1.基于区块链和机器学习的跨系统数据共享方法,其特征在于:包括语义网数据库建立步骤、标准属性值库建立步骤和智能合约数据共享步骤;
所述语义网数据库建立步骤,在区块链中建立了一个用于记录所有参与共享的数据库中各类数据的属性名以及该属性名下的子属性名的Merkle树结构作为语义网数据库;
所述标准属性值库建立步骤,通过已有的标准属性值数据训练机器学习模型,将所述语义网数据库建立步骤中得到的用于共享数据的语义网数据库输入至训练好的机器学习模型中进行机器学习,得到标准语义网数据库;
所述智能合约数据共享步骤,将标准语义网数据库存放到区块链中,用户通过查看区块链中的标准语义网数据库,找到目标数据的属性名在其存储位置的数据库中的命名,然后进行访问1。
2.如权利要求1所述的基于区块链和机器学习的跨系统数据共享方法,其特征在于:包括所述Merkle树结构中的所有叶节点代表属性名下的子属性名,通过自底向上进行哈希递归,最终返回一个根哈希值作为语义网数据库的树根。
3.如权利要求1或2所述的基于区块链和机器学习的跨系统数据共享方法,其特征在于:包括所述属性名下的子属性名中均包含它们各自属于哪张表的信息。
4.如权利要求1所述的基于区块链和机器学习的跨系统数据共享方法,其特征包括,所述标准属性值库建立步骤中,通过已有的标准属性值数据训练机器学习模型,具体的:首先,将所述语义网数据库建立步骤中得到的用于共享数据的语义网数据库中每列数据输入至训练好的机器学习模型中进行机器学习;
然后,选择机器学习模型的输出结果中输出概率最高的属性名作为语义网数据库中每列数据的属性名。
5.如权利要求4所述的基于区块链和机器学习的跨系统数据共享方法,其特征在于:包括得到机器学习模型的输出结果中输出概率最高的属性名后,还要首先查找当前作为语义网数据库的Merkle树结构中对应列的属性名是否与机器学习模型的输出结果中输出概率最高的属性名相同,若不相同则用机器学习模型的输出结果中输出概率最高的属性名作为对应列的属性名入到Merkle树结构中。
6.如权利要求4或5所述的基于区块链和机器学习的跨系统数据共享方法,其特征在于:包括若用于共享数据的语义网数据库中的某一列数据经过机器学习模型机器学习后输出的结果中所有属性名的输出概率值都低于设定阈值,则判断该列为新属性,则在当前作为语义网数据库的Merkle树结构下新增一个属性分支,并将该列数据加入标准语义网数据库中,作为新属性的标准值。
7.如权利要求1所述的基于区块链和机器学习的跨系统数据共享方法,其特征在于:包括所述智能合约数据共享步骤中,当用户访问数据库时要加入自己的数据库或者对数据进行操作,则用户向区块链的智能合约发送操作请求,智能合约接收所述操作请求并进行解析,判断操作请求类型;
若操作请求为用户要将自己的数据库加入至本共享网络中,则智能合约将待加入的数据库中所包含的数据输入至所述语义网数据库建立步骤中,并根据加入的数据库中各类数据的属性名以及该属性名下的子属性名更新至作为语义网数据库的Merkle树结构中;
若操作请求为用户将对某一数据库中的数据进行操作,如:增、删、查、改等,则根据目标数据的属性名在其存储位置的数据库中的命名,调取并返回具有该数据库名的全部属性名,然后用户再对具体属性名的数据进行操作。