区块链数字藏品的相似度鉴定优化算法的制作方法

1.本发明涉及区块链技术领域，特别是涉及一种区块链数字藏品的相似度鉴定优化算法。


背景技术：

2.数字藏品是指使用区块链技术，对应特定的作品、艺术品生成的唯一数字凭证，在保护其数字版权的基础上，实现真实可信的数字化发行、购买、收藏和使用。随着区块链技术的推广，数字藏品的经济价值也进一步地为人认可。相应的，也存在有更多的通过伪造、抄袭数字藏品获利的非法行为，需要及时检测和处理。
3.为此，需要通过比对数字藏品之间是否是相同或相似，对非法生成的数字藏品进行识别。


技术实现要素：

4.本发明实施例的目的在于提供一种区块链数字藏品的相似度鉴定优化算法，以对区块链数字藏品进行鉴定。具体技术方案如下：
5.本发明的实施例提供了一种区块链数字藏品的相似度鉴定优化算法，包括：
6.获得待检测数字藏品的藏品信息的标识特征、所述待检测数字藏品对应的数字藏品合约的合约特征、所述待检测数字藏品所在区块的第一区块特征；
7.基于所得标识特征、合约特征以及第一区块特征，确定所述待检测数字藏品的第一代表特征；
8.获得目标数字藏品的第二代表特征；
9.确定所述第一代表特征与所述第二代表特征之间的第一相似度；
10.确定所述第一区块特征与所述目标数字藏品所在区块的第二区块特征之间的第二相似度；
11.获得与所述第二代表特征通过索引进行关联的近邻特征；其中，所述索引关联的任一近邻特征与所述第二代表特征的相似度大于预设的第一相似度阈值；
12.确定所述第一代表特征在所述近邻特征中的最相似特征，并确定所述最相似特征与所述第一代表特征的第三相似度；
13.基于所述第一相似度、第二相似度以及第三相似度对所述待检测数字藏品进行鉴定。
14.可选的，所述确定所述第一代表特征在所述近邻特征中的最相似特征，并确定所述最相似特征与所述第一代表特征的第三相似度之后，还包括：
15.在所述最相似特征与所述第一代表特征之间设置新增索引；
16.对于除最相似特征外的每一近邻特征，判断该近邻特征与所述第一代表特征之间的相似度是否大于预设的第二相似度阈值，若是，则在该近邻特征与所述第一代表特征之间设置新增索引。
17.可选的，所述基于所得标识特征、合约特征以及第一区块特征，确定所述待检测数字藏品的第一代表特征，包括：
18.对所得标识特征、合约特征以及第一区块特征进行特征融合，得到融合特征，作为所述待检测数字藏品的第一代表特征。
19.可选的，所述对所得标识特征、合约特征以及第一区块特征进行特征融合，得到融合特征，包括：
20.获得所得标识特征、合约特征、第一区块特征在同一高维特征空间下分别对应的映射标识特征、映射合约特征、映射区块特征；
21.对所述映射标识特征、映射合约特征、映射区块特征进行特征融合，得到融合特征。
22.可选的，所述所述基于所述第一相似度、第二相似度以及第三相似度对所述待检测数字藏品进行鉴定之后，还包括：
23.若所述待检测数字藏品被鉴定为通过认证的数字藏品，则为所述待检测数字藏品增加认证标识。
24.可选的，所述基于所述第一相似度、第二相似度以及第三相似度对所述待检测数字藏品进行鉴定，包括：
25.判断所述待检测数字藏品是否具有认证标识；
26.若具有认证标识，则若所述第一相似度、第二相似度以及所述第三相似度中任一相似度大于预设的相似度阈值，将所述待检测数字藏品鉴定为合法的数字藏品。
27.可选的，所述确定所述第一代表特征与所述第二代表特征之间的第一相似度，包括：
28.将所述第一代表特征以及第二代表特征输入预先训练的藏品分类模型，得到所述藏品分类模型输出的、表示所述第一代表特征与所述第二代表特征属于同类数字藏品的概率；其中，所述藏品分类模型为：采用标注为同类数字藏品的第一样本代表特征和第二样本代表特征作为正样本、采用标注为不同类数字藏品的第三样本代表特征和第四样本代表特征作为负样本训练的网络模型；
29.基于输出的概率得到第一相似度。
30.可选的，所述对所得标识特征、合约特征以及第一区块特征进行特征融合，得到融合特征，包括：
31.按照预设的权重比例对所得标识特征、合约特征以及第一区块特征进行特征融合，得到初始融合特征；
32.计算所得初始融合特征与所述标识特征、合约特征以及第一区块特征的差异；
33.若所得差异不大于预设的差异阈值，则将所得初始融合特征作为所得标识特征、合约特征以及第一区块特征的融合特征；
34.若所得差异大于预设的差异阈值，则调整所述权重比例；
35.根据调整后的权重比例对所述标识特征、合约特征以及第一区块特征进行特征融合，得到新的初始融合特征；
36.返回执行所述计算所得初始融合特征与所述标识特征、合约特征以及第一区块特征的差异的步骤。
37.可选的，所述初始融合特征与所述标识特征、合约特征以及第一区块特征的差异基于所述初始融合特征与所述标识特征、合约特征以及第一区块特征的欧式距离的平均值确定。
38.有益效果：
39.本发明实施例提供的方案中，获得待检测数字藏品相关的标识特征、合约特征、第一区块特征，得到待检测数字藏品的第一代表特征，并通过第一代表特征和目标数字藏品的第二代表特征之间的第一相似度、区块的第二相似度、近邻特征中最相似特征的第三相似度之间对比，全面的检测可能与待检测数字藏品过于相似的目标数字藏品，从而更加准确对数字藏品进行鉴定。
附图说明
40.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
41.图1为本发明实施例提供的一种区块链数字藏品的相似度鉴定优化算法的流程示意图。
42.图2为本发明实施例提供的一种区块链数字藏品的相似度鉴定优化装置的结构示意图。
43.图3为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
44.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行描述。
45.参见图1，本发明的一个实施例中，提供了一种区块链数字藏品的相似度鉴定优化算法，包括以下步骤s101-s108。
46.步骤s101：获得待检测数字藏品的藏品信息的标识特征、待检测数字藏品对应的数字藏品合约的合约特征、待检测数字藏品所在区块的第一区块特征；
47.数字藏品的藏品信息可以包括：藏品文本的摘要，藏品编号，存储地址等等。其标识特征可以是标识藏品信息的文本特征，也可以是藏品信息的密文、哈希值等。本发明实施例并不对此进行限定。
48.数字藏品合约为定义数字藏品的转让方式、以及可以按照合约执行的交易等其他操作的描述性信息。
49.不同类型的数字藏品的转让和操作方式不同，而伪造的数字藏品与原数字藏品更有可能具有相同和相似的类型，所使用合约的特征则更为相似，因此合约特征也可以用于参考，进行相似度比对。
50.区块特征来源于区块的整体属性，如存储的数据的数据量，已参与的交易的交易类型等。
51.步骤s102：基于所得标识特征、合约特征以及第一区块特征，确定待检测数字藏品的第一代表特征；
52.代表特征可以是各特征的融合特征，或者是在不融合的情况下得到的标识特征、合约特征以及第一区块特征的集合；第一代表特征和下述第二代表特征为相同类型的特
征，其区别在于所属的数字藏品不同。
53.步骤s103：获得目标数字藏品的第二代表特征；
54.获取第二代表特征的方式可以是按照步骤s101-s102的过程从所得标识特征、合约特征以及第一区块特征得到，方式与第一代表特征类似，区别仅在于数字藏品不同。
55.或者，也可以通过索引记录的方式，使用预先获得的代表特征，具体实施例参见下述实施例。
56.步骤s104：确定第一代表特征与第二代表特征之间的第一相似度；
57.第一相似度可以通过计算第一代表特征与第二代表特征分别对应的特征向量的余弦相似度，欧式距离等得到，本发明实施例并不对此进行限定。
58.步骤s105：确定第一区块特征与目标数字藏品所在区块的第二区块特征之间的第二相似度；
59.步骤s106：获得与第二代表特征通过索引进行关联的近邻特征；
60.其中，索引关联的任一近邻特征与第二代表特征的相似度大于预设的第一相似度阈值；
61.索引表示特征之间的关联关系，可以用指针进行表示，根据对于存在关联关系的两个互为近邻特征的特征，可以从其中任一搜寻到另一特征。
62.步骤s107：确定第一代表特征在近邻特征中的最相似特征，并确定最相似特征与第一代表特征的第三相似度；
63.步骤s108：基于第一相似度、第二相似度以及第三相似度对待检测数字藏品进行鉴定。
64.具体的，可以预设一个相似度阈值，若第一相似度、第二相似度以及第三相似度超过了相似度阈值，则鉴定为不合格，若未超过相似度阈值，则鉴定为合格。
65.或者，也可以计算第一相似度、第二相似度以及第三相似度的平均值，用于进行上述阈值判断从而实现鉴定。
66.由上可见，本发明实施例提供的方案中，获得待检测数字藏品相关的标识特征、合约特征、第一区块特征，得到待检测数字藏品的第一代表特征，并通过第一代表特征和目标数字藏品的第二代表特征之间的第一相似度、区块的第二相似度、近邻特征中最相似特征的第三相似度之间对比，全面的检测可能与待检测数字藏品过于相似的目标数字藏品，从而更加准确对数字藏品进行鉴定。
67.并且，本发明实施例提供的方案优化了现有技术中仅根据数字藏品的数字摘要进行相似度鉴定的问题。由于数字摘要的生成过程随机，伪造藏品只需要稍微更改少量内容，生成的摘要就和原数字藏品完全不同，从而仅通过数字摘要难以实施鉴定。在本方案中相似度基于更多的特征进行表示，能够更为准确的反映待检测藏品的特点。
68.本发明的一个实施例中，前述步骤s107确定第一代表特征在近邻特征中的最相似特征，并确定最相似特征与第一代表特征的第三相似度之后，还可以在最相似特征与第一代表特征之间设置新增索引；对于除最相似特征外的每一近邻特征，判断该近邻特征与第一代表特征之间的相似度是否大于预设的第二相似度阈值，若是，则在该近邻特征与第一代表特征之间设置新增索引。
69.新增索引与原索引类型、格式一致，区别仅在于索引所关联的特征不同。
70.通过不断的新增索引，可以将最近检测的区块链数字藏品的特征记录下来，用于和后续检测的数字藏品进行比对，从而不断地增加比对范围，进一步地提高检测的准确性。
71.最相似特征可以通过第一代表特征与所有近邻特征进行依次的相似度计算获得。其中，相似度最高的近邻特征极为最相似特征。
72.本发明的一个实施例中，前述步骤s102可以按照以下方式执行以后的第一区块特征。
73.对所得标识特征、合约特征以及第一区块特征进行特征融合，得到融合特征，作为待检测数字藏品的第一代表特征。
74.特征融合的过程可以是对上述标识特征、合约特征以及第一区块特征拼接操作或者相加操作等，本发明实施例并不对此进行限定。
75.或者，也可以先对上述标识特征、合约特征以及第一区块特征进行维度变换，再进行特征融合。
76.以下举例说明两种基于维度变换的特征融合方式。
77.一种方式中，获得所得标识特征、合约特征、第一区块特征在同一高维特征空间下分别对应的映射标识特征、映射合约特征、映射区块特征；对映射标识特征、映射合约特征、映射区块特征进行特征融合，得到融合特征。
78.通过特征融合，既可以保留原有的标识特征、合约特征、第一区块特征的有效信息，又可以简化融合后表示特征的向量，方便做相似度计算。
79.映射标识特征、映射合约特征、映射区块特征分别由标识特征、合约特征、第一区块特征映射得到。映射方式可以是通过神经网络模型中的隐藏层映射实现等。
80.高维特征空间下的特征具有更强的语义信息，对标识特征、合约特征、第一区块特征进行升维后再做特征融合处理，使得融合特征中能保留更丰富的语义信息，进行特征相似度比对时也更为准确。
81.另一种方式中，也可以对标识特征、合约特征、第一区块特征进行降维处理，将其映射到流型空间中并获得对应的映射标识特征、映射合约特征、映射区块特征，从而实现特征融合。
82.本发明的一个实施例中，步骤s108基于第一相似度、第二相似度以及第三相似度对待检测数字藏品进行鉴定之后，还包括：
83.若待检测数字藏品被鉴定为通过认证的数字藏品，则为待检测数字藏品增加认证标识。
84.认证标识可以是唯一生成的id，也可以是数字签名等，用于表示待检测数字藏品为合法的数字藏品。
85.认证标识可以与检测过的待检测数字藏品一同储存，这样，在下一次进行检测时，若待检测数字藏品已有认证标识，则表示该数字藏品已检测过，从而可以跳过重复检测。
86.本发明的一个实施例中，基于所述第一相似度、第二相似度以及第三相似度对所述待检测数字藏品进行鉴定，包括：
87.判断所述待检测数字藏品是否具有认证标识；
88.若具有认证标识，则若所述第一相似度、第二相似度以及所述第三相似度中任一相似度大于预设的相似度阈值，将所述待检测数字藏品鉴定为合法的数字藏品。
89.具有认证标识可以认为已经认证为了合法藏品，认证过程本身已经提高了数字藏品不被伪造的概率，因此，在此情况下可以认为其更有可能是真品。从而，在相似度比较时，可以采用较为简单的比较方式，选取任一相似度与相似度阈值进行比较，完成鉴定。
90.本发明的一个实施例中，前述步骤s104确定所述第一代表特征与所述第二代表特征之间的第一相似度，包括：
91.将所述第一代表特征以及第二代表特征输入预先训练的藏品分类模型，得到所述藏品分类模型输出的、表示所述第一代表特征与所述第二代表特征属于同类数字藏品的概率；其中，所述藏品分类模型为：采用标注为同类数字藏品的第一样本代表特征和第二样本代表特征作为正样本、采用标注为不同类数字藏品的第三样本代表特征和第四样本代表特征作为负样本训练的网络模型；基于所确定的概率得到第一相似度。
92.在上述过程中，可以使用已知的任一数字藏品与其仿制品，按照前述步骤s101-s102所述的方法分别得到该数字藏品和仿制品的代表特征，分别作为第一样本代表特征、第二样本代表特征，也就得到了正样本；
93.相应的，负样本可以是对已知的两件不同数字藏品按照前述步骤s101-s102所述的方法处理得到的代表特征，也就是第三样本代表特征、第四样本代表特征，这样也就得到了负样本。
94.藏品分类模型可以通过现有技术中的逻辑回归模型、朴素贝叶斯模型等网络模型训练得到。
95.所得概率可以直接作为第一相似度，也可以与前述实施例中通过余弦相似度，欧式距离等得到的相似度作平均值计算得到第一相似度，本发明实施例并不对此进行限定。
96.本发明的一个实施例中，所述对所得标识特征、合约特征以及第一区块特征进行特征融合，得到融合特征，包括：
97.按照预设的权重比例对所得标识特征、合约特征以及第一区块特征进行特征融合，得到初始融合特征；计算所得初始融合特征与所述标识特征、合约特征以及第一区块特征的差异；若所得差异不大于预设的差异阈值，则将所得初始融合特征作为所得标识特征、合约特征以及第一区块特征的融合特征；若所得差异大于预设的差异阈值，则调整所述权重比例；根据调整后的权重比例对所述标识特征、合约特征以及第一区块特征进行特征融合，得到新的初始融合特征；返回执行所述计算所得初始融合特征与所述标识特征、合约特征以及第一区块特征的差异的步骤。
98.权重比例可以通过为不同的特征分配比例系数实现。例如，为标识特征分配系数0.5，为合约特征分配系数0.3，为第一区块特征分配系数0.2等。
99.融合特征与标识特征、合约特征以及第一区块特征这些被融合特征差异过大，可能导致融合过程中丢失了过多的被融合特征的信息，这样的融合特征用于相似度计算时会失去对被融合特征的代表性，从而影响相似度比较的准确性。
100.通过差异计算调整融合特征，直到得到与被融合特征差异较小的融合特征，可以提高避免上述问题，从而提高相似度比较的准确性。
101.上述初始融合特征与所述标识特征、合约特征以及第一区块特征的差异，可以基于所述初始融合特征与所述标识特征、合约特征以及第一区块特征的平均欧式距离确定。
102.或者，上述差异也可以用欧式距离的总和等其他参数确定。
103.本发明实施例还提供了一种区块链数字藏品的相似度鉴定优化装置，参见图2。
104.所述装置包括：
105.第一区块特征获得模块201，用于获得待检测数字藏品的藏品信息的标识特征、所述待检测数字藏品对应的数字藏品合约的合约特征、所述待检测数字藏品所在区块的第一区块特征；
106.第一代表特征确定模块202，用于基于所得标识特征、合约特征以及第一区块特征，确定所述待检测数字藏品的第一代表特征；
107.第二代表特征获得模块203，用于获得目标数字藏品的第二代表特征；
108.第一相似度确定模块204，用于确定所述第一代表特征与所述第二代表特征之间的第一相似度；
109.第二相似度确定模块205，用于确定所述第一区块特征与所述目标数字藏品所在区块的第二区块特征之间的第二相似度；
110.近邻特征获得模块206，用于获得与所述第二代表特征通过索引进行关联的近邻特征；其中，所述索引关联的任一近邻特征与所述第二代表特征的相似度大于预设的第一相似度阈值；
111.第二相似度确定模块207，用于确定所述第一代表特征在所述近邻特征中的最相似特征，并确定所述最相似特征与所述第一代表特征的第三相似度；
112.数字藏品鉴定模块208，用于基于所述第一相似度、第二相似度以及第三相似度对所述待检测数字藏品进行鉴定。
113.由上可见，本发明实施例提供的方案中，获得待检测数字藏品相关的标识特征、合约特征、第一区块特征，得到待检测数字藏品的第一代表特征，并通过第一代表特征和目标数字藏品的第二代表特征之间的第一相似度、区块的第二相似度、近邻特征中最相似特征的第三相似度之间对比，全面的检测可能与待检测数字藏品过于相似的目标数字藏品，从而更加准确对数字藏品进行鉴定。
114.并且，本发明实施例提供的方案优化了现有技术中仅根据数字藏品的数字摘要进行相似度鉴定的问题。由于数字摘要的生成过程随机，伪造藏品只需要稍微更改少量内容，生成的摘要就和原数字藏品完全不同，从而仅通过数字摘要难以实施鉴定。在本方案中相似度基于更多的特征进行表示，能够更为准确的反映待检测藏品的特点。
115.本发明实施例还提供了一种电子设备，如图3所示，包括处理器301、通信接口302、存储器303和通信总线304，其中，处理器301，通信接口302，存储器303通过通信总线304完成相互间的通信，
116.存储器303，用于存放计算机程序；
117.处理器301，用于执行存储器303上所存放的程序时，实现前述任一实施例所述的区块链数字藏品的相似度鉴定优化算法步骤。
118.上述终端提到的通信总线可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
119.通信接口用于上述终端与其他设备之间的通信。
120.存储器可以包括随机存取存储器(random access memory，简称ram)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
121.上述的处理器可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processor，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(field－programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
122.在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例中任一所述的区块链数字藏品的相似度鉴定优化算法。
123.在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的区块链数字藏品的相似度鉴定优化算法。
124.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。
125.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
126.本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、存储介质及电子设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
127.以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

技术特征：
1.一种区块链数字藏品的相似度鉴定优化算法，其特征在于，所述区块链数字藏品的相似度鉴定优化算法包括：获得待检测数字藏品的藏品信息的标识特征、所述待检测数字藏品对应的数字藏品合约的合约特征、所述待检测数字藏品所在区块的第一区块特征；基于所得标识特征、合约特征以及第一区块特征，确定所述待检测数字藏品的第一代表特征；获得目标数字藏品的第二代表特征；确定所述第一代表特征与所述第二代表特征之间的第一相似度；确定所述第一区块特征与所述目标数字藏品所在区块的第二区块特征之间的第二相似度；获得与所述第二代表特征通过索引进行关联的近邻特征；其中，所述索引关联的任一近邻特征与所述第二代表特征的相似度大于预设的第一相似度阈值；确定所述第一代表特征在所述近邻特征中的最相似特征，并确定所述最相似特征与所述第一代表特征的第三相似度；基于所述第一相似度、第二相似度以及第三相似度对所述待检测数字藏品进行鉴定。2.根据权利要求1所述区块链数字藏品的相似度鉴定优化算法，其特征在于，所述确定所述第一代表特征在所述近邻特征中的最相似特征，并确定所述最相似特征与所述第一代表特征的第三相似度之后，还包括：在所述最相似特征与所述第一代表特征之间设置新增索引；对于除最相似特征外的每一近邻特征，判断该近邻特征与所述第一代表特征之间的相似度是否大于预设的第二相似度阈值，若是，则在该近邻特征与所述第一代表特征之间设置新增索引。3.根据权利要求1所述的区块链数字藏品的相似度鉴定优化算法，其特征在于，所述基于所得标识特征、合约特征以及第一区块特征，确定所述待检测数字藏品的第一代表特征，包括：对所得标识特征、合约特征以及第一区块特征进行特征融合，得到融合特征，作为所述待检测数字藏品的第一代表特征。4.根据权利要求3所述的区块链数字藏品的相似度鉴定优化算法，其特征在于，所述对所得标识特征、合约特征以及第一区块特征进行特征融合，得到融合特征，包括：获得所得标识特征、合约特征、第一区块特征在同一高维特征空间下分别对应的映射标识特征、映射合约特征、映射区块特征；对所述映射标识特征、映射合约特征、映射区块特征进行特征融合，得到融合特征。5.根据权利要求1所述的区块链数字藏品的相似度鉴定优化算法，其特征在于，所述基于所述第一相似度、第二相似度以及第三相似度对所述待检测数字藏品进行鉴定之后，还包括：若所述待检测数字藏品被鉴定为通过认证的数字藏品，则为所述待检测数字藏品增加认证标识。6.根据权利要求5所述的区块链数字藏品的相似度鉴定优化算法，其特征在于，所述基于所述第一相似度、第二相似度以及第三相似度对所述待检测数字藏品进行鉴定，包括：
判断所述待检测数字藏品是否具有认证标识；若具有认证标识，则若所述第一相似度、第二相似度以及所述第三相似度中任一相似度大于预设的相似度阈值，将所述待检测数字藏品鉴定为合法的数字藏品。7.根据权利要求1所述的区块链数字藏品的相似度鉴定优化算法，其特征在于，所述确定所述第一代表特征与所述第二代表特征之间的第一相似度，包括：将所述第一代表特征以及第二代表特征输入预先训练的藏品分类模型，得到所述藏品分类模型输出的、表示所述第一代表特征与所述第二代表特征属于同类数字藏品的概率；其中，所述藏品分类模型为：采用标注为同类数字藏品的第一样本代表特征和第二样本代表特征作为正样本、采用标注为不同类数字藏品的第三样本代表特征和第四样本代表特征作为负样本训练的网络模型；基于输出的概率得到第一相似度。8.根据权利要求3所述的区块链数字藏品的相似度鉴定优化算法，其特征在于，所述对所得标识特征、合约特征以及第一区块特征进行特征融合，得到融合特征，包括：按照预设的权重比例对所得标识特征、合约特征以及第一区块特征进行特征融合，得到初始融合特征；计算所得初始融合特征与所述标识特征、合约特征以及第一区块特征的差异；若所得差异不大于预设的差异阈值，则将所得初始融合特征作为所得标识特征、合约特征以及第一区块特征的融合特征；若所得差异大于预设的差异阈值，则调整所述权重比例；根据调整后的权重比例对所述标识特征、合约特征以及第一区块特征进行特征融合，得到新的初始融合特征；返回执行所述计算所得初始融合特征与所述标识特征、合约特征以及第一区块特征的差异的步骤。9.根据权利要求8所述区块链数字藏品的相似度鉴定优化算法，其特征在于，所述初始融合特征与所述标识特征、合约特征以及第一区块特征的差异基于所述初始融合特征与所述标识特征、合约特征以及第一区块特征的欧式距离的平均值确定。

技术总结
本发明实施例提供了一种区块链数字藏品的相似度鉴定优化算法，涉及区块链技术领域，具体实现方案为：获得待检测数字藏品的藏品信息的标识特征、待检测数字藏品对应的数字藏品合约的合约特征、待检测数字藏品所在区块的第一区块特征；确定待检测数字藏品的第一代表特征；获得目标数字藏品的第二代表特征；确定第一代表特征与第二代表特征之间的第一相似度；确定第一区块特征与目标数字藏品所在区块的第二区块特征之间的第二相似度；确定第一代表特征在近邻特征中的最相似特征，并确定最相似特征与第一代表特征的第三相似度；基于第一相似度、第二相似度以及第三相似度对待检测数字藏品进行鉴定。应用方案能够对区块链数字藏品进行鉴定。进行鉴定。进行鉴定。


技术研发人员：石琦
受保护的技术使用者：杭州原与宙科技有限公司
技术研发日：2023.07.03
技术公布日：2023/9/19