Casino USDT 提供优质的加密数字娱乐体验，支持 USDT、比特币等数字资产参与游戏。平台安全稳定，极速出款，无门槛畅玩热门桌面游戏、电子竞技、体育竞猜等！立即注册，领取专属福利！casino usdt,USDT娱乐,加密货币游戏,区块链娱乐,数字货币投注,虚拟币游戏,去中心化平台,USDT竞猜,热门电子游戏,体育赛事竞猜

　　步骤2，应用改进的层次分析法为安全评估指标模型赋权，得到各项安全指标的安全权

　　步骤4，对修正后的安全指标权重应用改进的优劣解距离法，得到区块链的安全评分；

　　2.根据权利要求1所述的一种基于综合评价的区块链安全评估方法，其特征在于，所述

　　步骤1.1，依据区块链安全特性，建立区块链安全评估的层级指标模型结构，将区块链

　　步骤1.2，从区块链技术架构中提取显著影响区块链安全的属性，包括数据层、网络层、

　　步骤1.3，从安全评估指标模型各个一级指标中提取显著影响区块链安全的属性，包括

　　数据层的数据结构、网络层的网络结构、共识层的共识机制、合约层的合约语言以及应用层

　　3.根据权利要求1所述的一种基于综合评价的区块链安全评估方法，其特征在于，所述

　　步骤2.2，采用方根法求解判断矩阵的权重向量Wi，计算判断矩阵最大特征值λ；

　　步骤2.4，若一致性检验通过，则得到安全评估指标模型中的层次指标权重w，否则重新

　　4.根据权利要求1所述的一种基于综合评价的区块链安全评估方法，其特征在于，所述

　　步骤3.1，采用步骤2得到的赋权后的区块链安全评估指标模型，对被测区块链项目进

　　步骤3.2，采用极差标准化方法对熵权判断矩阵B数据标准化处理，得到标准化判断矩

　　步骤3.3，采用改进的熵权法计算区块链安全评估指标模型中指标的信息熵值e

　　步骤3.4，将所得的熵权指标权重u对步骤2得到的层次指标权重w进行修正，得到修正

　　5.根据权利要求1所述的一种基于综合评价的区块链安全评估方法，其特征在于，所述

　　步骤4.1，采用步骤3所得的熵权判断矩阵B进行数据指标同趋势化处理，从而将原始数

　　步骤4.2，采用余弦距离度量的向量规范化方法对正向化判断矩阵X进行归一化处理，

　　从而让不同属性的数据有可比性和可操作性，得到归一化处理后的标准化矩阵Z；

　　目前区块链技术和应用处于快速发展阶段，凭借去中心化，防篡改等安全特性，区

　　块链逐渐成为在金融、财政等领域重要的应用技术。然而区块链也面临种类繁多的安全风

　　险，区块链生态应用的安全，包括用户私钥安全、账户安全、应用软件安全、使用安全等，包

　　含了各种复杂的业务场景和业务逻辑，容易成为被攻击对象；区块链的系统设计也存在安

　　全风险，共识机制的设计不当，会造成分叉、双花攻击等问题，智能合约的逻辑漏洞则会导

　　致非法交易被合法化；区块链系统提供了诸多基础组件，针对基础组件的安全风险分为：网

　　络安全、密码学安全、数据存储安全。因此，区块链的安全性问题开始受到关注，正成为国内

　　式的角度分析针对区块链攻击的影响力，例如51％攻击，日蚀攻击等，从而评估区块链的安

　　全性。然而区块链安全问题分布广泛且危险性高，只是分析某种攻击方式无法全面地体现

　　区块链的安全性。根据文献查阅，现有对区块链的安全评估研究还依旧处于探索阶段，行业

　　缺乏统一的评价标准，面临着区块链安全性难以评估对比的痛点。因此，本发明提出了一种

　　基于综合评价的区块链安全评估方法，该方法采用综合评价中层次分析法的层级结构模型

　　思想，建立面向区块链的安全评估指标模型，并对层次分析法、熵权法和优劣解距离法这三

　　出了一种基于综合评价的区块链安全评估方法，并且将本方法的实验结果与权威的区块链

　　步骤2，应用改进的层次分析法为安全评估指标模型赋权，得到各项安全指标的安

　　步骤4，对修正后的安全指标权重应用改进的优劣解距离法，得到区块链的安全评

　　步骤1 .1，依据区块链安全特性，建立区块链安全评估的层级指标模型结构，将区

　　步骤1 .2，从区块链技术架构中提取显著影响区块链安全的属性，包括数据层、网

　　步骤1.3，从安全评估指标模型各个一级指标中提取显著影响区块链安全的属性，

　　包括数据层的数据结构、网络层的网络结构、共识层的共识机制、合约层的合约语言以及应

　　步骤2.2，采用方根法求解判断矩阵的权重向量Wi，计算判断矩阵最大特征值λ；

　　步骤2.4，若一致性检验通过，则得到安全评估指标模型中的层次指标权重w，否则

　　[0025] CI为度量判断矩阵偏离一致性指标，计算方式为： 其中，n表示判断矩

　　阵的阶数，λ表示判断矩阵最大特征值，CI越大，判断矩阵一致性越差，CI为0时，判断矩阵具

　　[0026] CR为一致性比率，计算公式为： 其中RI为平均随机一致性指标，当CR0.1

　　步骤3.1，采用步骤2得到的赋权后的区块链安全评估指标模型，对被测区块链项

　　步骤3 .2，采用极差标准化方法对熵权判断矩阵B数据标准化处理，计算方式为：

　　步骤3.3，采用改进的熵权法计算区块链安全评估指标模型中指标的信息熵值e

　　步骤3.4，将所得的熵权指标权重u对步骤2得到的层次指标权重w进行修正，得到

　　修正后指标权重θ，计算方式为：θ＝ρw+(1‑ρ)u，其中ρ表示权重因子。

　　步骤4.1，采用步骤3所得的熵权判断矩阵B进行数据指标同趋势化处理，从而将原

　　步骤4.2，采用余弦距离度量的向量规范化方法对正向化判断矩阵X进行归一化处

　　步骤4 .3，计算评价指标与最优向量、最劣向量的接近程度，计算方式分别为：

　　分析。基于综合评价的区块链安全评估方法把影响区块链安全的众多属性提取到层级结构

　　指标模型中，采用组合改进的综合评价法为安全指标赋权，并将指标权重经过合理计算得

　　价。基于综合评价的区块链安全评估方法将三种综合评价法组合改进，能更好地适用于区

　　块链的安全性评估中。本发明中改进了传统层次分析法构造判断矩阵时的标度方法，采取

　　两种标度方法相结合的方式，并选择从客观信息源进行对指标安全重要性的比较取值，改

　　善了传统层次分析法依赖专家评分，主观性过强的问题；改进了传统熵权法中指标权重的

　　计算方式，解决了数值特殊情况下产生的修正问题；改进了传统优劣解距离法中评价对象

　　3、基于综合评价的区块链安全评估方法的安全评估结果的准确率很高。通过实验

　　对比证明，基于综合评价的区块链安全评估方法对区块链项目的安全评估结果，与权威的

　　区块链安全评测机构TokenInsight的评价结果对比具有高度的一致性，因此基于综合评价

　　图9是本发明与TokenInsight的对相同区块链项目的评估精确度对比。

　　内容，下面结合附图和具体实施案例对本发明作进一步说明，须指出的是，所描述给出的实

　　步骤2011依据区块链安全特性，建立区块链安全评估的层级指标模型结构，将区

　　步骤2012从区块链技术架构中提取显著影响区块链安全的属性，包括数据层、网

　　步骤2013从安全评估指标模型各个一级指标中提取显著影响区块链安全的属性，

　　包括数据层的数据结构、网络层的网络结构、共识层的共识机制、合约层的合约语言以及应

　　测区块链项目，区块链安全评估指标模型中一级指标分别是数据层、网络层、共识层、合约

　　tree，网络层的二级指标包括全分布式非结构化网络、全分布式结构化网络、半分布式网

　　络，共识层的二级指标包括PoW共识机制、PoS共识机制、BFT/PBFT共识机制，合约层的二级

　　指标包括脚本型合约语言、图灵完备型合约语言、可验证型合约语言，应用层的二级指标包

　　括可编程货币、可编程金融、可编程社会。图2展示了区块链安全评估指标模型层次结构图。

　　步骤202应用改进的层次分析法为安全评估指标模型赋权，得到各项安全指标的

　　较，例如数据层、网络层、共识层、合约层和应用层之间以区块链安全评估目标层为准则，成

　　对比较在区块链安全评估中的重要程度。因素间的比值即为标度，为了使判断定量化，本发

　　步骤2022采用方根法求解判断矩阵的权重向量Wi，计算判断矩阵最大特征值λ；

　　[0066] CI为度量判断矩阵偏离一致性指标，计算方式为： 其中，n表示判断矩

　　阵的阶数，λ表示判断矩阵最大特征值，CI越大，判断矩阵一致性越差，CI为0时，判断矩阵具

　　有完全一致性；CR为一致性比率，计算公式为： 其中RI为平均随机一致性指标，当

　　步骤2024若一致性检验通过，则采用算术平均值方式处理两种标度法计算所得的

　　指标权重，得到安全评估指标模型中的层次指标权重w，否则重新构造判断矩阵。

　　度法分别构造判断矩阵，每种判断矩阵构造三次以提高计算结果精确度。图4展示了通过改

　　步骤2031采用步骤202得到的赋权后的区块链安全评估指标模型，对20个被测区

　　步骤2032采用极差标准化方法对熵权判断矩阵B数据标准化处理，计算方式为：

　　步骤2033采用改进的熵权法计算区块链安全评估指标模型中指标的信息熵值e

　　步骤2034将所得的熵权指标权重u对步骤202得到的层次指标权重w进行修正，得

　　到修正后指标权重θ，计算方式为：θ＝ρw+(1‑ρ)u，其中ρ表示权重因子。

　　步骤204对修正后的安全指标权重应用改进的优劣解距离法，得到区块链的安全

　　步骤2041采用步骤203所得的熵权判断矩阵B进行数据指标同趋势化处理，从而将

　　越小评价越好的指标，适度指标是指标值越接近某个值越好的指标，同趋势化处理的目的

　　步骤2042采用余弦距离度量的向量规范化方法对正向化判断矩阵X进行归一化处

　　步骤2043计算评价指标与最优向量、最劣向量的接近程度，计算方式分别为：

　　表示最优向量，由标准化矩阵Z中每列元素的最大值构成， 表示最劣向量，由标准化矩

　　步骤205根据步骤204所得到的安全评分结果，得到区块链的安全评估等级。

　　为验证本方法的有效性，搜集了20个知名公有链项目作为实验对象，将本方法与

　　区块链评测机构TokenInsight的评价结果进行了对比。图5展示了将本发明中层次结构指

　　标模型应用于区块链项目得到的安全指标取值，图6展示了利用区块链项目的安全指标计

　　算得出的熵权指标权重，图7展示了本发明方法对被测区块链项目的安全评估结果，图8展

　　示了TokenInsight对被测区块链项目的安全评价结果。图9展示了本发明与TokenInsight

　　对相同区块链项目的评估精确度对比。结果显示，本发明方法对区块链的安全评估与权威

　　第三方区块链评测机构的评价结果相比具有高度的一致性，验证了本发明所用模型的可行

　　本发明实质内容和精神前提下，所作任何修改、润饰等都将落入本发明保护范围内。