基于大数据和区块链的智能社交网络系统及方法与流程

本发明涉及社交网络管理，具体为基于大数据和区块链的智能社交网络系统及方法。

背景技术：

1、随着互联网技术的快速发展，人们的社交方式也发生了改变，目前，大多数人更倾向于网络社交，这就使得网络社交平台包含了大量的个人隐私信息，现有技术在进行数据存储或数据交互的过程中，容易受到恶意攻击，造成个人隐私信息泄漏，导致用户容易遭受网络骚扰甚至网络诈骗，然而，现有技术通过简单的身份验证，容易造成系统无法准确识别用户的真实身份，导致用户的个人隐私数据泄露，系统安全性较低，而且，老年用户缺乏反诈意识，更容易受到网络诈骗，由于图数据中各节点数据可能存在于多个网络环境中，现有技术无法综合分析各节点数据之间的关系，容易对用户行为的判断出现偏差，导致系统的风险把控准确性较差，因此，设计提高系统准确性和安全性的基于大数据和区块链的智能社交网络系统及方法是很有必要的。

技术实现思路

1、本发明的目的在于提供基于大数据和区块链的智能社交网络系统及方法，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：基于大数据和区块链的智能社交网络系统及方法，包括数据采集模块、交互管理模块和权限管理模块，其特征在于：所述数据采集模块用于将社交网络系统中的历史用户交互数据、用户综合数据及敏感词数据集录入系统，实时收集社交网络系统中用户与用户之间及用户与系统之间的数据交互记录，所述交互管理模块用于识别各个网络区块中社交网络系统数据的关系，分析各数据节点之间关系的相互影响，根据分析解结果判断节点之间的可信任度，根据信任度对数据进行隐藏传输，所述权限管理模块用于分析用户的身份特征和行为特征，根据用户的身份特征和行为特征对用户进行权限验证，所述数据采集模块、交互管理模块和权限管理模块之间相互通讯连接；

3、所述图数据分析模块包括节点关系分析子模块、可信任度计算子模块和敏感数据检测子模块，所述节点关系分析子模块用于分析社交网络系统中的历史用户隐私数据和用户综合数据，根据分析结果在各用户所在网络维度中建立图数据，所述可信任度计算子模块用于将多个进行数据交互的用户图数据进行加权融合，根据融合后的影响关系计算用户间的可信任度，所述敏感数据检测子模块用于分析用户间交互数据中的敏感字词，并进行追踪；

4、所述传输管理模块包括跨链传输子模块和传输隐藏子模块，所述跨链传输子模块用于在处于不同网络维度的用户之间构建虚拟传输链，通过虚拟传输量进行数据交互，所述传输隐藏子模块用于将用户间及用户与系统间交互的数据尽心隐藏传输，并通过虚拟传输链进行数据传输。

5、根据上述技术方案，所述数据采集模块包括综合信息录入模块和数据收集模块，所述综合信息录入模块用于将社交网络系统中的历史用户交互数据、用户综合数据及敏感词数据集录入系统，所述数据收集模块用于实时收集社交网络系统中用户间及用户与系统间的数据交互记录。

6、根据上述技术方案，所述交互管理模块包括图数据分析模块和传输管理模块，所述图数据管理模块用于分析各用户所在的网络维度及用户在其中的图数据关系，根据分析结果进一步计算用户间的信任度，根据信任度判断用户是否能够进行交互，所述数据传输管理模块用于将用户间及用户与系统间的交互数据进行隐匿传输。

7、根据上述技术方案，所述权限管理模块包括身份特征验证模块，所述身份特征验证模块用于分析用户传输的数据包中的身份信息与用户录入的身份信息是否一致。

8、根据上述技术方案，所述权限管理模块还包括行为特征验证模块，所述行为特征验证模块用于分析用户对数据的处理方式及操作特征，根据分析结果进一步验证用户身份。

9、根据上述技术方案，所述智能社交网络方法主要包括以下步骤：

10、步骤s1：通过综合信息录入模块，将社交网络系统中的历史用户交互数据、用户综合数据及敏感词数据集录入系统，通过数据收集模块，实时收集社交网络系统中用户间及用户与系统间的数据交互记录；

11、步骤s2：在数据录入完成后，系统启动敏感数据检测子模块，开始分析交互数据中的字词组合，根据分析结果锚定含有敏感数据进行追踪；

12、步骤s3：当系统发现敏感数据时，系统启动图数据分析模块，开始分析进行数据交互的用户之间的边关系，进一步分析边关系对用户间可信任度的影响，根据分析结果计算用户间的可信任度；

13、步骤s4：在可信任度验证完成后，权限管理模块启动，考试分析用户的身份特征和处理数据的行为特征，根据分析结果判断是否能进行数据传输；

14、步骤s5：在确定能够进行数据传输后，系统构建虚拟传输链，通过虚拟传输链将数据进行隐匿传输。

15、根据上述技术方案，所述步骤s2进一步包括以下步骤：

16、步骤s21：获取用户间及用户与系统间的交互数据，识别交互数据中的字符串，识别每个字符串中的敏感词，锚定每个敏感词的位置顺序，调取每个敏感的对应的编码，根据敏感词的位置顺序将敏感词对应的编码进行组合，根据组合后形成的编码字符串检索数据库，若数据库中存在对应的编码字符串，则标记为异常交互数据并跟踪该用户，反之则系统继续检测；

17、步骤s22：调取交互数据中的字符串，识别各字符串的传输时间戳，根据时间戳顺序将字符串进行叠加排列，得到字符串矩阵，识别字符串矩阵中的敏感词，根据敏感词的位置顺序及对应编码构建编码矩阵，分别识别编码矩阵中行和列编码字符串，对别数据库，若数据库中存在对应的编码字符串，则标记为异常交互数据并跟踪该用户，反之则系统继续检测。

18、根据上述技术方案，所述步骤s3进一步包括以下步骤：

19、步骤s31：获取历史用户交互数据，识别历史用户交互数据中各个用户节点中的数据交互记录，根据交互记录标记用户节点间的关系，根据用户节点和用户节点之间的关系构建图数据模型；

20、步骤s32：识别当前社交网络环境中的用户节点，调取历史用户交互数据中存在当前用户标记的数据，并整合为数据集，进一步识别数据集中的其他用户节点的互动数据，记录当前用户节点与其他用户节点之间的互动频率，根据互动频调取数据库中对应的信任度影响系数α；

21、步骤s33：识别用户交互数据中的标记，锚定异常交互数据，识别异常交互数据的目标用户节点和接收端用户节点，识别用户节点间的边，根据边关系调取数据库中对应的基础信任度，识别用户节点间的边关系等级，若边关系等级小于最小阈值，则系统继续检测，反之则，根据边关系等级调取数据库中对应的信任影响系数β，通过公式计算两用户节点之间的信任度式中，i＝1,2,3......n，q表示两用户节点之间的信任度，p表示用户节点间的边关系对应的基础信任度，若基础信任度大于最大阈值，则标记目标用户节点为第一信任节点，反之则标记目标用户节点不可信任节点；

22、步骤s34：调取目标用户节点，识别目标用户节点边连接的所有数据节点，识别并记录数据节点中的异常标记数量，根据异常标记的数量调取数据库中对应的风险率影响系数，识别用户历史数据交互异常次数，根据用户历史异常次数调取数据库中对应的风险度φ，根据公式计算目标用户的风险率式中，f表示目标用户的风险率，若目标用户的风险率大于最大阈值，则锁定目标用户账户，反之则根据风险率对目标用户账户进行限制。

23、根据上述技术方案，所述步骤s4进一步包括以下步骤：

24、步骤s41：调取用户节点，识别用户节点中的标记，当该用户节点为第一信任节点时，则获取用户键入的身份信息，识别身份信息中的身份特征，对比数据库，若身份特征完全符合，则标记该用户节点为第二信任节点，反之则标记为不可信任节点，当该用户节点为不可信任节点时，则系统继续检测；

25、步骤s42：识别用户节点的数据组合特征和数据包编排特征，对比数据中的历史用户习惯特征，若相似度大于系统设定阈值，则标记为第三信任节点，反之则标记为不可信任节点，识别用户节点中的标记，若用户节点中存在第一、第二和第三信任节点，则通过虚拟数据链进行数据交互，反之则提醒数据接收端的用户谨防诈骗，并控制数据交互。

26、根据上述技术方案，所述步骤s5中识别当前用户节点发送的交互数据中的目标用户节点，根据目标用户节点调取数据库中对应的网络环境，当该用户节点与目标用户节点所处的网络区块不一致，则调取中继节点，通过中继节点构建跨链传输链，将交互数据进行分割，并将分割后的数据进行封装，调取虚拟数据包，将交互数据包随机注入虚拟数据包中，识别数据包中的路径伪编码和跳转节点，根据跳转节点调取数据库中对应的解码函数，将所有的跳转节点中的解码函数依次排列，将第一路径位编码注入函数组进行循环，在第一跳转节点与第二路径伪编码进行，若循环后的第一路径伪编码与第二路径伪编码完全一致，则将数据传输至目标用户节点，反之则在循环次数大于阈值时进行清理。

27、与现有技术相比，本发明所达到的有益效果是：本发明，通过检测交互数据中是都存在敏感词，能够准确跟踪异常用户，通过进一步检测邻近字符串中敏感词的关系，能够避免用户通过断句规避检测，进而大大提高系统的准确性，通过分析用户节点之间的边关系及边关系等级对用户节点间信任度的影响，能够准确判断用户之间的信任程度，极大地提高了系统的准确性，通过分析目标用户发送的异常数据的数量对风险率的影响，能够准确分析目标用户是否存在风险，进而对目标用户账户进行限制，极大地提高了系统的准确性和安全性，通过验证用户节点中的用户身份信息，能够对第一信任节点进一步验证，避免不法分析盗取用户账号，导致社交网络系统中的用户隐私数据泄露，进而大大提高了系统的安全性，通过对用户节点的信任度进行多次分析，能够避免不法分子得到一些数据蒙混过关，导致用户隐私数据泄露，进一步提高了系统的安全性，通过将数据包分散注入虚拟数据包中进行传输，能够避免用户隐私数据被劫持，导致数据泄漏，并将传输路径进行循环计算，能够避免不法分子入侵系统窃取数据，极大地提高了系统的安全性。