融合自适应SSAE与神经网络算法的区块链隐私保护模型研究
刘伟伟
山西电子科技学院 山西临汾 041000
摘要：针对区块链隐私保护与审计追溯的难题,研究对基于自适应堆叠稀疏自编码器与神经网络算法的区块链隐私保护模型进行了研究.采用灰狼优化算法(grey wolf optimization algorithm,GWO)的关键技术,对自适应堆叠稀疏自编码器进行改进,并结合支持向量机实现数据敏感度的精准识别与差异化加密策略.经实验测试实现了恶意行为的低封锁时间,最高峰值仅为1.1 ms,但整体波动较大.该模型在区块链隐私保护分类任务中准确率达到95.01％,F1分数为94.23％,召回率为93.45％,精确率为95.66％.模型展现出了良好的抗干扰能力和稳定性,尤其在处理高度敏感信息时表现突出,有效提升了区块链系统的隐私保护水平.
关键词：堆叠稀疏自编码器(SSAE)区块链隐私保护灰狼优化算法(GWO)
论文发表日期：2025-10-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 41-44 )