基于区块链的匿名电子拍卖的研究

来源 :暨南大学 | 被引量 : 0次 | 上传用户:fibiya
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,线下拍卖逐渐转向电子拍卖,拍卖商通常需要借助第三方机构发布拍卖任务,用户参与投标。但由于中心第三方存储了大量用户的敏感数据,容易遭受单点攻击,造成重要信息泄露。而区块链技术具有去中心化的特点,可以摆脱集中化带来的问题,因此涌现了许多利用区块链技术构建安全电子拍卖的研究成果,然而这些研究中提出的基于区块链的安全拍卖方案仍然存在以下不足:(1)拍卖过程无法完全隐藏用户身份;(2)当用户违规多次出价时,无法揭露该恶意者的身份;(3)缺乏对用户的参与控制策略;(4)投标人需要承担较大计算开销。针对上述问题,本文对基于区块链的匿名拍卖进行了研究,提出了两个拍卖方案,主要工作如下:(1)提出了基于区块链的公平且匿名的拍卖方案。通过使用拍卖商和时间服务器两者的公钥加密投标值,防止拍卖商提前解密并泄露投标信息,实现了一种新的保证投标机密性和拍卖公平性的方法;通过使用盲签名技术和临时地址,保证了用户投标行为的匿名性(用户身份公开,但不知道他的投标信息);该方案可以防止恶意者多次投标;性能分析的结果表明,用户只需要承担较少的计算开销。(2)提出了基于区块链的支持细粒度控制的匿名拍卖方案。通过使用属性作为细粒度控制的要素,允许拥有相应权限(如信誉度良好)的用户参与拍卖;通过完全隐藏拍卖商、投标人的身份,实现了参与者身份的完全匿名性;通过揭露恶意用户的身份并予以惩罚,实现了可追责性;通过加密投标信息,实现了投标的机密性;最后,通过安全性分析和性能分析,本文验证了方案的安全性和可行性。
其他文献
近年来,随着高速公路里程不断延长,车流量节节攀升,因高速公路抛洒物诱发的事故数量激增。而在这些抛洒物中,大多为货车上未捆扎严实而掉下的货物或者汽车故障掉落的碎片,这些体积小而坚硬的物体,对高速公路司乘人员的安全带来了极大的威胁。因此对高速公路小目标抛洒物进行实时、准确地检测成为亟待解决的问题。不同于高速公路上的机动车、非机动车、行人等目标,抛洒物不具有图像上的通用特征,因此本文通过前景提取和噪声去
随着我国环境矛盾日益凸显,压力继续加大,环境问题逐渐引起人们的关注。企业作为社会生产的最主要成员,其在创造收益的过程中对环境构成的破坏越来越不容忽视,然而企业为了其
在粳稻育种中,直立的穗型结构有助于水稻获取更高的产量。在分子分析中发现了dep1等位基因是控制穗型的多效基因,并揭示了直立穗型增加单株产量的机理。与单株产量相比,水稻群体的产量就显得格外重要了。因此在水稻育种生产中,群体结构对产量及品质的研究也变得越来越重要。本研究比较了在两种密度与两种肥力处理下的一个弯穗品种Sasanishiki(WT)和一个由CRISPR/Cas9基因编辑技术编辑而来的直立穗
细胞壁和叶绿体是决定植物机械强度和籽粒产量的两个基本结构。因此,了解植物细胞壁强度的提高和叶绿体的发育机制对农业活动至关重要。在本研究中,我们鉴定了一个新的水稻突变体bz1(brittle zebra 1),具有脆秆和斑马叶表型。bz1突变体细胞壁结构和组成发生改变,叶片叶绿体膜发育异常。分子生物学和生物化学分析表明,BZ1编码一种功能性的UDP-半乳糖/葡萄糖差向异构酶(UGE),在植物生长发育
本文通过非耦合以及耦合模式研究风场和波浪场多尺度变化及耦合机制。首先利用非耦合高分辨率的大气和波浪数值模式:WRF(Weather Research and Forecast)和SWAN(Simulating W
近年来,生物可降解聚合物吸引了科学家的广泛关注,它可以作为塑料的替代品,从而减少塑料废物造成的污染。脂肪族聚酯在从廉价的日用品到昂贵的特殊复合材料(包括先进的医疗材
随着智慧城市理念的提出和机器学习技术的不断发展,城市计算已成为当前热门的研究领域。本文借助机器学习的方法对城市计算中城市酒店发展趋势问题进行了深入研究,主要采用迁移学习的方法对城市数据进行分析和挖掘。与已有工作相比,本文在城市相似度衡量方法和迁移学习方法在城市酒店发展趋势预测中的应用上提出了不同实现方案,并通过设计实验和实际算法可视化系统的应用验证了方案的正确性和可行性,作者独立完成了如下工作:城
木质纤维素生物质作为世界上含量最为丰富的可再生资源,其应用十分广泛。但是由于木质纤维素结构较为致密导致其利用率低。为了使得木质纤维素能够综合利用,本论文对其预处理
近些年来,资源问题成为全球关注的重点问题。随着我国经济的飞速发展,矿石资源在不断被挖掘利用的同时要值得注意的是,我国的金属矿资源相对品位较低,并且含有大量的杂质金属
聚类分析或称聚类,作为一种无监督数据挖掘方法,根据设定的测量方法,允许我们将类似样本划分到同一类簇中。它有助于我们识别数据元素之间的模式,揭示了数据对象之间的关联,并有助于发现隐藏的数据结构。由于聚类的诸多优点,它已经广泛地应用到多个领域如:机器学习、模式识别、图像分析、信息检索、生物信息学、数据压缩、计算机图形学等。聚类分析算法可以分为划分法(Partitioning Methods)、层次法(