(qū)塊鏈網(wǎng)絡(luò)的整體安全性與穩(wěn)定性，減少了因數(shù)據(jù)篡改、節(jié)點(diǎn)故障或惡意攻擊帶來(lái)的風(fēng)險(xiǎn)，確保網(wǎng)絡(luò)的長(zhǎng)期健康運(yùn)行和數(shù)據(jù)的完整性與可靠性。

38、(2)本發(fā)明提出了一套全面且高度自動(dòng)化的監(jiān)控流程，從數(shù)據(jù)采集、一致性檢查到安全狀態(tài)評(píng)估，再到異常檢測(cè)與預(yù)警系統(tǒng)的集成，實(shí)現(xiàn)了對(duì)區(qū)塊鏈網(wǎng)絡(luò)節(jié)點(diǎn)的實(shí)時(shí)、動(dòng)態(tài)監(jiān)控。具體而言，系統(tǒng)首先通過(guò)多維度的數(shù)據(jù)采集(包括交易數(shù)據(jù)、區(qū)塊數(shù)據(jù)和智能合約執(zhí)行結(jié)果)，并利用跨節(jié)點(diǎn)比對(duì)和拜占庭容錯(cuò)原理確保數(shù)據(jù)的一致性和準(zhǔn)確性。接著，采用時(shí)間窗口灰度變化分析技術(shù)識(shí)別數(shù)據(jù)異常，并通過(guò)k-means聚類算法區(qū)分正常與異常窗口集，精確計(jì)算數(shù)據(jù)不一致的變化率。對(duì)于標(biāo)記為輕微異常的節(jié)點(diǎn)，系統(tǒng)進(jìn)一步運(yùn)用時(shí)間序列分析方法，結(jié)合滑動(dòng)窗口平均法和平滑處理，提取趨勢(shì)、季節(jié)性和殘差成分，檢測(cè)異常趨勢(shì)的持續(xù)性和偏差情況。一旦發(fā)現(xiàn)異常趨勢(shì)顯著或偏差較大，系統(tǒng)將自動(dòng)標(biāo)記高優(yōu)先級(jí)關(guān)注節(jié)點(diǎn)，并生成詳細(xì)的復(fù)查任務(wù)清單，通過(guò)預(yù)警系統(tǒng)提醒操作員進(jìn)行及時(shí)干預(yù)。這種自動(dòng)化和智能化的處理方式不僅大幅減輕了人工監(jiān)控的負(fù)擔(dān)，還顯著提高了問(wèn)題響應(yīng)速度和解決效率。此外，系統(tǒng)內(nèi)置的機(jī)器學(xué)習(xí)模型(支持向量機(jī))能夠根據(jù)歷史數(shù)據(jù)不斷優(yōu)化自身的預(yù)測(cè)能力，逐步提升監(jiān)控的準(zhǔn)確性和可靠性，從而有效維護(hù)區(qū)塊鏈網(wǎng)絡(luò)的長(zhǎng)期健康運(yùn)行，確保數(shù)據(jù)的完整性、一致性和安全性。這種方法不僅提升了現(xiàn)有區(qū)塊鏈系統(tǒng)的安全防護(hù)水平，也為未來(lái)更復(fù)雜的安全威脅提供了前瞻性的解決方案。