一个基于RNN的新型扩展加权循环神经网络 (RNN) 智能合约,用于使用混合加密方案在以太坊区块链中安全共享大数据

科学领域:

• 计算机科学 计算机科学
• 信息技术 信息技术 信息技术
• 网络安全 网络安全

背景情况:

• 管理和处理越来越多的大数据对组织构成重大挑战.
• 分散的大数据共享可能会导致由于节点限制导致网络拥堵和传输故障.
• 在网络中以最小的开销提供安全和高效的数据传输是一个关键需求.

研究的目的:

• 开发一种先进的方法来安全存储和及时传输大数据.
• 在分散的框架中解决安全和高效的大数据传输的挑战.
• 通过区块链网络增强大数据共享的安全性和速度.

主要方法:

• 一个基于深度学习的智能合约被设计为以太坊区块链使用扩展重重循环神经网络 (DW-RNN).
• 在智能合约分配之前,使用DW-RNN模型进行数据访问的用户身份验证.
• 圆曲线ElGamal密码学 (EC-EC) 与修改的Al-Biruni地球半径搜索优化 (MBERSO) 算法相结合,可确保安全的密钥管理和数据传输.

主要成果:

• 拟议的模型通过智能合约在以太坊区块链上促进大数据的安全传输.
• 实验分析证明了模型在传输大数据中的有效性和安全性.
• 集成DW-RNN,EC-EC和MBERSO可以提高数据安全性和传输效率.

结论:

• 开发的基于深度学习的智能合约系统为区块链上的大数据传输提供了安全有效的解决方案.
• 加密过程确保了大数据在传输过程中的完整性和机密性.
• 该研究验证了在分散环境中安全共享大数据的拟议模型的有效性.