一种快速的跨链资源定位系统及方法

1.本发明属于人工智能与区块链技术领域，具体是涉及一种快速的跨链资源定位系统及方法。


背景技术：

2.随着我国经济水平的不断发展，信息技术的不断提高，金融经济与信息技术之间的关系日益密切，每一个体户对于信息数据的安全都提出了个性化的需求，所以区块链作为一种新型的去中心化协议，他能够安全的存储数据资产信息，不可伪造和篡改，可以自动执行智能合约，无需任何中心化机构的审核。
3.区块链为每个区块保存一定的数据资产信息，并通过各自的时间顺序组成链条。对应的一条区块链被保存在所有服务器中。区块链这些服务器在整个系统中被称为节点，而需要修改区块链的信息就必须征得节点的同意才能修改所有节点的信息，这也就是区块链去中心化优势的体现。应用不同场景的区块链直接存在孤立性和封闭性，链之间由于区块存储的定义不同导致的高度异构化，区块链之间的数据流通成为问题。
4.为了使异构的区块链或者同构的区块链之间实现数据资产的相关操作，由此跨链技术应运而生。跨链技术是连接各个区块链的纽带，可以增加区块链之间数据资产的联系并解决数据孤岛问题。由于区块链是由区块所组成的链表，那么在跨链操作中，a链对b链所进行的区块定位速度，决定了跨立生态业务中包含a链及b链的跨链总处理速度，而且生态业务的种类繁多，对于联盟链中的成员协作也有不同的复杂度影响。专利申请cn114793244a公开了一种区块链的资源处理方法、装置、设备和介质，实现了多链之间的数据资源的相互定位和获取，以及对多链数据资源的维护和管理，但其采用树形存储导致新区块创建速度与跨链区块索引速度效率不高，根据域名空间进行多个层级的存储导致资源存储与业务类型关联性较低，识别跨链资源的信息获取需求时需要查询多层权限造成冗余跨链访问时间，区块链存储资源流行度的不同造成的跨链资源不同的访问频率，分布式哈希表仍存在更新时遍历范围为域名空间全链和异构跨链索引定位速度低的问题。


技术实现要素：

5.为解决上述技术问题，本发明提供了一种快速的跨链资源定位系统及方法，考虑到链上业务生态种类的不同，以及不同生态业务链的协同处理，引入联盟链进行业务私链的选择来加快跨链资源定位的速度；通过业务私链上的高流行度区块位置缓存区设立，减少高流行度区块资源定位访问的频率，从而加快跨链资源定位速度。
6.本发明所述的一种快速的跨链资源定位系统，包括学习反馈模块、rm链目录模块、资源目录模块、业务链流行模块、热门排名模块、预测学习模块、周期迭代模块和定位预测模块；
7.学习反馈模块接收跨链资源定位请求和模型，根据跨链资源定位结果进行反馈奖励调整，在rm链上进行最优的业务单链选择；
8.rm链目录模块将rm链的单链索引区块通过树形结构的线性存储，根据链状态信息将与所需定位资源相关的业务链索引位置存储在链上，由每个rm链的资源目录进行业务单链的索引记录，并划分热门业务链索引区和非热门业务链索引区；
9.资源目录模块将业务单链的数据区块通过树形结构的线性存储，由每个单链的资源目录进行区块数据的索引记录，并划分热门数据区块索引区和非热门数据区块索引区；
10.业务链流行模块根据rm链上业务单链的访问频率和相应的链状态信息训练，并且对以后新加入的业务单链进行预测，从而获得rm链上热门排名的业务单链，因此设置对应rm链的热门业务链索引区；
11.热门排名模块根据单链上数据区块的访问频率和相应的链状态信息训练，并且对以后新加入区块进行预测，从而获得单链上热门排名的区块，单链因此设置对应单链的热门数据区块的缓存区；
12.预测学习模块通过单链的对应索引定位信息和相应的链状态信息，进行深度学习，给出所申请跨链资源的所在单链的位置范围的预测；
13.周期迭代模块在有新的业务数据区块创建、业务链更新或是有未实现跨链资源定位请求的一轮定位动作时，重新构建单链和rm链的数据存储资源目录及逻辑关系；
14.定位预测模块通过深度学习对已知区块在对应链上的资源目录的索引进行训练，通过预输出的最大最小误差以评估之后数据区块的定位位置。
15.进一步的，rm链目录模块和资源目录模块进行rm链和业务单链构建中，涉及每条链的资源目录存储在各自链上，链目录存放在rm链上，每当有一条链进行更新，会重新上传更新后的链状态信息参数到rm链上以及通过哈希签名进行验证身份，通过哈希算法为每条链的状态信息参数赋独一的链态cs码并更新对应的链状态信息，如果更新则会替换之前所存储的链态码为新的链态cs码。
16.进一步的，业务单链上的资源目录通过优化后的线索进行动态更新，链上数据区块根据完全二叉树的定义和对应的da码，进行二分搜索建立完全二叉树目录，对应到链上依次一维双向链表数组，新增的链上数据加到数组末尾，删除和修改操作通过链表进行；链上资源目录顺序首先是链的链态码，其次是对应的区块索引目录，通过索引目录链接到数据区块；数据区块开头记录对应通过哈希算法获得的da码以及时间戳。
17.一种快速的跨链资源定位方法，采用上述定位系统进行定位，所述方法的步骤为：步骤1、用户通过客户端发出跨链资源定位请求申请，预先初始化奖励、学习反馈因子、业务状态函数，构建跨链资源申请模型；
18.步骤2、跨链资源申请模型被完整发送到学习反馈模块，使用业务链流行模块和rm链目录模块构建贴合请求跨链资源定位业务生态的rm链；
19.步骤3、学习反馈模块中的强化学习目标设置为跨链资源定位速度最大化，跨链资源定位调整后的速度因子设置为强化学习奖励信号值；
20.步骤4、如rm链相关业务链群更新，启动周期迭代模块，使用rm链目录模块重新构建rm链，并使用业务链流行模块重新设置热门单链的索引目录，更新链状态信息；
21.步骤5、对比所需定位的跨链资源业务与rm链热门排名业务单链的符合度，如符合度大于阈值则直接跳转到步骤7，否则继续步骤6；
22.步骤6、跨链资源定位申请发送到rm链上，预测学习模块根据业务生态贴合度、业
务访问频率、跨链资源定位速度对跨链资源申请模型进行动态调整，使rm链上跨链资源定位动作范围不断趋向于符合的业务单链；
23.步骤7、如有新的业务数据区块创建，启动周期迭代模块，使用资源目录模块重新构建业务单链，并使用热门排名模块重新设置热门区块索引目录，更新链状态信息；
24.步骤8、对比所需定位的跨链资源业务与业务单链热门区块的符合度，如符合度大于阈值则直接跳转到步骤11，否则继续步骤9；
25.步骤9、跨链资源定位申请发送到业务单链上，定位预测模块使用深度学习对已知区块在对应链上的资源目录的索引进行训练，输出预测定位范围，优先访问业务单链上的热门区块索引区，其次二分搜索访问预测定位范围；
26.步骤10、遍历业务单链上除去热门区块的数据区块，判断跨链资源定位请求是否完成，若完成，则跳转步骤11，若未完成，则重复步骤2-10；
27.步骤11、返回定位资源区块，结束定位过程。
28.进一步的，步骤6中的跨链资源定位速度依据链上资源总数和跨链资源定位时间得到，所述跨链资源定位时间为：
29.t
αll
＝t
rm
+ti+t
extra
30.其中，t
all
表示为跨链定位一单位需求数据区块所需要的总时间，t
rm
表示为rm链上索引对应所需数据区块所在的业务单链花费的时间，ti表示为需求数据区块对应的业务单链上索引对应区块的花费时间，t
extra
表示为除rm链、业务单链上所花费的时间之外的时间，为外衍变量，由跨链资源定位流程模型外的因素决定。
31.进一步的，所述rm链上索引对应所需数据区块所在的业务单链花费的时间具体可分解为以下部分：
[0032][0033]
其中，k表示为rm链上高流行度缓存的区块数目，x表示一个变量。当x≤k时，表示为跨链资源定位所需的资源在已缓存的高流行度的业务单链缓存区，则t
rm
＝log2x；当x＞k时，表示为跨链资源定位所需的资源不在已缓存的高流行度的业务单链缓存区，则t
rm
＝log2k+log2(n-k)；同理，ti也如上分解。
[0034]
本发明所述的有益效果为：
[0035]
1)本发明利用强化学习调整实现跨链资源定位依据业务生态的调整定位动作，提高在rm链上的业务单链索引速度，从而提高rm链定位阶段的定位速度；
[0036]
2)采用深度学习预测单链上的数据区块的索引位置范围，避免单次索引遍历单链全部区块的操作，从而提高业务单链定位阶段的定位速度；
[0037]
3)强化学习调整跨链资源索引方向，深度学习细微调节单链区块索引范围，提高无目的的跨链资源定位(即所需定位数据资源业务类型未知)方向选择效率，减少有目的的跨链资源定位(即所需定位数据资源业务类型已知)的时长；
[0038]
4)本发明通过在业务单链以及rm链上进行热门排名以及热门排名索引缓存，从而降低对应热门排名区块/单链的索引定位时间，加快跨链资源定位的速度；
[0039]
5)通过对链上区块或者链区块的线性目录建立，随机存取的特性可以更快速地定位资源，从而提高跨链交易速度。
附图说明
[0040]
图1是跨链资源定位系统结构图；
[0041]
图2是跨链资源定位方法流程图；
[0042]
图3是rm链与业务单链的链结构示意图；
[0043]
图4是区块的树型存储与线性存储示意图。
具体实施方式
[0044]
为了使本发明的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本发明作进一步详细的说明。
[0045]
，区块链交易所由于庞大的交易量与数据存储量在交易过程中需要一种快速的跨链资源定位系统及方法，其中，所述系统包括学习反馈模块、rm链目录模块、资源目录模块、业务链流行模块、热门排名模块、预测学习模块、周期迭代模块和定位预测模块；
[0046]
学习反馈模块：用于设计区块链交易所中交易资源定位调用申请调整的反馈奖励。关于强化学习奖励的设计，需要以强化学习的目标为指引，使跨链资源定位动作不断趋向于符合的业务生态链；因此以跨链资源定位方向调整后的速度因素为奖励，考虑到模型调整后效益无法实时反馈，从而依据周期迭代模块进行反馈。反馈评估依据业务生态贴合度、业务访问频率、跨链资源访问速度；
[0047]
rm链目录模块：交易rm链为区块链交易所的业务联盟链，方便交易所中特定业务协作、项目集团的各区块链数据资源的索引，通过树形结构的线性存储，根据链状态信息将与所需定位资源相关的业务链索引位置存储在链上，由每个rm链的资源目录进行业务单链的索引记录，并划分热门业务链索引区和非热门业务链索引区；
[0048]
资源目录模块：业务单链建立，后一个交易数据区块依赖上一个交易数据区块，互相都存有独立账本保证安全。将业务单链的数据区块通过树形结构的线性存储，由每个单链的资源目录进行区块数据的索引记录，并划分热门数据区块索引区和非热门数据区块索引区；
[0049]
业务链流行模块：通过根据交易rm链已知的业务单链的访问频率和相应的链状态信息训练，并且对以后的新加入的业务单链进行预测，从而获得rm链上热门排名的业务单链，因此设置交易rm链的热门业务链索引区；
[0050]
热门排名模块：通过根据单链已知区块的访问频率和相应的链状态信息训练，并且对以后的新加入区块进行预测，从而获得单链上热门排名的区块，单链因此设置对应的热门资源区块的缓存区；
[0051]
预测学习模块：通过单链的对应索引定位信息和相应的链状态信息，进行深度学习预测所申请跨链资源的所在单链的位置范围。通过rm链上业务单链的相关业务生态信息从而通过强化学习根据业务生态环境，对应该环境给出对应的奖励信号，根据新状态和环境反馈奖励进行一轮调整，由此跨链资源申请会根据对应的业务生态进行定位位置的先行范围预测，加快对应的跨链资源定位速度；
[0052]
周期迭代模块：如有新的交易数据区块创建，会启动一轮周期迭代模块，对应的rm链和新区块所加入的业务单链也会随之更新。业务单链会根据新的区块信息重新构建单链目录以及重新进行热门排名、设置热门排名缓存区。rm链会根据更新后的相关业务链群重
新预测学习，构建rm链目录以及业务链流行排名。未实现跨链资源定位请求的一轮跨链资源定位动作也会启动周期迭代模块；
[0053]
定位预测模块：通过深度学习对已知区块在对应链上的资源目录的索引进行训练，通过预输出的最大最小误差以评估之后数据区块的定位位置，比遍历速度更加快速(常量c《总数据量n)。通过对应输入数据和输出数据的训练，可以更加均匀分布，从而更利于线性结构的存储，这是一种强有力的、可以显著减少基于哈希的索引所需存储量的方式，加快定位速度。
[0054]
区块链交易所发送交易跨链资源定位请求申请，会预先在交易定位过程中初始化奖励、学习反馈因子等预测学习参数，构建交易跨链资源申请模型；之后将构建好的交易跨链资源申请模型发送到学习反馈模块，使用业务链流行模块和rm链目录模块构建贴合跨链资源定位业务生态的rm链。学习反馈模块中的强化学习目标设置为跨链资源定位速度最大化，跨链资源定位调整后的速度因子设置为强化学习奖励信号值。
[0055]
如果在跨链资源定位动作进行中，所构建的交易rm链相关业务链群进行更新(例如存储新的数据或者是相关资源被调取)，则会使用预测学习模块重新预测学习新的定位权重，使用rm链目录模块重新构建rm链和使用业务链流行模块重新设置热门业务单链的索引区。
[0056]
其中，预测学习模块通过单链的对应索引定位信息和相应的链状态信息，进行深度学习预测所申请交易的跨链资源所在单链的位置范围。通过交易rm链上业务单链的相关业务生态信息从而通过强化学习根据交易业务生态环境，对应该环境给出对应的奖励信号，根据新状态和环境反馈奖励进行一轮调整，由此跨链资源申请会根据对应的业务生态进行定位位置的先行范围预测，加快对应的跨链资源定位速度。
[0057]
对比所需定位的跨链资源业务与rm链热门排名业务单链的符合度，如符合度大于阈值则判断是否过程中存储了新的数据资源区块，否则将跨链资源定位申请发送到rm链上，依据链上资源总数和跨链资源定位时间得到跨链资源定位速度，预测学习模块根据交易资源的业务生态贴合度、交易资源访问频率、跨链资源定位速度对跨链资源申请模型进行动态调整，使rm链上跨链资源定位动作范围不断趋向于符合交易所要求资源所在的业务单链。
[0058]
如果有新的交易数据区块创建，启动周期迭代模块，使用资源目录模块重新构建业务单链和使用热门排名模块重新进行热门排名、设置热门资源区块缓存区。对比所需定位的跨链资源业务与交易业务单链热门区块的符合度，如符合度大于阈值则直接返回定位资源区块，结束定位过程，否则继续将跨链资源定位申请发送到业务单链上，通过定位预测模块缩小业务单链上跨链资源定位范围，优先访问业务单链上的热门区块链索引，其次遍历访问缩小后的定位范围。遍历业务单链上除去热门区块的数据区块，判断跨链资源定位请求是否完成，若完成，定位过程结束，返回定位资源，推进资源交易，若未完成，则重复之前步骤。
[0059]
区块链交易所交易跨链资源定位方法的定位时间受到交易rm链、业务单链的索引时间和额外的跨链索引之外的花费时间的影响，因此跨链资源定位时间分解为如下部分：
[0060]
t
all
＝t
rm
+ti+t
extra
ꢀꢀ
(1)
[0061]
其中，t
all
表示为交易中跨链定位一单位需求数据区块所需要的总时间，t
rm
表示为
交易rm链上索引对应所需数据区块所在的业务单链花费的时间，ti表示为需求数据区块对应的业务单链上索引对应区块的花费时间，t
extra
表示为除交易rm链、业务单链上所花费的时间之外的时间，为外衍变量，由交易跨链资源定位流程模型外的因素决定。
[0062]
具体的时间可分解为以下部分：
[0063][0064]
其中，k表示为rm链上高流行度缓存的交易数据区块数目，x表示一个变量。当x≤k时，表示为跨链资源定位所需的资源在已缓存的高流行度的交易业务单链缓存区，则t
rm
＝log2x；当x＞k时，表示为跨链资源定位所需的资源不在已缓存的高流行度的交易业务单链缓存区，则t
rm
＝log2k+log2(n-k)。同理，ti也可如上分解。
[0065]
交易rm链为联盟链，方案中的rm链目录模块和资源目录模块作用相似，均为链上目录构建作用，但rm链目录模块针对于交易的业务生态进行动态调整，资源目录模块针对于交易环境业务进行资源处理。同理，业务链流行模块和热门排名模块作用类似，均为链上热门缓存的设置规则模块，但业务链流行模块针对于业务生态进行业务链的高流行度缓存区设置，热门排名模块针对于单个业务进行热门区块缓存区设置。
[0066]
快速的跨链资源定位方法，将资源区块的定位分解为首先快速定位联盟链rm链上的最优业务单链，之后快速定位业务单链的资源区块。通过学习反馈模块对应的强化学习机制动态调整，通过定位预测模块和预测学习模块的对应的深度学习机制预测所需单链或区块位置范围，通过热门先筛的规则设置优先访问缓存区，加快热门资源的定位速度。
[0067]
如图1所示，本发明所述的一种快速的跨链资源定位系统，其具体为区块链构建更新和预测定位两部分，区块链构建更新通过周期迭代模块分为rm链、业务单链两部分，rm链部分使用到rm链目录模块和业务链流行模块，业务单链部分使用到资源目录模块和热门排名模块；预测定位则使用到学习反馈、预测学习、定位预测三个模块，进行资源定位模型参数的调整以及定位过程中的动态预测。
[0068]
如图2所示，本发明所述的一种快速的跨链资源定位方法，其具体为：跨链资源定位请求申请时，根据所需求的数据进行模型构建。通过学习反馈模块将跨链资源申请模型进行参数调整，在rm链上进行最优(最贴近预想交易要求)的交易业务单链选择。通过预测学习模块可以快速地缩小交易rm链上所需业务单链的位置范围，加快rm链上的定位速度。在业务单链上通过预测学习模块，快速缩小单链上所需数据区块的位置范围，加快单链的定位速度。
[0069]
如有新的业务单链加入链群或是新的数据区块加入业务单链，则会启动周期迭代模块；未实现跨链资源定位请求的一轮跨链资源定位动作也会启动周期迭代模块。周期迭代会重新构建单链和rm链的数据存储资源目录和逻辑关系。
[0070]
通过强化学习快速选择索引最优交易业务单链，通过深度学习快速预测数据资源区块的索引位置达到快速定位。通过业务生态贴合度、业务访问频率、跨链资源访问速度等等动态调整学习反馈奖励，每轮周期迭代均可动态调整使得交易rm链的业务单链索引趋向最优交易链。通过区块签名与区块位置对应相关信息预测大致索引范围，缩小跨链资源定位遍历范围，达到快速跨链资源定位。
[0071]
由于cpu高速缓存的工作原理，访问相邻内存位置的速度很快，而随机访问内存位
置的速度则要慢得多。通过对交易rm链及单链的热门信息(索引位置、访问频率等)进行排序筛选，设置热门缓存区，达到访问缓存即可定位，减少访问磁盘的次数从而加快跨链资源定位速度。
[0072]
如图3所示，针对业务单链和rm链的结构创建：各个交易业务单链上的资源目录通过优化后的线索进行动态更新，根据完全二叉树的定义，链上数据通过对应的da(数据资产)码，进行二分搜索建立完全二叉树目录，对应到链上依次一维双向链表数组，这样之后增加的链上数据加到数组最后，删除通过链表操作进行，修改亦上。每个交易数据区块也是如此链接，每个区块开头记录此区块对应通过哈希算法获得的da(数据资产)码以及时间戳。链的资源目录先是链的链态码然后是对应的区块索引目录。通过目录直接链接到对应的数据区块(通过da码进行验证)。
[0073]
考虑到二分搜索o(nlog2n)的时间复杂度较小(可以考虑用堆建立目录，因为堆的最差时间复杂度跟平均一个量级均为o(nlog2n)，二分的最差为o(n))。
[0074]
如图4所示，涉及每条链的交易资源目录存储在各自链上，链目录(跟单链的资源目录一样构建)存放在rm(资源管理)链上，每当有一条链更新或者修改，会重新上传更新后的链状态信息参数到rm链上以及通过哈希签名进行验证身份，通过哈希算法为每条链的状态信息参数赋独一的链态(cs)码并更新对应的链状态信息，如果更新则会替换之前所存储的链态码为新的链态(cs)码。链统一管理可以跨链定位更快速。
[0075]
以上所述仅为本发明的优选方案，并非作为对本发明的进一步限定，凡是利用本发明说明书及附图内容所作的各种等效变化均在本发明的保护范围之内。