一种区块链溯源的通信数据可信溯源处理方法及系统与流程

本发明涉及通信数据可信溯源处理，尤其涉及一种区块链溯源的通信数据可信溯源处理方法及系统。

背景技术：

1、随着工业互联网、能源互联网、智慧城市及物联网通信网络的快速发展，通信数据规模呈现爆发式增长，现有基于区块链的通信数据溯源方案主要通过哈希存证、时间戳记录及链上追踪实现通信数据来源验证和责任追溯；

2、现有技术仍存在以下问题：1、现有系统大多仅能记录通信数据的产生和流转过程，当出现数据异常、数据篡改或通信故障时，仅能追溯异常节点，无法分析异常数据形成原因、传播过程及影响范围；

3、现有区块链溯源系统主要采用事后查询模式，缺乏对异常行为演化趋势的预测能力，难以及时发现潜在风险并自动生成处置策略，无法实现主动防御；

4、综合上述情况，本技术提出了一种区块链溯源的通信数据可信溯源处理方法及系统。

技术实现思路

1、基于背景技术存在的技术问题，本发明提出了一种区块链溯源的通信数据可信溯源处理方法及系统。

2、本发明提出的一种区块链溯源的通信数据可信溯源处理方法，包括以下步骤：

3、s1：通信数据可信采集与链上存证：采集通信网络中的通信报文数据、设备运行日志数据、网络流量数据、节点状态数据以及链路状态数据，对采集的数据进行哈希运算生成数据指纹，并将数据指纹、时间戳信息及节点身份信息写入区块链完成可信存证；

4、s2：通信行为关联关系构建：根据通信数据对应的发送节点、接收节点、通信协议、数据流向以及时间关联关系构建通信行为关联图谱，并建立节点之间的关联关系模型；

5、s3：异常通信行为识别：基于所述通信行为关联图谱对通信行为进行异常检测，计算各通信节点的异常指数，并识别异常通信节点；

6、s4：异常形成过程溯源分析：以异常通信节点为起点，结合所述通信行为关联图谱建立异常传播关系模型，分析异常数据形成过程中的传播路径、传播方向及传播贡献度，确定异常源节点及异常传播链路；

7、s5：异常影响范围评估：根据异常传播链路、异常传播贡献度及异常节点分布情况，对异常事件影响范围进行评估，获得异常影响等级；

8、s6：风险演化趋势预测：基于历史通信数据、实时异常指数、异常传播结果以及异常影响等级构建风险演化模型，预测通信网络未来风险变化趋势；

9、s7：综合风险评估与预警生成：根据异常指数、异常传播贡献度、异常影响等级以及风险趋势预测结果计算综合风险指数，并生成对应的风险预警信息；

10、s8：智能决策与可信审计：根据综合风险指数、异常传播链路及历史处置案例生成智能处置策略，并将异常分析结果、风险预警结果及处置策略写入区块链形成可信审计记录。

11、优选地，所述s3中，异常指数融合流量异常、行为偏离、节点可信度以及链路异常程度多个维度进行综合计算，其综合指数计算公式如下：

12、；

13、其中表示第i个通信节点的异常指数，表示流量异常度，表示通信行为偏离度，表示节点可信度衰减值，表示链路异常度，、、、表示权重系数，当，则判定节点为异常通信节点，其中表示异常判定阈值；

14、其中流量异常度计算公式为：，其中表示当前时刻节点流量，表示历史平均流量，流量偏差越大，则异常可能性越高；

15、通信行为偏离度计算公式为：，其中表示当前周期通信关联节点数量，表示历史正常状态下通信关联节点数量，用于识别异常扫描、异常连接行为；

16、节点可信度衰减值计算公式如下：

17、节点可信度评分为：，其中表示正常通信次数，表示异常通信次数；

18、可信度衰减值为：，可信度越低，异常风险越高；

19、链路异常度计算：；其中表示链路丢包率，表示允许最大丢包率，表示链路时延增量，表示最大时延增量，表示调节系数。

20、优选地，所述s4的具体逻辑步骤如下：

21、s401：提取s3中识别出的异常通信节点以及与其存在直接或间接通信关联的节点，构建异常传播分析子图：；

22、其中表示异常传播分析子图，表示异常关联节点集合，表示异常关联边集合；

23、同时同提取各节点对应的异常指数：；

24、其中表示节点i的异常指数；

25、s402：构建异常传播关系模型：根据通信行为关联图谱中的通信频率、数据流量及时间关联性构建异常传播权重，其中节点之间的传播权重定义为：

26、；

27、其中表示节点i到节点j的传播权重，表示通信频率权重，表示数据流量权重，表示时间关联权重，、、为权重系数；

28、传播关系模型表示为：，其中表示传播权重矩阵；

29、s403：计算异常传播概率：对传播权重进行归一化处理，得到异常传播概率矩阵：，；

30、其中表示节点i向节点j传播异常的概率，m表示与节点i关联的节点数量；

31、得到异常传播概率网络，用于反映异常从一个节点向相邻节点扩散的可能性；

32、s404：计算节点传播贡献度：计算节点传播贡献度，分析各节点在异常形成过程中的作用大小，其使用的公式如下：

33、；

34、其中表示节点j的传播贡献度，表示节点i的异常指数，表示异常传播概率，表示异常关联节点数量，传播贡献度越大，说明该节点对异常扩散的影响越大；

35、随后对贡献度进行归一化处理：，其中表示归一化传播贡献度；

36、s405：异常传播路径反向追踪：根据传播概率矩阵及传播贡献度矩阵进行逆向搜索，确定异常源头节点，其定义节点源头可信度使用的公式如下：

37、；

38、其中表示节点源头可信度，表示异常指数，表示归一化传播贡献度，表示历史异常发生频率，、、为权重系数；

39、选取满足下式的节点作为候选异常源节点：，并沿通信链路进行反向追踪：；

40、其中表示异常源节点，表示最终异常节点；

41、形成异常传播路径集合；

42、s406：生成异常形成过程溯源结果：根据异常源节点、传播路径及传播贡献度构建异常传播链路树：；

43、其中表示异常传播树，表示异常传播路径集合，表示传播贡献度集合；

44、进一步计算异常影响范围：，其中表示异常影响范围指数，表示受异常影响节点数量，表示网络总节点数量；

45、最终输出：异常源节点、关键传播节点、异常传播方向、异常传播路径、异常传播贡献度和异常影响范围。

46、优选地，所述s5中，对异常事件影响范围进行评估时，根据s4获得的异常传播链路、传播贡献度以及异常节点分布情况构建异常影响评估模型，其首先统计异常传播链路中受影响节点数量占网络总节点数量的比例，得到节点影响因子n；统计异常传播链路覆盖的链路数量占网络总链路数量的比例，得到链路影响因子l，根据各节点传播贡献度计算平均传播贡献值，得到传播影响因子c，同时结合异常节点在网络拓扑中的重要程度计算拓扑影响因子t，进而计算综合异常影响指数，其使用的公式如下：

47、；

48、，，，；

49、其中表示异常影响指数,表示受异常影响节点数量,表示网络总节点数量,表示受异常影响链路数量,表示网络总链路数量,表示第i个节点的归一化传播贡献度,表示节点拓扑重要度,表示异常节点数量,、、、表示权重系数；

50、最后根据异常影响指数i进行等级划分，当时判定为低影响等级，当时判定为一般影响等级，当时判定为较高影响等级，当时判定为重大影响等级，从而获得异常事件的影响范围评估结果，并将评估结果发送至s6进行风险演化趋势预测。

51、优选地，所述s6的具体逻辑步骤如下：

52、s601：构建风险演化分析数据集：获取s3输出的异常指数、s4输出的异常传播结果以及s5输出的异常影响等级，并结合历史通信数据构建风险演化分析数据集；

53、其中表示风险演化分析数据集，表示当前时刻异常指数，表示当前时刻传播贡献度，表示当前时刻异常影响指数，表示历史风险状态数据；

54、s602：计算当前综合风险状态值：对异常指数、传播贡献度及影响指数进行融合计算，得到当前综合风险状态值，其计算公式如下：

55、；

56、其中表示当前综合风险状态值，、、表示权重系数；

57、s603：建立风险演化趋势模型：将当前风险状态与历史风险状态进行关联分析，构建风险演化模型：；

58、其中表示下一时刻预测风险值，表示当前风险状态值，表示历史风险状态均值，表示风险演化调节系数；

59、通过该模型实现风险状态的动态迭代预测；

60、s604：计算风险变化速率：计算相邻时刻风险变化率，用于判断风险的发展方向和演化速度，其计算公式如下：

61、；

62、其中表示风险变化速率，表示当前风险值，表示预测风险值；

63、当时，表示风险呈上升趋势，当时，表示风险呈下降趋势；

64、s605：输出风险演化趋势结果：根据预测风险值及风险变化速率生成风险演化趋势结果；当满足时，判定通信网络存在高风险演化趋势；

65、其中表示风险预警阈值；

66、最终输出：预测风险值、风险变化速率、风险发展方向以及风险趋势等级；

67、并将预测结果发送至s7进行综合风险评估与预警生成。

68、优选地，所述s7的具体逻辑步骤如下：

69、s701：构建综合风险评估数据集：获取异常检测、异常传播分析、影响评估以及风险预测阶段输出的数据，构建综合风险评估数据集：

70、；

71、其中表示综合风险评估数据集，表示当前异常指数，表示当前传播贡献度，表示异常影响指数，表示风险趋势预测值；

72、s702：计算综合风险指数：对各风险因子进行加权融合计算，得到综合风险指数：；

73、其中表示综合风险指数，表示异常指数，表示传播贡献度，表示异常影响指数，表示风险趋势预测值，、、、表示权重系数；

74、s703：计算风险增长因子：根据当前风险值与预测风险值计算风险增长因子，用于进一步反映风险的发展趋势，其使用的公式如下：

75、；

76、其中表示风险增长因子，表示预测风险值，表示当前综合风险指数，风险增长因子越大，说明风险演化趋势越明显；

77、s704：确定风险预警等级：根据综合风险指数和风险增长因子计算预警评分，其使用的公式如下：

78、；

79、其中表示预警评分，、表示权重系数，根据预警评分划分风险等级：为一级低风险，为二级一般风险，为三级较高风险，为四级重大风险；

80、s705：生成风险预警信息：根据预警等级生成对应风险预警信息，并输出；

81、其中表示预警结果，表示预警等级，表示预警评分，表示综合风险指数，表示风险增长因子；

82、最终形成包含异常源节点、关键传播路径、影响范围、风险等级及发展趋势的预警信息，并发送至s8智能决策与可信审计。

83、优选地，所述s8的具体逻辑步骤如下：

84、s801：构建智能决策分析数据集：获取综合风险指数、异常传播链路、异常源节点、影响范围以及历史处置案例信息，构建智能决策分析数据集：；

85、其中表示决策分析数据集，表示综合风险指数，表示异常传播链路，表示异常源节点，表示异常影响等级，表示历史处置案例集合；

86、s802：历史案例匹配与相似度计算：计算当前事件与历史案例之间的相似度，用于筛选与当前异常事件最匹配的历史处置案例，其使用的公式如下：

87、；

88、其中表示第i个历史案例的匹配相似度，表示风险特征相似度，表示传播路径相似度，表示影响等级相似度，、、表示权重系数；

89、选取相似度最大的历史案例作为候选处置方案；

90、s803：生成最优处置策略：根据综合风险指数、案例匹配结果及传播影响程度计算各处置策略的综合收益值，其使用的公式如下：

91、；

92、其中表示第j种处置策略的综合收益值，表示风险抑制能力，表示处置执行效果，表示处置时效性，、、表示权重系数；

93、确定最优处置策略，其生成的策略包括：异常节点隔离、异常链路阻断、流量限速、备用链路切换、安全策略下发以及风险告警通知；

94、s804：执行结果评估与可信存证：对异常分析结果、风险预警结果及处置策略生成审计摘要信息，用于实现全过程可信审计，其使用的公式如下：

95、；

96、其中表示审计摘要，（）表示哈希函数，表示处置时间戳，||表示数据拼接；

97、随后将审计摘要、处置结果及执行状态写入区块链：；

98、其中表示区块链审计记录，表示事件唯一标识，最终形成不可篡改、可验证、可追溯的可信审计链。

99、本发明还提出了一种区块链溯源的通信数据可信溯源处理系统，包括数据采集模块、区块链存证模块、通信行为图谱构建模块、异常检测模块、异常传播溯源模块、影响评估模块、风险预测模块、风险预警模块、智能决策模块以及链上审计模块；

100、所述数据采集模块用于采集通信报文数据、设备运行日志数据、网络流量数据、节点状态数据以及链路状态数据；

101、所述区块链存证模块用于对通信数据生成数据指纹并完成区块链可信存证；

102、所述通信行为图谱构建模块用于构建通信行为关联图谱；

103、所述异常检测模块用于识别异常通信节点并计算异常指数；

104、所述异常传播溯源模块用于分析异常形成过程、确定异常源节点及异常传播路径；

105、所述影响评估模块用于评估异常事件影响范围及影响等级；

106、所述风险预测模块用于预测通信网络风险演化趋势；

107、所述风险预警模块用于生成风险预警信息；

108、所述智能决策模块用于生成异常处置策略；

109、所述链上审计模块用于记录异常分析结果、风险预警结果以及处置结果并形成可信审计链。

110、与现有的技术相比，本发明的有益效果是：

111、通过构建通信行为关联图谱、异常传播关系模型以及异常形成过程溯源机制，能够对异常通信数据进行全链路分析，不仅能够定位异常节点，还能够进一步识别异常源节点、还原异常传播路径、分析传播方向及传播贡献度，并评估异常影响范围，实现由传统“异常结果追溯”向“异常形成过程追溯”的转变，从而显著提高通信数据异常事件的定位精度、故障排查效率以及责任追溯能力；

112、通过融合异常指数、异常传播结果、异常影响等级及历史通信数据构建风险演化预测模型和综合风险评估模型，能够提前预测通信网络风险发展趋势，并结合历史处置案例自动生成最优处置策略，同时利用区块链对异常分析结果、风险预警结果及处置过程进行可信存证，实现风险的主动预警、智能决策与全过程可信审计，有效提升通信网络的主动防御能力、安全保障能力及智能化管理水平；

113、本发明通过构建通信行为关联图谱、异常传播关系模型以及风险演化预测模型，实现了通信数据从可信存证、异常检测、传播溯源、影响评估到风险预警和智能处置的全流程闭环管理，不仅能够精准定位异常源节点，能够还原异常形成过程并分析异常传播路径及影响范围，而且能够提前预测通信网络风险发展趋势，自动生成处置策略并完成链上可信审计，从而有效提升通信数据溯源的准确性、故障排查效率、风险预警能力以及通信网络的安全性、可靠性和智能化管理水平。