基于区块链的资源分配方法、装置、设备及可读存储介质与流程

1.本技术涉及区块链技术领域，特别是涉及一种基于区块链的资源分配方法、装置、设备及可读存储介质。


背景技术：

2.随着互联网技术的不断发展，人们越来越注重信息的安全，而区块链作为一种去中心化、安全、避免泄露信息的新技术被人们所青睐。区块链本质上是一种分布式共识和价值激励相结合的技术，目前以跨境贸易区块链为代表的各类联盟区块链应用场景中，区块链设置有激励机制，通过该激励机制，向各个参与方分配服务、权益等资源，有效提升组织协作效率，促进生态内价值交易。
3.相关技术中，区块链设置的激励机制通常是基于数字通证实现的。也即在区块链的共识过程中，当某个参与方共识成功时，区块链为该参与方生成数字通证，并将数字通证作为资源分配给该参与方，确定该参与方上链共享数据。
4.在实现本技术的过程中，申请人发现相关技术至少存在以下问题：
5.基于数字通证的激励机制模式单一，只强调激励而不提倡协作，未能与实际的应用场景很好地契合，各参与方的行为无法得到有效约束，不利于在跨境贸易区块链等联盟区块链生态上实现数据共享与可信数据驱动，多样性较差，容易导致区块链生态的崩塌。


技术实现要素：

6.有鉴于此，本技术提供了一种基于区块链的资源分配方法、装置、设备及可读存储介质，主要目的在于解决目前不利于在跨境贸易区块链等联盟区块链生态上实现数据共享与可信数据驱动，多样性较差，容易导致区块链生态的崩塌的问题。
7.依据本技术第一方面，提供了一种基于区块链的资源分配方法，该方法包括：
8.确定样本参与方，基于所述样本参与方在联盟链上的样本参数评价，生成所述样本参与方在联盟链上的多个样本证据权重值；
9.统计所述样本参与方的实际行为信用指标，根据所述多个样本证据权重值和所述实际行为信用指标，确定用于构建信用评价模型的模型参数；
10.将所述模型参数带入参数转换公式进行计算，得到所述信用评价模型；
11.采集待分配参与方在所述联盟链的建设中产生的历史数据参数，基于所述信用评价模型对所述历史数据参数进行处理，得到所述信用评价模型输出的数据评分；
12.查询所述数据评分对应的目标参与方等级，将所述目标参与方等级指示的目标资源分配至所述待分配参与方。
13.可选地，所述基于所述样本参与方在联盟链上的样本参数评价，生成所述样本参与方在联盟链上的多个样本证据权重值，包括：
14.获取所述样本参与方在所述联盟链上的样本数据参数，按照多个预设数据类型对所述样本数据参数进行划分，得到多个样本数据组；
15.对于所述多个样本数据组中每个样本数据组，查询所述样本数据组包括的每个样本数据参数的样本参数评价，统计所述每个样本数据参数在所述样本参数评价中的第一正常次数和第一异常次数；
16.获取所述样本参数评价指示正常的所述每个样本数据参数的第一样本参数取值，获取所述样本参数评价指示异常的所述每个样本数据参数的第二样本参数取值；
17.计算所述第一样本参数取值与所述第一正常次数的第一比值、所述第二样本参数取值与所述第一异常次数的第二比值，并计算所述第一比值与所述第二比值的第三比值；
18.采用对数运算公式对所述第三比值进行计算，得到第一对数数值；
19.分别为所述样本数据组包括的每个样本数据参数计算第一对数数值，得到多个第一对数数值；
20.计算所述多个第一对数数值的和值，将所述和值作为所述样本数据组的样本证据权重值；
21.分别查询所述每个样本数据组包括的样本数据参数对应的样本参数评价，按照所述样本参数评价计算所述每个样本数据组的样本证据权重值，得到所述多个样本证据权重值。
22.可选地，所述统计所述样本参与方的实际行为信用指标，根据所述多个样本证据权重值和所述实际行为信用指标，确定用于构建信用评价模型的模型参数，包括：
23.统计所述样本参与方的违规次数、受检次数和异常信用数据作为所述实际行为信用指标；
24.采用逻辑回归模型对所述多个样本证据权重值和所述实际行为信用指标进行逻辑回归训练，得到所述模型参数。
25.可选地，所述采集待分配参与方在所述联盟链的建设中产生的历史数据参数，将所述历史数据参数输入至所述信用评价模型，得到所述信用评价模型输出的数据评分之前，所述方法还包括：
26.确定多个样本参与方，查询所述多个样本参与方中每个样本参与方对应的样本数据评分以及样本参与方等级；
27.对所述多个样本参与方进行分组，将所述样本参与方等级一致的样本参与方划分至同一组，得到多个样本参与方分组；
28.对于所述多个样本参与方分组中每个样本参与方分组，查询所述样本参与方分组中的最低样本数据评分和最高样本数据评分，利用所述最低样本数据评分和所述最高样本数据评分构成分值区间；
29.采用所述样本参与方分组的样本参与方等级对所述分值区间进行标注，并将标注后的所述分值区间进行存储；
30.分别为所述多个样本参与方分组生成分值区间，得到多个分值区间。
31.可选地，所述基于所述信用评价模型对所述历史数据参数进行处理，得到所述信用评价模型输出的数据评分，包括：
32.按照多个预设数据类型对所述历史数据参数进行划分，得到多个历史数据组；
33.对于所述多个历史数据组中每个历史数据组，查询所述历史数据组包括的历史数据参数对应的历史参数评价，统计所述历史数据参数在所述历史参数评价中的第二正常次
数和第二异常次数；
34.获取所述历史参数评价指示正常的所述历史数据参数的第一历史参数取值，获取所述历史参数评价指示异常的所述历史数据参数的第二历史参数取值；
35.计算所述第一历史参数取值与所述第二正常次数的第四比值、所述第二历史参数取值与所述异常次数的第五比值，并计算所述第四比值与所述第五比值的第六比值；
36.采用对数运算公式对所述第六比值进行计算，得到第二对数数值；
37.分别为所述历史数据组包括的每个历史数据参数计算第二对数数值，得到多个第二对数数值；
38.计算所述多个第二对数数值的和值，将所述和值作为所述历史数据组的历史证据权重值；
39.分别为所述每个历史数据组计算历史证据权重值，得到多个历史证据权重值；
40.将所述多个历史证据权重值输入至所述信用评价模型，获取所述信息评价模型输出的处理结果作为所述数据评分。
41.可选地，所述查询所述数据评分对应的目标参与方等级，将所述目标参与方等级指示的目标资源分配至所述待分配参与方，包括：
42.获取多个分值区间，在所述多个分值区间中查询包括所述数据评分的目标分值区间；
43.查询所述目标分值区间标注的样本参与方等级作为所述目标参与方等级；
44.确定所述参与方等级绑定的资源作为所述目标资源，将所述目标资源分配至所述待分配参与方，所述目标资源是服务权限、优惠资源、决策权重、权益资源中的一种或多种。
45.可选地，所述查询所述数据评分对应的目标参与方等级，将所述目标参与方等级指示的目标资源分配至所述待分配参与方之后，所述方法还包括：
46.持续统计间隔时长，当统计确定所述间隔时长达到间隔阈值时，重新获取所述待分配参与方在所述联盟链的建设中产生的新的历史数据参数，并重新基于所述新的历史数据参数确定新的参与方等级，将新的参与方等级指示的新的目标资源分配至所述待分配参与方；和/或，
47.当检测到所述联盟链中发生异常事件时，查询发生所述异常事件的异常参与方，获取所述异常参与方在所述联盟链的建设中产生的历史数据参数作为待评价参数，并重新基于所述待评价参数为所述异常参与方确定指定参与方等级，将所述指定参与方等级指示的指定资源分配至所述异常参与方。
48.依据本技术第二方面，提供了一种基于区块链的资源分配装置，该装置包括：
49.生成模块，用于确定样本参与方，基于所述样本参与方在联盟链上的样本参数评价，生成所述样本参与方在联盟链上的多个样本证据权重值；
50.确定模块，用于统计所述样本参与方的实际行为信用指标，根据所述多个样本证据权重值和所述实际行为信用指标，确定用于构建信用评价模型的模型参数；
51.计算模块，用于将所述模型参数带入参数转换公式进行计算，得到所述信用评价模型；
52.处理模块，用于采集待分配参与方在所述联盟链的建设中产生的历史数据参数，基于所述信用评价模型对所述历史数据参数进行处理，得到所述信用评价模型输出的数据
评分；
53.分配模块，用于查询所述数据评分对应的目标参与方等级，将所述目标参与方等级指示的目标资源分配至所述待分配参与方。
54.可选地，所述生成模块，用于获取所述样本参与方在所述联盟链上的样本数据参数，按照多个预设数据类型对所述样本数据参数进行划分，得到多个样本数据组；对于所述多个样本数据组中每个样本数据组，查询所述样本数据组包括的每个样本数据参数的样本参数评价，统计所述每个样本数据参数在所述样本参数评价中的第一正常次数和第一异常次数；获取所述样本参数评价指示正常的所述每个样本数据参数的第一样本参数取值，获取所述样本参数评价指示异常的所述每个样本数据参数的第二样本参数取值；计算所述第一样本参数取值与所述第一正常次数的第一比值、所述第二样本参数取值与所述第一异常次数的第二比值，并计算所述第一比值与所述第二比值的第三比值；采用对数运算公式对所述第三比值进行计算，得到第一对数数值；分别为所述样本数据组包括的每个样本数据参数计算第一对数数值，得到多个第一对数数值；计算所述多个第一对数数值的和值，将所述和值作为所述样本数据组的样本证据权重值；分别查询所述每个样本数据组包括的样本数据参数对应的样本参数评价，按照所述样本参数评价计算所述每个样本数据组的样本证据权重值，得到所述多个样本证据权重值。
55.可选地，所述确定模块，用于统计所述样本参与方的违规次数、受检次数和异常信用数据作为所述实际行为信用指标；采用逻辑回归模型对所述多个样本证据权重值和所述实际行为信用指标进行逻辑回归训练，得到所述模型参数。
56.可选地，所述确定模块，用于对于所述样本数据组包括的每个样本数据参数，查询所述样本数据参数的样本参数评价，统计所述样本数据参数在所述样本参数评价中的第一正常次数和第一异常次数；获取所述样本参数评价指示正常的所述样本数据参数的第一样本参数取值，获取所述样本参数评价指示异常的所述样本数据参数的第二样本参数取值；计算所述第一样本参数取值与所述第一正常次数的第一比值、所述第二样本参数取值与所述第一异常次数的第二比值，并计算所述第一比值与所述第二比值的第三比值；采用对数运算公式对所述第三比值进行计算，得到第一对数数值；分别为所述样本数据组包括的每个样本数据参数计算第一对数数值，得到多个第一对数数值；计算所述多个第一对数数值的和值，将所述和值作为所述样本数据组的样本证据权重值。
57.可选地，所述装置还包括：
58.查询模块，用于确定多个样本参与方，查询所述多个样本参与方中每个样本参与方对应的样本数据评分以及样本参与方等级；
59.分组模块，用于对所述多个样本参与方进行分组，将所述样本参与方等级一致的样本参与方划分至同一组，得到多个样本参与方分组；
60.所述查询模块，还用于对于所述多个样本参与方分组中每个样本参与方分组，查询所述样本参与方分组中的最低样本数据评分和最高样本数据评分，利用所述最低样本数据评分和所述最高样本数据评分构成分值区间；
61.存储模块，用于采用所述样本参与方分组的样本参与方等级对所述分值区间进行标注，并将标注后的所述分值区间进行存储；
62.所述查询模块，还用于分别为所述多个样本参与方分组生成分值区间，得到多个
分值区间。
63.可选地，所述处理模块，用于按照多个预设数据类型对所述历史数据参数进行划分，得到多个历史数据组；对于所述多个历史数据组中每个历史数据组，查询所述历史数据组包括的历史数据参数对应的历史参数评价，统计所述历史数据参数在所述历史参数评价中的第二正常次数和第二异常次数；获取所述历史参数评价指示正常的所述历史数据参数的第一历史参数取值，获取所述历史参数评价指示异常的所述历史数据参数的第二历史参数取值；计算所述第一历史参数取值与所述第二正常次数的第四比值、所述第二历史参数取值与所述异常次数的第五比值，并计算所述第四比值与所述第五比值的第六比值；采用对数运算公式对所述第六比值进行计算，得到第二对数数值；分别为所述历史数据组包括的每个历史数据参数计算第二对数数值，得到多个第二对数数值；计算所述多个第二对数数值的和值，将所述和值作为所述历史数据组的历史证据权重值；分别为所述每个历史数据组计算历史证据权重值，得到多个历史证据权重值；将所述多个历史证据权重值输入至所述信用评价模型，获取所述信息评价模型输出的处理结果作为所述数据评分。
64.可选地，所述分配模块，用于获取多个分值区间，在所述多个分值区间中查询包括所述数据评分的目标分值区间；查询所述目标分值区间标注的样本参与方等级作为所述目标参与方等级；确定所述参与方等级绑定的资源作为所述目标资源，将所述目标资源分配至所述待分配参与方，所述目标资源是服务权限、优惠资源、决策权重、权益资源中的一种或多种。
65.可选地，所述分配模块，还用于持续统计间隔时长，当统计确定所述间隔时长达到间隔阈值时，重新获取所述待分配参与方在所述联盟链的建设中产生的新的历史数据参数，并重新基于所述新的历史数据参数确定新的参与方等级，将新的参与方等级指示的新的目标资源分配至所述待分配参与方；和/或，当检测到所述联盟链中发生异常事件时，查询发生所述异常事件的异常参与方，获取所述异常参与方在所述联盟链的建设中产生的历史数据参数作为待评价参数，并重新基于所述待评价参数为所述异常参与方确定指定参与方等级，将所述指定参与方等级指示的指定资源分配至所述异常参与方。
66.依据本技术第三方面，提供了一种设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面中任一项所述方法的步骤。
67.依据本技术第四方面，提供了一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中任一项所述的方法的步骤。
68.借由上述技术方案，本技术提供的一种基于区块链的资源分配方法、装置、设备及可读存储介质，本技术确定样本参与方，基于样本参与方在联盟链上的样本参数评价，生成样本参与方在联盟链上的样本证据权重值，统计样本参与方的实际行为信用指标，根据样本证据权重值和实际行为信用指标，确定模型参数，通过对模型参数进行转换计算，得到信用评价模型，进而采集待进行激励的待分配参与方在联盟链的建设中产生的历史数据参数，基于信用评价模型对历史数据参数进行处理，得到数据评分，按照数据评分对应的目标参与方等级，向待分配参与方分配目标资源，基于目标资源对待分配参与方进行激励，设置全方位、多层次的激励机制，按照各个参与方在联盟链建设中的表现分配资源进行激励，推动更多参与方参与到联盟链的数据协同、共享中，保证区块链生态的稳定。
69.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
70.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
71.图1示出了本技术实施例提供的一种基于区块链的资源分配方法流程示意图；
72.图2a示出了本技术实施例提供的一种基于区块链的资源分配装置的结构示意图；
73.图2b示出了本技术实施例提供的一种基于区块链的资源分配装置的结构示意图；
74.图3示出了本技术实施例提供的一种计算机设备的装置结构示意图。
具体实施方式
75.下面将参照附图更详细地描述本技术的示例性实施例。虽然附图中显示了本技术的示例性实施例，然而应当理解，可以以各种形式实现本技术而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本技术，并且能够将本技术的范围完整的传达给本领域的技术人员。
76.近年来，区块链作为一种去中心化、安全、避免泄露信息的新技术而被人们所青睐。区块链本质上是一种分布式共识和价值激励相结合的技术，目前以跨境贸易区块链为代表的各类联盟区块链应用场景中，区块链设置有激励机制，并通过该激励机制，有效提升组织协作效率，促进生态内价值交易。但是申请人认识到，目前区块链上基于数字通证的激励方式，只强调激励而不提倡协作，未能与实际的商业应用场景很好地契合。同时，在一个完整的激励机制体系内，不应只进行激励而不实施惩罚，否则各参与方的行为就会趋于利己且无法得到有效约束，最终将导致区块链生态的崩塌。另外，从激励维度上看，以数字通证为代表的经济激励模式过于单一，不利于在跨境贸易区块链等联盟区块链生态上实现数据共享与可信数据驱动。
77.因此，本技术提出一种基于区块链的资源分配方法，确定样本参与方，根据样本参与方在联盟链上的样本证据权重值和样本参与方的实际行为信用指标，确定模型参数，通过对模型参数进行转换计算，得到信用评价模型，进而采集待进行激励的待分配参与方在联盟链的建设中产生的历史数据参数，基于信用评价模型对历史数据参数进行处理，得到数据评分，按照数据评分对应的目标参与方等级，向待分配参与方分配目标资源，基于目标资源对待分配参与方进行激励，设置全方位、多层次的激励机制，按照各个参与方在联盟链建设中的表现分配资源进行激励，推动更多参与方参与到联盟链的数据协同、共享中，保证区块链生态的稳定。实际上，本技术的技术方案借鉴了通常用于金融贷款融资过程的信用评级或评分机制，使得联盟链所在的数据共享系统能够收集参与方在参与整个联盟链的建设过程中的数据信息，基于数据信息对该参与方进行信用评价，得到信用分，并参考该信用分为参与方分配服务和权益，使得区块链的参与方根据自身信用评分情况享受通关便利化服务和金融优惠服务，进而推动整个跨境贸易领域更多方参与区块链数据协同、数据共享，
逐步形成诚信便利优惠的跨境贸易业务新生态。
78.其中，数据共享系统可以基于独立的服务器运行，也可以基于提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务器的云服务器运行。
79.本技术实施例提供了一种基于区块链的资源分配方法，如图1所示，该方法包括：
80.101、确定样本参与方，基于所述样本参与方在联盟链上的样本参数评价，生成所述样本参与方在联盟链上的多个样本证据权重值。
81.在本技术实施例中，为了构建用于确定如何进行资源分配的信用评价模型，首先，需要确定构建模型所依赖的模型参数。其中，模型参数是通过确定样本参与方，根据样本参与方在联盟链上的多个样本证据权重值和样本参与方的实际行为信用指标生成并确定的，所以，先对基于样本参与方在联盟链上的样本参数评价，生成样本参与方在联盟链上的多个样本证据权重值的过程进行描述：
82.在一个可选地实施方案中，首先，数据共享系统获取样本参与方在联盟链上的样本数据参数，按照多个预设数据类型对样本数据参数进行划分，得到多个样本数据组。具体地，可以按照下述4种预设数据类型对样本数据参数进行划分，或者直接获取样本参与方的下述4种预设数据类型的样本数据参数：
83.(1)参与方的基本属性数据，如机构类型，机构规模，业务类型，参与网络的时间长度，区块链网络对接方式等；
84.(2)参与方在联盟链上贡献的数据量和频度，如上链的单据、状态数量，字段数量和总长度，上链频率等。其中，需要说明的是，可以周期性的对参与方在联盟链上的数据量和频度进行统计和评估，以便保证数据量和频度的真实性，避免后续构建的信用评价模型存在误差；
85.(3)参与方在联盟链上贡献数据的数据质量。具体可以获取上链应用程序、智能合约做出的对上链数据单独验证和交叉验证的结果，作为衡量数据质量的指标，也可以结合数据被授权使用方的人工反馈，作为对数据质量的补充。其中，交叉验证会根据预先定义好的交叉验证规则进行计算，验证规则包括哪些单据的哪些字段进行交叉验证、字段的验证级别、字段的翻译值等。而交叉验证结果会保存到一个结果的字段里，结果包括0、1、2、3、4、5、6、7、8、9、a；每个结果结果代表的含义不一样。
86.(4)参与方同其他参与机构的交易、服务数据。例如贸易企业申报的报关单和舱单的数量和频率等，企业向金融机构申请金融服务的数量和频率等。
87.这样，通过上述过程便可以得到多个样本数据组，并开始为每个样本数据组计算样本证据权重值用于后续的模型构建。其中，对于多个样本数据组中每个样本数据组，数据共享系统会查询样本数据组包括的样本数据参数对应的样本参数评价，按照样本参数评价计算样本数据组的样本证据权重值，具体过程如下：在一个可选地实施方案中，对于样本数据组包括的每个样本数据参数，查询样本数据参数的样本参数评价，统计样本数据参数在样本参数评价中的第一正常次数和第一异常次数。接着，获取样本参数评价指示正常的样本数据参数的第一样本参数取值，获取样本参数评价指示异常的样本数据参数的第二样本参数取值。计算第一样本参数取值与第一正常次数的第一比值、第二样本参数取值与第一
异常次数的第二比值，并计算第一比值与第二比值的第三比值，并采用对数运算公式对第三比值进行计算，得到第一对数数值。这样，分别为样本数据组包括的每个样本数据参数计算第一对数数值，得到多个第一对数数值，并计算多个第一对数数值的和值，将和值作为样本数据组的样本证据权重值。具体上述计算样本证据权重值的过程可以基于下述公式1实现：
88.公式1：
89.其中，gi表示第一样本参数取值，实际应用中可以是样本参数评价“良好”的样本数据参数的取值；gtotal表示第一正常次数；gi/gtotal表示第一比值；bi表示第二样本参数取值，实际应用中可以是样本参数评价“较差”的样本数据参数的取值；btotal表示第一异常次数；bi/btotal表示第二比值，基于log函数对gi/gtotal和bi/btotal进行计算，并对计算得到的全部log数值进行求和，得到该样本数据组的样本证据权重值。其中，样本证据权重值实际上也即是该样本数据组的woe(weight of evidence，证据权重)值。
90.通过重复执行上述样本证据权重值的计算过程，便可以分别为每个样本数据组计算样本证据权重值，得到多个样本证据权重值。
91.102、统计所述样本参与方的实际行为信用指标。
92.在本技术实施例中，实际上，上面步骤101中计算得到的样本证据权重值指示了不同预设数据类型的样本数据参数在信用评价过程中的权重，还需要加入样本参与方在联盟链中实际行为信用指标进行计算，才能够得出用于构建模型的模型参数，比如是否现违反合同，是否接受行政处罚等实际行为信用指标。因此，数据共享系统会统计样本参与方的违规次数、受检次数和异常信用数据作为实际行为信用指标，具体地，在一个可选地实施方案中，能够体现样本参与方信用的指标内容都可以作为实际行为信用指标，比如样本参与方受监管查验的次数、频率等；样本参与方获得其他参与机构反馈的失信情况，如还贷延期、合同违约等，本技术对实际行为信用指标的内容不进行具体限定。
93.103、根据所述多个样本证据权重值和所述实际行为信用指标，确定用于构建信用评价模型的模型参数。
94.在本技术实施例中，确定了实际行为信用指标后，数据共享系统采用逻辑回归模型对多个样本证据权重值和实际行为信用指标进行逻辑回归训练，得到模型参数。其中，假设基于上述4种类型的样本数据参数得到4个样本证据权重值，则采用实际行为信用指标对4个样本证据权重值进行逻辑回归训练后，便同样可以得到b1、b2、b3和b4这4个模型参数，也即模型参数的数量与预设数据种类的种类数保持一致。
95.104、将模型参数带入参数转换公式进行计算，得到信用评价模型。
96.在本技术实施例中，得到模型参数后，开始进行信用评价模型的构建，具体将模型参数带入参数转换公式进行计算，便可以得到信用评价模型。其中，参数转换公式指示了模型参数与未知数据项之间的计算方式，因此，将模型参数带入到参数转换公式中便可以实现对模型参数的转换，得到信用评价模型。在一个可选地实施方案中，信用评价模型实际上是一种统计类模型，是采用逻辑回归类型的转换公式对模型参数进行转换后得到的，信用评价模型具体包括如下述公式2和公式3所示的统计公式。这样后续进行信用评价时，先将参数输入至公式2，再将公式2得出的结果输入至公式3，便可以得出相应的数据评分：
97.公式2：predict(p)＝b0+b1*x1+
…
+bn*xn
98.公式3：score＝predict(p)*factor+offset
99.其中，(x1,
…
,xn)为待分配参与方的数据特征值(也即基于待分配参与方的历史数据参数得出的历史证据权重值)；(b0,
…
,bn)为模型参数；factor和offset为调整的评分参数，通常为预设的参数。
100.105、采集待分配参与方在联盟链的建设中产生的历史数据参数，基于信用评价模型对历史数据参数进行处理，得到信用评价模型输出的数据评分。
101.在本技术实施例中，通过上述步骤101至步骤104中的过程完成了信用评价模型的创建后，可以开始使用信用评价模型对待分配参与方的信用进行评价，生成待分配参与方的数据评分，按照数据评分为待分配参与方分配资源。具体地，可以将当前等待进行评价或者资源分配的参与方作为待分配参与方，采集待分配参与方在联盟链的建设中产生的历史数据参数。其中，历史数据参数可以如上述步骤101所示，按照4种预设数据类型进行采集，并将采集得到的全部数据作为历史数据参数，此处不再对历史数据参数的采集过程进行赘述。
102.获取到待分配参与方的历史数据参数后，便可以基于信用评价模型对历史数据参数进行处理，得到信用评价模型输出的数据评分。其中，由于信用评价模型实际上规定了证据权重值的输入位置，因此，在基于信用评价模型对历史数据参数进行处理时，需要根据历史数据参数生成历史证据权重值，将历史证据权重值带入信用评价模型中的公式2和公式3中，便可以输出该待分配参与方的score，socre也即待分配参与方的数据评分。
103.其中，生成历史证据权重值时，需要按照多个预设数据类型对历史数据参数进行划分，得到多个历史数据组。对于多个历史数据组中每个历史数据组，查询历史数据组包括的历史数据参数对应的历史参数评价，统计历史数据参数在历史参数评价中的第二正常次数和第二异常次数，获取历史参数评价指示正常的历史数据参数的第一历史参数取值，获取历史参数评价指示异常的历史数据参数的第二历史参数取值。随后，计算第一历史参数取值与第二正常次数的第四比值、第二历史参数取值与异常次数的第五比值，并计算第四比值与第五比值的第六比值，采用对数运算公式对第六比值进行计算，得到第二对数数值。通过重复执行上述过程分别为历史数据组包括的每个历史数据参数计算第二对数数值，得到多个第二对数数值，最后计算多个第二对数数值的和值，将和值作为历史数据组的历史证据权重值，并分别为每个历史数据组计算历史证据权重值，得到多个历史证据权重值。具体生成历史证据权重值的过程与上述步骤101中生成样本证据权重值的过程一致，同样应用公式1，此处不再进行赘述。
104.接着，将多个历史证据权重值输入至信用评价模型，便可以获取到信息评价模型输出的处理结果作为数据评分。
105.106、查询数据评分对应的目标参与方等级，将目标参与方等级指示的目标资源分配至待分配参与方。
106.在本技术实施例中，生成了待分配参与方的数据评分后，查询待分配参与方的数据评分命中的等级作为待分配参与方的目标参与方等级，并将目标参与方等级指示的目标资源分配至待分配参与方。其中，在一个可选地实施方案中，可以实现设置多个样本参与方等级，并为每个样本参与方等级设置分值区间，这样，获取多个分值区间，在多个分值区间
中查询包括数据评分的目标分值区间，查询目标分值区间标注的样本参与方等级作为目标参与方等级，具体设置的多个样本参与方等级可以如下表1所示：
107.编号分值区间样本参与方等级1850-900sss2800-850ss3750-800s4700-750a5650-700b6550-600c7500-550d
108.表1
109.需要说明的是，在设置多个样本参与方等级时，也可以参考样本参与方的样本数据评分以及样本参与方等级，具体过程如下：
110.在一个可选地实施方案中，首先，确定多个样本参与方，查询多个样本参与方中每个样本参与方对应的样本数据评分以及样本参与方等级。随后，对多个样本参与方进行分组，将样本参与方等级一致的样本参与方划分至同一组，得到多个样本参与方分组。接着，对于多个样本参与方分组中每个样本参与方分组，查询样本参与方分组中的最低样本数据评分和最高样本数据评分，利用最低样本数据评分和最高样本数据评分构成分值区间，并采用样本参与方分组的样本参与方等级对分值区间进行标注，并将标注后的分值区间进行存储。通过重复执行上述过程，分别为多个样本参与方分组生成分值区间，得到多个分值区间。
111.确定了目标参与方等级后，需要按照目标参与方等级为待分配参与方分配资源，也即确定参与方等级绑定的资源作为目标资源，将目标资源分配至待分配参与方，目标资源是服务权限、优惠资源、决策权重、权益资源中的一种或多种。其中，针对不同的样本参与方等级，可以关联不同的资源。在实际应用中，可以通过在联盟链网络上搭建参与方黄页等方式展示参与方的基本信息、服务范围和最新的数据评分。对于高数据评分的参与方，相关商业企业、金融机构和监管机构都可以提供便利化服务、优惠措施、优惠政策等，这些服务权限和优惠资源也即分配给待分配参与方的目标资源；或者，也可以通过区块链平台赋予参与方更多的权益，这些权益资源也即分配给待分配参与方的目标资源，例如对参与方需要分担和付出的信息化成本给予经济上的优惠；或者，还可以在建设新场景或拓展区块链网络的决策中，增加高数据评分等级参与方的决策权重等，这些决策权重也即分配给待分配参与方的目标资源。
112.另外，为了实现周期性的资源分配，在本技术实施例中，数据共享系统在完成了本次的资源分配后，会持续统计间隔时长，当统计确定间隔时长达到间隔阈值时，重新获取待分配参与方在联盟链的建设中产生的新的历史数据参数，并重新基于新的历史数据参数确定新的参与方等级，将新的参与方等级指示的新的目标资源分配至待分配参与方。在实际应用中，可每个月统一刷新计算一次所有参与方的数据评分并进行资源的分配。
113.再有，考虑到有时参与方会发生异常事件，异常事件会直接影响参与方的数据评分，因此，在一个可选地实施方案中，当数据共享系统检测到联盟链中发生异常事件时，会
查询发生异常事件的异常参与方，获取异常参与方在联盟链的建设中产生的历史数据参数作为待评价参数，并重新基于待评价参数为异常参与方确定指定参与方等级，将指定参与方等级指示的指定资源分配至异常参与方。也即也可以根据具体的异常事件，进行针对该异常参与方的数据评分的单独刷新计算，异常事件可以是参与方的违背信用事件。
114.这样，通过上述过程进行风控模型加工、提炼、分析，形成信用评分体系，也即信用评价模型。基于信用评价模型的激励机制通过引导各参与方上链分享数据，根据自身信用评分情况享受通关便利化服务和金融优惠服务，进而推动整个跨境贸易领域更多方参与区块链数据协同、数据共享，逐步形成诚信便利优惠的跨境贸易业务新生态。
115.本技术实施例提供的方法，确定样本参与方，基于样本参与方在联盟链上的样本参数评价，生成样本参与方在联盟链上的样本证据权重值，统计样本参与方的实际行为信用指标，根据样本证据权重值和实际行为信用指标，确定模型参数，通过对模型参数进行转换计算，得到信用评价模型，进而采集待进行激励的待分配参与方在联盟链的建设中产生的历史数据参数，基于信用评价模型对历史数据参数进行处理，得到数据评分，按照数据评分对应的目标参与方等级，向待分配参与方分配目标资源，基于目标资源对待分配参与方进行激励，设置全方位、多层次的激励机制，按照各个参与方在联盟链建设中的表现分配资源进行激励，推动更多参与方参与到联盟链的数据协同、共享中，保证区块链生态的稳定。
116.进一步地，作为图1所述方法的具体实现，本技术实施例提供了一种基于区块链的资源分配装置，如图2a所示，所述装置包括：生成模块201，确定模块202，计算模块203，处理模块204和分配模块205。
117.该生成模块201，用于确定样本参与方，基于所述样本参与方在联盟链上的样本参数评价，生成所述样本参与方在联盟链上的多个样本证据权重值
118.该确定模块202，用于统计所述样本参与方的实际行为信用指标，根据所述多个样本证据权重值和所述实际行为信用指标，确定用于构建信用评价模型的模型参数；
119.该计算模块203，用于将所述模型参数带入参数转换公式进行计算，得到所述信用评价模型；
120.该处理模块204，用于采集待分配参与方在所述联盟链的建设中产生的历史数据参数，基于所述信用评价模型对所述历史数据参数进行处理，得到所述信用评价模型输出的数据评分；
121.该分配模块205，用于查询所述数据评分对应的目标参与方等级，将所述目标参与方等级指示的目标资源分配至所述待分配参与方。
122.在具体的应用场景中，该生成模块201，用于获取所述样本参与方在所述联盟链上的样本数据参数，按照多个预设数据类型对所述样本数据参数进行划分，得到多个样本数据组；对于所述多个样本数据组中每个样本数据组，查询所述样本数据组包括的每个样本数据参数的样本参数评价，统计所述每个样本数据参数在所述样本参数评价中的第一正常次数和第一异常次数；获取所述样本参数评价指示正常的所述每个样本数据参数的第一样本参数取值，获取所述样本参数评价指示异常的所述每个样本数据参数的第二样本参数取值；计算所述第一样本参数取值与所述第一正常次数的第一比值、所述第二样本参数取值与所述第一异常次数的第二比值，并计算所述第一比值与所述第二比值的第三比值；采用对数运算公式对所述第三比值进行计算，得到第一对数数值；分别为所述样本数据组包括
的每个样本数据参数计算第一对数数值，得到多个第一对数数值；计算所述多个第一对数数值的和值，将所述和值作为所述样本数据组的样本证据权重值；分别查询所述每个样本数据组包括的样本数据参数对应的样本参数评价，按照所述样本参数评价计算所述每个样本数据组的样本证据权重值，得到所述多个样本证据权重值。
123.在具体的应用场景中，该确定模块202，用于统计所述样本参与方的违规次数、受检次数和异常信用数据作为所述实际行为信用指标；采用逻辑回归模型对所述多个样本证据权重值和所述实际行为信用指标进行逻辑回归训练，得到所述模型参数。
124.在具体的应用场景中，该确定模块202，用于对于所述样本数据组包括的每个样本数据参数，查询所述样本数据参数的样本参数评价，统计所述样本数据参数在所述样本参数评价中的第一正常次数和第一异常次数；获取所述样本参数评价指示正常的所述样本数据参数的第一样本参数取值，获取所述样本参数评价指示异常的所述样本数据参数的第二样本参数取值；计算所述第一样本参数取值与所述第一正常次数的第一比值、所述第二样本参数取值与所述第一异常次数的第二比值，并计算所述第一比值与所述第二比值的第三比值；采用对数运算公式对所述第三比值进行计算，得到第一对数数值；分别为所述样本数据组包括的每个样本数据参数计算第一对数数值，得到多个第一对数数值；计算所述多个第一对数数值的和值，将所述和值作为所述样本数据组的样本证据权重值。
125.在具体的应用场景中，如图2b所示，该装置还包括：查询模块206，分组模块207和存储模块208。
126.该查询模块206，用于确定多个样本参与方，查询所述多个样本参与方中每个样本参与方对应的样本数据评分以及样本参与方等级；
127.该分组模块207，用于对所述多个样本参与方进行分组，将所述样本参与方等级一致的样本参与方划分至同一组，得到多个样本参与方分组；
128.该查询模块206，还用于对于所述多个样本参与方分组中每个样本参与方分组，查询所述样本参与方分组中的最低样本数据评分和最高样本数据评分，利用所述最低样本数据评分和所述最高样本数据评分构成分值区间；
129.该存储模块208，用于采用所述样本参与方分组的样本参与方等级对所述分值区间进行标注，并将标注后的所述分值区间进行存储；
130.该查询模块206，还用于分别为所述多个样本参与方分组生成分值区间，得到多个分值区间。
131.在具体的应用场景中，该处理模块204，用于按照多个预设数据类型对所述历史数据参数进行划分，得到多个历史数据组；对于所述多个历史数据组中每个历史数据组，查询所述历史数据组包括的历史数据参数对应的历史参数评价，统计所述历史数据参数在所述历史参数评价中的第二正常次数和第二异常次数；获取所述历史参数评价指示正常的所述历史数据参数的第一历史参数取值，获取所述历史参数评价指示异常的所述历史数据参数的第二历史参数取值；计算所述第一历史参数取值与所述第二正常次数的第四比值、所述第二历史参数取值与所述异常次数的第五比值，并计算所述第四比值与所述第五比值的第六比值；采用对数运算公式对所述第六比值进行计算，得到第二对数数值；分别为所述历史数据组包括的每个历史数据参数计算第二对数数值，得到多个第二对数数值；计算所述多个第二对数数值的和值，将所述和值作为所述历史数据组的历史证据权重值；分别为所述
每个历史数据组计算历史证据权重值，得到多个历史证据权重值；将所述多个历史证据权重值输入至所述信用评价模型，获取所述信息评价模型输出的处理结果作为所述数据评分。
132.在具体的应用场景中，该分配模块205，用于获取多个分值区间，在所述多个分值区间中查询包括所述数据评分的目标分值区间；查询所述目标分值区间标注的样本参与方等级作为所述目标参与方等级；确定所述参与方等级绑定的资源作为所述目标资源，将所述目标资源分配至所述待分配参与方，所述目标资源是服务权限、优惠资源、决策权重、权益资源中的一种或多种。
133.在具体的应用场景中，该分配模块205，还用于持续统计间隔时长，当统计确定所述间隔时长达到间隔阈值时，重新获取所述待分配参与方在所述联盟链的建设中产生的新的历史数据参数，并重新基于所述新的历史数据参数确定新的参与方等级，将新的参与方等级指示的新的目标资源分配至所述待分配参与方；和/或，当检测到所述联盟链中发生异常事件时，查询发生所述异常事件的异常参与方，获取所述异常参与方在所述联盟链的建设中产生的历史数据参数作为待评价参数，并重新基于所述待评价参数为所述异常参与方确定指定参与方等级，将所述指定参与方等级指示的指定资源分配至所述异常参与方。
134.本技术实施例提供的装置，确定样本参与方，基于样本参与方在联盟链上的样本参数评价，生成样本参与方在联盟链上的样本证据权重值，统计样本参与方的实际行为信用指标，根据样本证据权重值和实际行为信用指标，确定模型参数，通过对模型参数进行转换计算，得到信用评价模型，进而采集待进行激励的待分配参与方在联盟链的建设中产生的历史数据参数，基于信用评价模型对历史数据参数进行处理，得到数据评分，按照数据评分对应的目标参与方等级，向待分配参与方分配目标资源，基于目标资源对待分配参与方进行激励，设置全方位、多层次的激励机制，按照各个参与方在联盟链建设中的表现分配资源进行激励，推动更多参与方参与到联盟链的数据协同、共享中，保证区块链生态的稳定。
135.需要说明的是，本技术实施例提供的一种基于区块链的资源分配装置所涉及各功能单元的其他相应描述，可以参考图1中的对应描述，在此不再赘述。
136.在示例性实施例中，参见图3，还提供了一种计算机设备，该计算机设备包括总线、处理器、存储器和通信接口，还可以包括输入输出接口和显示设备，其中，各个功能单元之间可以通过总线完成相互间的通信。该存储器存储有计算机程序，处理器，用于执行存储器上所存放的程序，执行上述实施例中的基于区块链的资源分配方法。
137.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的基于区块链的资源分配方法的步骤。
138.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本技术可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，本技术的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中，也可以存储在易失性存储介质中，用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施场景所述的方法。
139.本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本技术所必须的。
140.本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
141.上述本技术序号仅仅为了描述，不代表实施场景的优劣。
142.以上公开的仅为本技术的几个具体实施场景，但是，本技术并非局限于此，任何本领域的技术人员能思之的变化都应落入本技术的保护范围。