一种基于区块链的隐私数据交易方法、系统及介质与流程

1.本发明隐私数据处理领域，具体涉及一种基于区块链的隐私数据交易方法、系统及介质，用于隐私数据交易。


背景技术：

2.区块链，是在分布式对等网络中、计算节点间共同构建并维护的一条由多个数据区块前后链接的链式数据库。当前，区块链技术已融合了分布式网络技术、共识算法、智能合约技术、密码算法等众多前沿技术，数据交易是当前区块链应用中的重点方向之一。
3.现有的基于区块链的隐私数据交易方法，通常在交易双方完成数据交易的同时保护数据的安全性、隐私性以及用户身份的隐私性，数据的隐私保护主要在数据存储阶段通过对称加密算法aes(advanced encryption standard，高级加密标准)与公钥加密算法rsa对数据的双重加密实现，一方面加解密算法需要耗费大量计算资源，计算成本高，而且最终数据需求者完成交易后获得的是没有任何隐私保护的明文数据，隐私保护度也存在相应的问题。


技术实现要素：

4.本发明要解决的技术问题：针对现有技术的上述问题，提供一种基于区块链的隐私数据交易方法、系统及介质，增加隐私数据可靠性、降低计算量。
5.为了解决上述技术问题，本发明采用的技术方案为：
6.一种基于区块链的隐私数据交易方法，交易过程采用数据扰动方法对待交易隐私数据集进行保护，具体方法为：
7.yi＝f1(xi,ki)
8.其中f1为扰动函数，xi为原始隐私数据集x＝{x1,...,xn}中的数据，yi为扰动后的隐私数据集y＝{y1,...,yn}中的元素，ki为预设扰动向量，
9.扰动函数的具体计算为xi按位加上或减去ki得到yi。
10.可选地，所述预设扰动向量ki的生成方法为：
11.规定一个范围[li,ui]，令任意c
ij
∈ki均满足
[0012]
其中，li、ui为常数，λi表示尺度参数，f2为拉普拉斯分布函数，n为原始隐私数据集x＝{x1,...,xn}中的数据个数。
[0013]
可选地，具体实施步骤包括：
[0014]
s1：买方构造数据需求事务提案，提案签名后将数据需求上传到区块链；
[0015]
s2：卖方根据买方的数据需求对隐私数据进行分类，得到原始隐私数据集x＝{x1,...,xn}；
[0016]
s3：卖方构造包含隐私数据的区块链事务提案，对提案签名后将隐私数据类别与隐私数据上传到区块链；
[0017]
s4：卖方指定各类隐私数据的最大扰动值向量k
max
，并根据数据扰动算法计算出对应的扰动数据集z＝{z1,
…
,zn}及最大隐私保护距离d
max
，然后指定在不加数据扰动直接披露各类数据时所希望获得的收益r＝{r1,
…
,rn}；
[0018]
s5：卖方构造区块链事务提案，将所述k
max
、z＝{z1,
…
,zn}和r＝{r1,
…
,rn}上传到区块链；
[0019]
s6：买方根据所述k
max
、z＝{z1,
…
,zn}和r＝{r1,
…
,rn}对各类隐私数据集提出买方报价p＝{p1,
…
,pn}，并将p＝{p1,
…
,pn}上传到区块链；
[0020]
s7：若卖方同意买方的出价，则根据买方出价，通过隐私披露-收益算法计算出该价格下数据的隐私保护度d＝{d1,...,dn}，再指定扰动值，根据数据扰动算法计算出隐私数据集y＝{y1,...,yn}，使得各类隐私数据之间的距离至少达到d＝{d1,...,dn}；
[0021]
s8：卖方构造区块链事务提案，将所述隐私数据集y＝{y1,...,yn}通过传输层安全协议transport layer security(tls)发送给买方，同时将数据发送信息上传到区块链；
[0022]
s9：买方收到所述隐私数据集y＝{y1,...,yn}后，买方按商定好的价格向卖方支付费用并将支付信息上传到区块链。
[0023]
可选地，所述步骤s4中隐私保护距离的计算方法为：
[0024][0025]
其中原始隐私数据集x＝{x1,...,xn}中的数据xi＝{a
i1
,...,a
im
}，经添加扰动向量ki后得到扰动后的数据集y＝{y1,...,yn}中的数据yi＝{b
i1
,...,b
im
}，di为xi与yi的距离。
[0026]
可选地，所述步骤s7中通过隐私披露-收益算法计算出该价格下数据的隐私保护度d＝{d1,...,dn}，具体步骤为：
[0027]
s71：通过隐私披露-收益算法pi＝ri(1-wi)计算出用户隐私的保护程度值wi，
[0028]
其中，pi为所述买方报价p＝{p1,
…
,pn}中的价格，ri为所述卖家在不加数据扰动直接披露各类数据时所希望获得的收益r＝{r1,
…
,rn}中的价格，wi表示在扰动向量ki下对用户隐私的保护程度值；
[0029]
s72：通过用户隐私的保护程度值wi计算出当前买家报价中的隐私保护距离值di计算公式为：
[0030]di
＝
idmax
，
[0031]
其中di为在扰动向量ki下xi与yi的距离，d
max
为最大扰动向量k
max
下，最大隐私保护距离d
max
中对应的距离值。
[0032]
可选地，所述步骤s3中还包括：卖方调用哈希函数获取原始隐私数据集x＝{x1,...,xn}中各类隐私数据的哈希值hash(xi)，并在签名后上传到区块链。
[0033]
可选地，所述步骤s8中还包括卖方调用哈希函数获取隐私数据集y＝{y1,...,yn}各类隐私数据的哈希值hash(yi)，并上传到区块链。
[0034]
可选地，所述步骤s9中还包括买方支付费用前，计算y＝{y1,...,yn}的哈希值，将该哈希值与链上哈希值hash(yi)对比，验证数据是否被篡改，在未被篡改的情况下支付费
用。
[0035]
本发明还提供一种基于区块链的隐私数据交易系统，包括计算机设备，该计算机设备被编程或配置以执行上述基于区块链的隐私数据交易方法的步骤，或该计算机设备的存储器上存储有被编程或配置以执行上述基于区块链的隐私数据交易方法的计算机程序。
[0036]
本发明还提供一种计算机可读存储介质，该计算机可读存储介质上存储有被编程或配置以执行上述基于区块链的隐私数据交易方法的计算机程序。
[0037]
和现有技术相比，本发明具有下述优点：
[0038]
1.本发明通过数据扰动技术对数据隐私进行保护，进行加减运算即可实现数据扰动，不用进行复杂的加解密运算，计算成本低；
[0039]
2.本发明通过随机生成的满足拉普拉斯分布的扰动量对隐私数据进行更好地保护用户隐私，计算成本低；
[0040]
3.本发明通过基于欧式距离公式的隐私数据集的隐私保护程度度量方法，通过计算隐私保护前后的数据集之间的欧式距离得出数据集的隐私保护程度；
[0041]
4.本发明通过隐私披露-收益模型，通过确定收益与隐私保护程度的关系，能够计算给定收益下的数据隐私保护程度；
[0042]
5.本发明通过区块链网络进行隐私数据交易，智能合约中搭载了隐私保护模型、隐私披露-收益模型的相关算法，在保护用户隐私、保障交易可信、交易可追溯的同时，交易双方可以灵活选择交易具有一定隐私保护的数据。
附图说明
[0043]
图1为本实施例中所述一种基于区块链的隐私数据交易方法交易模型示意图；
[0044]
图2为本实施例中所述一种基于区块链的隐私数据交易方法流程示意图；
[0045]
图3为本实施例中所述一种基于区块链的隐私数据交易方法架构示意图；
具体实施方式
[0046]
本实施例中一种基于区块链的隐私数据交易方法，交易过程采用数据扰动方法对待交易隐私数据集进行保护，具体方法为：
[0047]
yi＝f1(xi,ki)
[0048]
其中f1为扰动函数，xi为原始隐私数据集x＝{x1,...,xn}中的数据，yi为扰动后的隐私数据集y＝{y1,...,yn}中的元素，ki为预设扰动向量，
[0049]
扰动函数的具体计算为xi按位加上或减去ki得到yi。
[0050]
本实施例通过数据扰动技术对数据隐私进行保护，进行加减运算即可实现数据扰动，不用进行复杂的加解密运算，计算成本低；
[0051]
进一步地，所述预设扰动向量ki的生成方法为：
[0052]
规定一个范围[li,ui]，令任意c
ij
∈ki均满足
[0053]
其中，li、ui为常数，λi表示尺度参数，f2为拉普拉斯分布函数，n为原始隐私数据集
x＝{x1,...,xn}中的数据个数。
[0054]
本实施例通过随机生成的满足拉普拉斯分布的扰动量对隐私数据进行更好地保护用户隐私，计算成本低；
[0055]
进一步地，如图2所示，本实施例具体实施步骤包括：
[0056]
s1：买方构造数据需求事务提案，提案签名后将数据需求上传到区块链；
[0057]
s2：卖方根据买方的数据需求对隐私数据进行分类，得到原始隐私数据集x＝{x1,...,xn}；
[0058]
s3：卖方构造包含隐私数据的区块链事务提案，对提案签名后将隐私数据类别与隐私数据上传到区块链；
[0059]
s4：卖方指定各类隐私数据的最大扰动值向量k
max
，并根据数据扰动算法计算出对应的扰动数据集z＝{z1,
…
,zn}及最大隐私保护距离d
max
，然后指定在不加数据扰动直接披露各类数据时所希望获得的收益r＝{r1,
…
,rn}；
[0060]
s5：卖方构造区块链事务提案，将所述k
max
、z＝{z1,
…
,zn}和r＝{r1,
…
,rn}上传到区块链；
[0061]
s6：买方根据所述k
max
、z＝{z1,
…
,zn}和r＝{r1,
…
,rn}对各类隐私数据集提出买方报价p＝{p1,
…
,pn}，并将p＝{p1,
…
,pn}上传到区块链；
[0062]
s7：若卖方同意买方的出价，则根据买方出价，通过隐私披露-收益算法计算出该价格下数据的隐私保护度d＝{d1,...,dn}，再指定扰动值，根据数据扰动算法计算出隐私数据集y＝{y1,...,yn}，使得各类隐私数据之间的距离至少达到d＝{d1,...,dn}；
[0063]
s8：卖方构造区块链事务提案，将所述隐私数据集y＝{y1,...,yn}通过传输层安全协议transport layer security(tls)发送给买方，同时将数据发送信息上传到区块链；
[0064]
s9：买方收到所述隐私数据集y＝{y1,...,yn}后，买方按商定好的价格向卖方支付费用并将支付信息上传到区块链。
[0065]
进一步地，所述步骤s4中隐私保护距离的计算方法为：
[0066][0067]
其中原始隐私数据集x＝{x1,...,xn}中的数据xi＝{a
i1
,...,a
im
}，经添加扰动向量ki后得到扰动后的数据集y＝{y1,...,yn}中的数据yi＝{b
i1
,...,b
im
}，di为xi与yi的距离。
[0068]
本实施例通过基于欧式距离公式的隐私数据集的隐私保护程度度量方法，通过计算隐私保护前后的数据集之间的欧式距离得出数据集的隐私保护程度；
[0069]
进一步地，所述步骤s7中通过隐私披露-收益算法计算出该价格下数据的隐私保护度d＝{d1,...,dn}，具体步骤为：
[0070]
s71：通过隐私披露-收益算法pi＝ri(1-wi)计算出用户隐私的保护程度值wi，
[0071]
其中，pi为所述买方报价p＝{p1,
…
,pn}中的价格，ri为所述卖家在不加数据扰动直接披露各类数据时所希望获得的收益r＝{r1,
…
,rn}中的价格，wi表示在扰动向量ki下对用户隐私的保护程度值；
[0072]
s72：通过用户隐私的保护程度值wi计算出当前买家报价中的隐私保护距离值di计算公式为：
[0073]di
＝
idmax
，
[0074]
其中di为在扰动向量ki下xi与yi的距离，d
max
为最大扰动向量k
max
下，最大隐私保护距离d
max
中对应的距离值。
[0075]
本实施例通过隐私披露-收益模型，通过确定收益与隐私保护程度的关系，能够计算给定收益下的数据隐私保护程度；
[0076]
进一步地，所述步骤s3中还包括：卖方调用哈希函数获取原始隐私数据集x＝{x1,...,xn}中各类隐私数据的哈希值hash(xi)，并在签名后上传到区块链。
[0077]
进一步地，所述步骤s8中还包括卖方调用哈希函数获取隐私数据集y＝{y1,...,yn}各类隐私数据的哈希值hash(yi)，并上传到区块链。
[0078]
进一步地，所述步骤s9中还包括买方支付费用前，计算y＝{y1,...,yn}的哈希值，将该哈希值与链上哈希值hash(yi)对比，验证数据是否被篡改，在未被篡改的情况下支付费用。
[0079]
本实施例还提供一种基于区块链的隐私数据交易系统，包括计算机设备，该计算机设备被编程或配置以执行上述基于区块链的隐私数据交易方法的步骤，或该计算机设备的存储器上存储有被编程或配置以执行上述基于区块链的隐私数据交易方法的计算机程序。
[0080]
本实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有被编程或配置以执行上述基于区块链的隐私数据交易方法的计算机程序。
[0081]
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。