应用于云计算的区块链支付处理方法及大数据服务中心

本申请是申请日为“2020年09月15日”、申请号为“CN202010964875.9”、名称为“结合云计算分析的区块链支付处理方法及大数据服务中心”的分案申请。

技术领域

本申请涉及云计算和区块链支付技术领域，尤其涉及应用于云计算的区块链支付处理方法及大数据服务中心。

背景技术

虽然区块链（blockchain）的共识机制能够在区块链网络进行传输信息和价值转移时，解决并保证每一笔交易在所有记帐节点上的安全性问题，从而使得区块链在不依靠中心化组织的情况下，依然能够大规模高效协作完成运转。但是这种共识机制需要区块链节点采用不同的共识算法来配合密码学技术以实现上述目的。

进一步地，共识机制主要包括：（1）工作量证明机制pow、（2）权益证明机制pos、（3）委托权益证明Dpos；以及（4）验证池共识机制pool。然而这些共识机制需要占用区块链节点的内存资源，可能导致会降低区块链节点在其他业务层面上的处理效率。

综上所述，亟需研发一种在不影响区块链节点在其他业务层面上的处理效率的前提下确保区块链交易和区块链支付的安全性的技术。

发明内容

本申请提供了一种应用于云计算的区块链支付处理方法及大数据服务中心，以解决或者部分解决上述背景技术所提到的技术问题。

本申请的第一方面，用以提供一种应用于云计算的区块链支付处理方法，包括：

在校验收款方区块链节点的当前身份信息时，判断所述当前身份信息是否校验完成；

当所述当前身份信息未校验完成时，基于所述当前身份信息在当前校验时段内的不同信息包之间的信息关联度以及所述当前身份信息的信息验证类别，计算所述当前身份信息的剩余校验耗时；

判断计算出的所述剩余校验耗时是否达到设定耗时；

在计算出的所述剩余校验耗时达到设定耗时的前提下，启动针对所述当前身份信息的并行校验模式；

当所述并行校验模式启动时，基于付款方区块链节点针对所述当前身份信息的信息校验需求对所述当前身份信息进行划分，得到分组信息包；

基于所述并行校验模式对所述分组信息包进行校验，以实现对所述收款方区块链节点的身份信息校验。

本申请的第二方面，用以提供一种大数据服务中心，包括集成有多个功能模块的区块链支付处理装置，所述多个功能模块在运行时实现上述方法的步骤。

本申请的第三方面，用以提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。

本申请的第四方面，用以提供一种大数据服务中心，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法的步骤。

通过本申请的一个或者多个技术方案，本申请具有以下有益效果或者优点：

首先在判断出收款方区块链节点的当前身份信息未校验完成时基于当前身份信息在当前校验时段内的不同信息包之间的信息关联度以及当前身份信息的信息验证类别计算当前身份信息的剩余校验耗时，其次在计算出的剩余校验耗时达到设定耗时的前提下启动针对当前身份信息的并行校验模式，然后基于付款方区块链节点针对当前身份信息的信息校验需求对当前身份信息进行划分得到分组信息包，最后基于并行校验模式对分组信息包进行校验，以实现对收款方区块链节点的身份信息校验。如此，通过将收款方区块链节点的身份信息验证云端化然后实现并行校验，能够快速、精准地实现收款方区块链节点的身份信息验证，从而在不影响区块链节点在其他业务层面上的处理效率的前提下确保区块链交易和区块链支付的安全性。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了根据本申请一个实施例的应用于云计算的区块链支付处理系统的架构示意图；

图2示出了根据本申请一个实施例的应用于云计算的区块链支付处理方法的流程示意图；

图3示出了根据本申请一个实施例的应用于云计算的区块链支付处理装置的功能模块图；

图4示出了根据本申请一个实施例的一种大数据服务中心的示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

发明人经调查和研究发现，为了确保区块链交易和区块链支付的安全性，需要从交易行为的前端入手，进一步地，发明人发现对收款方区块链节点进行身份信息校验是确保确保区块链交易和区块链支付的安全性的关键。为此，发明人创新性地提出了应用于云计算的区块链支付处理方法及大数据服务中心，通过将收款方区块链节点的身份信息验证云端化，能够快速、精准地实现收款方区块链节点的身份信息验证，从而在不影响区块链节点在其他业务层面上的处理效率的前提下确保区块链交易和区块链支付的安全性。

请首先参阅图1，示出了应用于云计算的区块链支付处理系统100，包括大数据服务中心110和多个区块链节点120，其中，大数据服务器中心110部署在云端且与多个区块链节点120通信，多个区块链节点120互相通信以形成不同的付款方区块链节点和收款方区块链节点。在图1的基础上，请结合参阅图2，示出了一种应用于云计算的区块链支付处理方法的流程示意图，所述方法可以应用于图1中的大数据服务中心110，具体可以包括以下步骤S210-步骤S260所描述的内容。

步骤S210，在校验收款方区块链节点的当前身份信息时，判断所述当前身份信息是否校验完成。

例如，当前身份信息可以是用于检测收款方区块链节点是否处于安全支付状态的信息，当前身份信息在不同的收款方区块链节点中具有唯一性。

步骤S220，当所述当前身份信息未校验完成时，基于所述当前身份信息在当前校验时段内的不同信息包之间的信息关联度以及所述当前身份信息的信息验证类别，计算所述当前身份信息的剩余校验耗时。

例如，当前校验时段可以根据大数据服务中心的CPU时钟资源进行设定，在此不作限定。剩余校验耗时用于表征完成对当前身份信息的校验还需要的时长。

步骤S230，判断计算出的所述剩余校验耗时是否达到设定耗时。

步骤S240，在计算出的所述剩余校验耗时达到设定耗时的前提下，启动针对所述当前身份信息的并行校验模式。

例如，并行校验模式是预先基于脚本配置文件在大数据服务中心中加载和部署的。

步骤S250，当所述并行校验模式启动时，基于付款方区块链节点针对所述当前身份信息的信息校验需求对所述当前身份信息进行划分，得到分组信息包。

例如，当前身份信息可以由不同的信息包组成。

步骤S260，基于所述并行校验模式对所述分组信息包进行校验，以实现对所述收款方区块链节点的身份信息校验。

可以理解，在实施上述步骤S210-步骤S260所描述的内容时，首先在判断出收款方区块链节点的当前身份信息未校验完成时基于当前身份信息在当前校验时段内的不同信息包之间的信息关联度以及当前身份信息的信息验证类别计算当前身份信息的剩余校验耗时，其次在计算出的剩余校验耗时达到设定耗时的前提下启动针对当前身份信息的并行校验模式，然后基于付款方区块链节点针对当前身份信息的信息校验需求对当前身份信息进行划分得到分组信息包，最后基于并行校验模式对分组信息包进行校验，以实现对收款方区块链节点的身份信息校验。

如此，通过将收款方区块链节点的身份信息验证云端化然后实现并行校验，能够快速、精准地实现收款方区块链节点的身份信息验证，从而在不影响区块链节点在其他业务层面上的处理效率的前提下确保区块链交易和区块链支付的安全性。

在具体实施时，为了确保对所述收款方区块链节点的身份信息校验的准确性、全面性和可靠性，步骤S260所描述的基于所述并行校验模式对所述分组信息包进行校验，以实现对所述收款方区块链节点的身份信息校验，具体可以包括以下步骤S261-步骤S262所描述的内容。

步骤S261，基于提取到的每组信息包的信息特征为每组信息包分配对应的并行校验线程，通过运行每组并行校验线程对每组信息包进行校验以得到校验结果。

步骤S262，根据所述校验结果判断所述收款方区块链节点是否通过身份信息校验。

如此，基于上述步骤S261-步骤S262，能够根据多个维度的校验结果准确、全面且可靠地判断收款方区块链节点是否通过身份信息校验，进而确保区块链支付的安全性。

进一步地，为了确保并行校验线程对信息包进行校验的准确性和时序关联性，步骤S261所描述的基于提取到的每组信息包的信息特征为每组信息包分配对应的并行校验线程，通过运行每组并行校验线程对每组信息包进行校验以得到校验结果，进一步可以包括以下步骤S2611-步骤S2616所描述的内容。

步骤S2611，针对每组信息包，获取该信息包中每条报文信息的报文头标识以及该信息包中每两条报文信息之间的报文相关度；其中，所述报文相关度用于表征每两条报文信息在时序上的关联性，报文相关度越大，每两条报文信息在时序上的关联性越大，每两条报文信息的生成时刻越接近。

步骤S2612，确定所述报文头标识对应的标识分类列表，以及确定所述报文相关度对应的相关度矩阵，其中，所述标识分类列表中包括多个列表元素，所述相关度矩阵中包括多个矩阵元素，且所述列表元素的数量与所述矩阵元素的数量相同，每个所述列表元素以及每个矩阵元素分别具有不同的元素识别度，所述标识分类列表中的列表元素的元素识别度具有由大到小的层级顺序。

步骤S2613，提取所述报文头标识在所述标识分类列表的任一列表元素的元素属性信息，将所述相关度矩阵中具有最小元素识别度的矩阵元素确定为待校正元素；其中，所述元素属性信息用于表征所述列表元素所对应的报文头标识的标识特征；基于每组信息包中的报文信息之间的报文协议分布队列将所述元素属性信息添加到所述待校正元素中，在所述待校正元素中得到与所述元素属性信息对应的校正属性信息；基于所述元素属性信息和所述校正属性信息之间的属性关联轨迹，构建所述报文头标识和所述报文相关度之间的时序映射列表；其中，所述时序映射列表用于指示所述报文头标识和所述报文相关度之间的一一映射关系。

步骤S2614，以所述校正属性信息的综合属性值为基准属性值在所述待校正元素中获取已校正的属性信息，根据所述时序映射列表中每个列表单元对应的映射路径的路径优先级，将所述已校正的属性信息映射到所述元素属性信息所在列表元素，以在所述元素属性信息所在列表元素中得到所述已校正的属性信息对应的映射属性信息，并确定所述映射属性信息的当前属性值为待匹配属性值。

步骤S2615，获取所述元素属性信息映射到所述待校正元素中的信息队列中，并基于所述映射属性信息与所述信息队列中的多个队列单元对应的单元属性信息之间的属性关联度，在所述相关度矩阵中依据所述元素识别度的大小顺序依次获取所述待匹配属性值对应的目标矩阵元素，直至获取到的所述目标矩阵元素所在矩阵元素的第一相对位置系数与所述待匹配属性值在所述标识分类列表中的列表元素的第二相对位置系数一致时，停止获取下一矩阵元素中的目标矩阵元素，并根据所述目标矩阵元素提取对应信息包的信息特征，将所述信息特征以特征图数据的形式列出并生成所述信息特征对应的当前图数据；基于所述当前图数据中的图数据节点的数量以及所述图数据节点之间的传递路径确定所述信息特征的信息校验维度，选择与所述信息校验维度相同的配置校验维度所对应的并行检测线程作为所述信息包的并行校验线程；其中，所述并行校验线程与所述信息包一一对应。

步骤S2616，通过运行每组并行校验线程，以基于对应的信息校验维度对每组信息包进行校验以得到校验结果。

如此一来，可以基于上述步骤S2611-步骤S2616，确保并行校验线程对信息包进行校验的准确性和时序关联性。

在一个可能的实施例中，步骤S2616所描述的通过运行每组并行校验线程，以基于对应的信息校验维度对每组信息包进行校验以得到校验结果，示例性可以包括以下步骤S2616a-步骤S2616d所描述的内容。

步骤S2616a，基于提取的用于记录每组并行校验线程的信息校验维度的维度聚类分布的第一记录标识和第二记录标识，确定待标记的用于识别信息包对应的信息组装逻辑的多个识别因子的逻辑权重，以及不同识别因子之间的干扰系数；其中，每个第二记录标识为信息包对应的信息组装逻辑的一条连续的维度聚类分布记录，每个第一记录标识为一条离散的维度聚类分布记录。

步骤S2616b，基于确定的所述多个识别因子的逻辑权重，以及不同识别因子之间的干扰系数，对所述多个识别因子进行标记，使得标记出的识别因子的逻辑权重大于设定权重、且筛选出的识别因子之间的干扰系数小于设定系数。

步骤S2616c，针对确定出的所述并行校验线程的当前线程状态参数，根据所述并行校验线程对应的信息校验维度在标记出的识别因子中每一种识别因子下的映射值，判断所述并行校验线程的维度聚类分布记录是否与所述并行校验线程对应的信息包对应的信息组装逻辑相匹配。

步骤S2616d，若确定所述并行校验线程的维度聚类分布记录与所述并行校验线程对应的信息包对应的信息组装逻辑相匹配，则基于所述信息组装逻辑对每组信息包在每个信息校验维度下的目标信息特征进行校验，得到初始结果，对所述初始结果进行融合得到所述校验结果。

可以理解，基于上述步骤S2616a-步骤S2616d，能够基于不同的信息校验维度对每组信息包进行校验以得到不同维度的校验结果，从而确保校验结果的全面性和完整性。

在具体实施过程中，步骤S262所描述的根据所述校验结果判断所述收款方区块链节点是否通过身份信息校验，具体可以包括以下步骤所描述的内容：在确定出每个校验结果的校验置信度与校验时效系数之后，获取所述校验置信度的置信度排序队列和所述校验时效系数的时效长短排序队列，其中，所述校验置信度中携带置信度标签，所述校验时效系数中携带有效时段标签；获取所述置信度排序队列中的每一个队列元素与所述时效长短排序队列中的每一个队列元素，得到队列元素配对列表；确定所述队列元素配对列表中的任意两个队列元素之间的匹配度，得到原始匹配度集合；将所述原始匹配度集合中的小于目标阈值的匹配度调整为目标阈值，得到当前匹配度集合；对所述当前匹配度集合进行处理，得到协同校验结果，其中，所述协同校验结果用于指示所述置信度标签与所述有效时段标签为为互相匹配的标签或者为互相不匹配的标签，并且在所述置信度标签与所述有效时段标签为互相匹配的标签时，判定所述收款方区块链节点通过身份信息校验，在所述置信度标签与所述有效时段标签为互相不匹配的标签时，判定所述收款方区块链节点没有通过身份信息校验。如此一来，可以基于置信度标签与有效时段标签的匹配结果确定收款方区块链节点是否通过身份信息校验，能够确保身份信息校验的准确性和时效性。

在上述基础上，对所述当前匹配度集合进行处理，得到协同校验结果，具体包括：

根据当前匹配度集合确定所述收款方区块链节点的历史交易记录，采用交易类别筛分规则去除历史交易记录中的无效交易记录，得到多个有效交易记录；所述历史交易记录为包括用于记录异常交易结果的无效交易记录的综合交易记录；

在接下来的步骤中，根据所述收款方区块链节点的当前交易评价值，分别确定每个有效交易记录的多组交易节点信息；在相同节点类别的交易节点信息中确定目标交易节点信息；其中，交易节点信息的节点类别用来表示该交易节点信息在所属有效交易记录中的业务事件类别；所述在相同节点类别的交易节点信息中确定目标交易节点信息，包括：确定每个交易节点信息的事件标识值；交易节点信息的事件标识值为该交易节点信息的交易事件标定值；根据所述事件标识值，采用预先训练完成的事件识别模型识别所述相同节点类别的交易节点信息中的多组节点参数信息，并基于所述多组节点参数信息之间的重复信息确定目标交易节点信息；

在接下来的步骤中，将不同节点类别的多个目标交易节点信息进行合并，得到所述收款方区块链节点的交易行为画像信息，从所述当前匹配度集合中选取出与所述交易行为画像信息对应的匹配度所对应的校验结果，并为该校验结果分配协同校验权重，根据所述协同校验权重将所述校验结果进行加权得到所述协同校验结果。

如此，用过应用上述步骤，能够确保协同校验结果的完整性，避免在对校验结果进行加权时出现缺失。

在一个可能的实施方式中，在具体实施过程中，为了确保对分组信息包的准确划分，避免分组信息包之间的交叉干扰，步骤S250所描述的基于付款方区块链节点针对所述当前身份信息的信息校验需求对所述当前身份信息进行划分，得到分组信息包，具体可以包括以下步骤步骤S251-步骤S253所描述的内容。

步骤S251，确定所述信息校验需求的期望校验事件中的事件所属业务项目，其中所述事件所属业务项目用于表征期望校验事件对应的收款方区块链节点所执行的业务项目。

步骤S252，通过预设业务项目数据库中的业务项目清单中的项目分类列表以及项目检测列表对所述事件所属业务项目进行处理，确定与所述事件所属业务项目相匹配的业务项目数据。

步骤S253，基于所述业务项目数据，通过所述预设业务项目数据库中的业务项目清单中的互动业务行为数据，确定与所述事件所属业务项目相匹配的数据访问权限信息；基于事件所属业务项目相匹配的数据访问权限信息，通过所述预设业务项目数据库的权限配对列表，对所述事件所属业务项目进行识别，以实现输出经过权限识别的所述事件所属业务项目的识别结果，并根据所述识别结果中的信息划分标识对所述当前身份信息进行划分，得到分组信息包。

这样，通过应用上述步骤S251-步骤S253，能够确保对分组信息包的准确划分，避免分组信息包之间的交叉干扰。

在一种可替换的实施方式中，为了精准地计算当前身份信息的剩余校验耗时，步骤S22所描述的基于所述当前身份信息在当前校验时段内的不同信息包之间的信息关联度以及所述当前身份信息的信息验证类别，计算所述当前身份信息的剩余校验耗时，可以包括以下步骤S221-步骤S223所描述的内容。

步骤S221，确定所述当前身份信息在当前校验时段内的不同信息包之间的信息关联度的关联度直方图对应的直方图分布特征及所述关联度直方图的直方图更新频率，所述直方图更新频率表示所述当前身份信息在当前校验时段内的不同信息包之间的信息关联度的关联度直方图的关联度更新热度；所述直方图更新频率至少包括：表示所述当前身份信息在当前校验时段内的不同信息包之间的信息关联度的关联度直方图的当前更新热度和历史更新热度均值。

步骤S222，获取所述信息验证类别与所述直方图分布特征对应的类别信息特征，所述类别信息特征中包含有预先提取的类别信息的信息追溯等级，所述类别信息的信息追溯等级表示位于所述类别信息特征且与所述直方图分布特征对应的关联度热度权重；所述类别信息的信息追溯等级至少包括：表示所述类别信息特征中，与所述类别信息特征所包含的类别维度对应的关联度直方图的当前关联度热度权重和历史关联度热度权重。

步骤S223，依据所述直方图分布特征和直方图更新频率，在所述类别信息特征中查找与所述当前身份信息在当前校验时段内的不同信息包之间的信息关联度相匹配的目标追溯等级，并按照匹配程度确定所述目标追溯等级的映射追溯时长，通过所述映射追溯时长计算所述当前身份信息的剩余校验耗时。

如此一来，基于上述步骤S221-步骤S223所描述的内容，能够精准地计算当前身份信息的剩余校验耗时。

在步骤S23中，所述设定耗时根据所述大数据服务中心的当前剩余内存资源以及所述收款方区块链节点的本次区块链支付的支付订单信息确定，进一步地，所述设定耗时具体可以通过以下步骤a-步骤d确定。

步骤a，确定所述大数据服务中心的当前剩余内存资源对应的剩余资源百分比。

步骤b，提取所述支付订单信息中的订单处理节点的数量以及每个订单处理节点对应的事件信息。

步骤c，基于所述剩余资源百分比确定第一耗时权重，基于每个事件信息对应的事件响应延时以及所述订单处理节点的数量生成第二耗时权重。

步骤d，采用所述第一耗时权重和所述第二耗时权重对基准耗时进行加权，得到所述设定耗时；其中，所述基准耗时基于所述大数据服务器中心的原始配置信息得到。

这样一来，在应用上述步骤a-步骤d所描述的内容时，能够准确确定设定耗时，从而确保后续的身份校验进程的准确判断。

基于与前述实施例中同样的发明构思，还提供了如图3所示的应用于云计算的区块链支付处理装置300，所述装置应用于图1中的大数据服务中心110，具体包括以下功能模块：

校验判断模块310，用于在校验收款方区块链节点的当前身份信息时，判断所述当前身份信息是否校验完成；

耗时计算模块320，用于当所述当前身份信息未校验完成时，基于所述当前身份信息在当前校验时段内的不同信息包之间的信息关联度以及所述当前身份信息的信息验证类别，计算所述当前身份信息的剩余校验耗时；

耗时判断模块330，用于判断计算出的所述剩余校验耗时是否达到设定耗时；

并行启动模块340，用于在计算出的所述剩余校验耗时达到设定耗时的前提下，启动针对所述当前身份信息的并行校验模式；

信息划分模块350，用于当所述并行校验模式启动时，基于付款方区块链节点针对所述当前身份信息的信息校验需求对所述当前身份信息进行划分，得到分组信息包；

并行校验模块360，用于基于所述并行校验模式对所述分组信息包进行校验，以实现对所述收款方区块链节点的身份信息校验。

在上述基础上，请结合参阅图4，示出了大数据服务中心110的硬件结构示意图，所述大数据服务中心110包括存储器112、处理器114及存储在存储器112上并可在处理器114上运行的计算机程序，所述处理器114执行所述程序时实现上述方法的步骤。

进一步地，还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本申请也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本申请的内容，并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本申请的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本申请的示例性实施例的描述中，本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本申请的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本申请（包括伴随的权利要求、摘要和附图）中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本申请（包括伴随的权利要求、摘要和附图）中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本申请的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器（DSP）来实现根据本申请实施例的网关、代理服务器、系统中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序（例如，计算机程序和计算机程序产品）。这样的实现本申请的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

基于上述内容，本申请还提供了如下两种可以实施的方式，它们分别为实施方式A和实施方式B，下面将对实施方式A和实施方式B进行整体说明。

关于实施方式A的描述如下。

A1.一种应用于云计算的区块链支付处理方法，包括：

在校验收款方区块链节点的当前身份信息时，判断所述当前身份信息是否校验完成；

当所述当前身份信息未校验完成时，基于所述当前身份信息在当前校验时段内的不同信息包之间的信息关联度以及所述当前身份信息的信息验证类别，计算所述当前身份信息的剩余校验耗时，具体包括：确定所述当前身份信息在当前校验时段内的不同信息包之间的信息关联度的关联度直方图对应的直方图分布特征及所述关联度直方图的直方图更新频率，所述直方图更新频率表示所述当前身份信息在当前校验时段内的不同信息包之间的信息关联度的关联度直方图的关联度更新热度；所述直方图更新频率至少包括：表示所述当前身份信息在当前校验时段内的不同信息包之间的信息关联度的关联度直方图的当前更新热度和历史更新热度均值；获取所述信息验证类别与所述直方图分布特征对应的类别信息特征，所述类别信息特征中包含有预先提取的类别信息的信息追溯等级，所述类别信息的信息追溯等级表示位于所述类别信息特征且与所述直方图分布特征对应的关联度热度权重；所述类别信息的信息追溯等级至少包括：表示所述类别信息特征中，与所述类别信息特征所包含的类别维度对应的关联度直方图的当前关联度热度权重和历史关联度热度权重；依据所述直方图分布特征和直方图更新频率，在所述类别信息特征中查找与所述当前身份信息在当前校验时段内的不同信息包之间的信息关联度相匹配的目标追溯等级，并按照匹配程度确定所述目标追溯等级的映射追溯时长，通过所述映射追溯时长计算所述当前身份信息的剩余校验耗时；

判断计算出的所述剩余校验耗时是否达到设定耗时；

在计算出的所述剩余校验耗时达到设定耗时的前提下，启动针对所述当前身份信息的并行校验模式；

当所述并行校验模式启动时，基于付款方区块链节点针对所述当前身份信息的信息校验需求对所述当前身份信息进行划分，得到分组信息包；

基于所述并行校验模式对所述分组信息包进行校验，以实现对所述收款方区块链节点的身份信息校验。

A2.根据A1所述的方法，基于所述并行校验模式对所述分组信息包进行校验，以实现对所述收款方区块链节点的身份信息校验，包括：

基于提取到的每组信息包的信息特征为每组信息包分配对应的并行校验线程，通过运行每组并行校验线程对每组信息包进行校验以得到校验结果；

根据所述校验结果判断所述收款方区块链节点是否通过身份信息校验。

A3.根据A2所述的方法，基于提取到的每组信息包的信息特征为每组信息包分配对应的并行校验线程，通过运行每组并行校验线程对每组信息包进行校验以得到校验结果，包括：

针对每组信息包，获取该信息包中每条报文信息的报文头标识以及该信息包中每两条报文信息之间的报文相关度；其中，所述报文相关度用于表征每两条报文信息在时序上的关联性，报文相关度越大，每两条报文信息在时序上的关联性越大，每两条报文信息的生成时刻越接近；

确定所述报文头标识对应的标识分类列表，以及确定所述报文相关度对应的相关度矩阵，其中，所述标识分类列表中包括多个列表元素，所述相关度矩阵中包括多个矩阵元素，且所述列表元素的数量与所述矩阵元素的数量相同，每个所述列表元素以及每个矩阵元素分别具有不同的元素识别度，所述标识分类列表中的列表元素的元素识别度具有由大到小的层级顺序；

提取所述报文头标识在所述标识分类列表的任一列表元素的元素属性信息，将所述相关度矩阵中具有最小元素识别度的矩阵元素确定为待校正元素；其中，所述元素属性信息用于表征所述列表元素所对应的报文头标识的标识特征；基于每组信息包中的报文信息之间的报文协议分布队列将所述元素属性信息添加到所述待校正元素中，在所述待校正元素中得到与所述元素属性信息对应的校正属性信息；基于所述元素属性信息和所述校正属性信息之间的属性关联轨迹，构建所述报文头标识和所述报文相关度之间的时序映射列表；其中，所述时序映射列表用于指示所述报文头标识和所述报文相关度之间的一一映射关系；

以所述校正属性信息的综合属性值为基准属性值在所述待校正元素中获取已校正的属性信息，根据所述时序映射列表中每个列表单元对应的映射路径的路径优先级，将所述已校正的属性信息映射到所述元素属性信息所在列表元素，以在所述元素属性信息所在列表元素中得到所述已校正的属性信息对应的映射属性信息，并确定所述映射属性信息的当前属性值为待匹配属性值；

获取所述元素属性信息映射到所述待校正元素中的信息队列中，并基于所述映射属性信息与所述信息队列中的多个队列单元对应的单元属性信息之间的属性关联度，在所述相关度矩阵中依据所述元素识别度的大小顺序依次获取所述待匹配属性值对应的目标矩阵元素，直至获取到的所述目标矩阵元素所在矩阵元素的第一相对位置系数与所述待匹配属性值在所述标识分类列表中的列表元素的第二相对位置系数一致时，停止获取下一矩阵元素中的目标矩阵元素，并根据所述目标矩阵元素提取对应信息包的信息特征，将所述信息特征以特征图数据的形式列出并生成所述信息特征对应的当前图数据；基于所述当前图数据中的图数据节点的数量以及所述图数据节点之间的传递路径确定所述信息特征的信息校验维度，选择与所述信息校验维度相同的配置校验维度所对应的并行检测线程作为所述信息包的并行校验线程；其中，所述并行校验线程与所述信息包一一对应；

通过运行每组并行校验线程，以基于对应的信息校验维度对每组信息包进行校验以得到校验结果。

A4.根据A3所述的方法，通过运行每组并行校验线程，以基于对应的信息校验维度对每组信息包进行校验以得到校验结果，包括：

基于提取的用于记录每组并行校验线程的信息校验维度的维度聚类分布的第一记录标识和第二记录标识，确定待标记的用于识别信息包对应的信息组装逻辑的多个识别因子的逻辑权重，以及不同识别因子之间的干扰系数；其中，每个第二记录标识为信息包对应的信息组装逻辑的一条连续的维度聚类分布记录，每个第一记录标识为一条离散的维度聚类分布记录；

基于确定的所述多个识别因子的逻辑权重，以及不同识别因子之间的干扰系数，对所述多个识别因子进行标记，使得标记出的识别因子的逻辑权重大于设定权重、且筛选出的识别因子之间的干扰系数小于设定系数；

针对确定出的所述并行校验线程的当前线程状态参数，根据所述并行校验线程对应的信息校验维度在标记出的识别因子中每一种识别因子下的映射值，判断所述并行校验线程的维度聚类分布记录是否与所述并行校验线程对应的信息包对应的信息组装逻辑相匹配；

若确定所述并行校验线程的维度聚类分布记录与所述并行校验线程对应的信息包对应的信息组装逻辑相匹配，则基于所述信息组装逻辑对每组信息包在每个信息校验维度下的目标信息特征进行校验，得到初始结果，对所述初始结果进行融合得到所述校验结果。

A5.根据A2-A4任一项所述的方法，根据所述校验结果判断所述收款方区块链节点是否通过身份信息校验，包括：

在确定出每个校验结果的校验置信度与校验时效系数之后，获取所述校验置信度的置信度排序队列和所述校验时效系数的时效长短排序队列，其中，所述校验置信度中携带置信度标签，所述校验时效系数中携带有效时段标签；获取所述置信度排序队列中的每一个队列元素与所述时效长短排序队列中的每一个队列元素，得到队列元素配对列表；确定所述队列元素配对列表中的任意两个队列元素之间的匹配度，得到原始匹配度集合；将所述原始匹配度集合中的小于目标阈值的匹配度调整为目标阈值，得到当前匹配度集合；对所述当前匹配度集合进行处理，得到协同校验结果，其中，所述协同校验结果用于指示所述置信度标签与所述有效时段标签为为互相匹配的标签或者为互相不匹配的标签，并且在所述置信度标签与所述有效时段标签为互相匹配的标签时，判定所述收款方区块链节点通过身份信息校验，在所述置信度标签与所述有效时段标签为互相不匹配的标签时，判定所述收款方区块链节点没有通过身份信息校验。

A6.根据A5所述的方法，对所述当前匹配度集合进行处理，得到协同校验结果，包括：

根据当前匹配度集合确定所述收款方区块链节点的历史交易记录，采用交易类别筛分规则去除历史交易记录中的无效交易记录，得到多个有效交易记录；所述历史交易记录为包括用于记录异常交易结果的无效交易记录的综合交易记录；

根据所述收款方区块链节点的当前交易评价值，分别确定每个有效交易记录的多组交易节点信息；在相同节点类别的交易节点信息中确定目标交易节点信息；其中，交易节点信息的节点类别用来表示该交易节点信息在所属有效交易记录中的业务事件类别；所述在相同节点类别的交易节点信息中确定目标交易节点信息，包括：确定每个交易节点信息的事件标识值；交易节点信息的事件标识值为该交易节点信息的交易事件标定值；根据所述事件标识值，采用预先训练完成的事件识别模型识别所述相同节点类别的交易节点信息中的多组节点参数信息，并基于所述多组节点参数信息之间的重复信息确定目标交易节点信息；

将不同节点类别的多个目标交易节点信息进行合并，得到所述收款方区块链节点的交易行为画像信息，从所述当前匹配度集合中选取出与所述交易行为画像信息对应的匹配度所对应的校验结果，并为该校验结果分配协同校验权重，根据所述协同校验权重将所述校验结果进行加权得到所述协同校验结果。

A7.根据权利要求A1或A2所述的方法，基于付款方区块链节点针对所述当前身份信息的信息校验需求对所述当前身份信息进行划分，得到分组信息包，包括：

确定所述信息校验需求的期望校验事件中的事件所属业务项目，其中所述事件所属业务项目用于表征期望校验事件对应的收款方区块链节点所执行的业务项目；

通过预设业务项目数据库中的业务项目清单中的项目分类列表以及项目检测列表对所述事件所属业务项目进行处理，确定与所述事件所属业务项目相匹配的业务项目数据；

基于所述业务项目数据，通过所述预设业务项目数据库中的业务项目清单中的互动业务行为数据，确定与所述事件所属业务项目相匹配的数据访问权限信息；基于事件所属业务项目相匹配的数据访问权限信息，通过所述预设业务项目数据库的权限配对列表，对所述事件所属业务项目进行识别，以实现输出经过权限识别的所述事件所属业务项目的识别结果，并根据所述识别结果中的信息划分标识对所述当前身份信息进行划分，得到分组信息包。

A8.一种大数据服务中心，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现A1-A7任一项所述方法的步骤。

关于实施方式B的描述如下。

B1.一种应用于云计算的区块链支付处理方法，包括：

在校验收款方区块链节点的当前身份信息时，判断所述当前身份信息是否校验完成；

当所述当前身份信息未校验完成时，基于所述当前身份信息在当前校验时段内的不同信息包之间的信息关联度以及所述当前身份信息的信息验证类别，计算所述当前身份信息的剩余校验耗时；

判断计算出的所述剩余校验耗时是否达到设定耗时；其中，所述设定耗时根据所述大数据服务中心的当前剩余内存资源以及所述收款方区块链节点的本次区块链支付的支付订单信息确定；

在计算出的所述剩余校验耗时达到设定耗时的前提下，启动针对所述当前身份信息的并行校验模式；

当所述并行校验模式启动时，基于付款方区块链节点针对所述当前身份信息的信息校验需求对所述当前身份信息进行划分，得到分组信息包；

基于所述并行校验模式对所述分组信息包进行校验，以实现对所述收款方区块链节点的身份信息校验。

B2.根据B1所述的方法，基于所述并行校验模式对所述分组信息包进行校验，以实现对所述收款方区块链节点的身份信息校验，包括：

基于提取到的每组信息包的信息特征为每组信息包分配对应的并行校验线程，通过运行每组并行校验线程对每组信息包进行校验以得到校验结果；

根据所述校验结果判断所述收款方区块链节点是否通过身份信息校验。

B3.根据B2所述的方法，基于提取到的每组信息包的信息特征为每组信息包分配对应的并行校验线程，通过运行每组并行校验线程对每组信息包进行校验以得到校验结果，包括：

针对每组信息包，获取该信息包中每条报文信息的报文头标识以及该信息包中每两条报文信息之间的报文相关度；其中，所述报文相关度用于表征每两条报文信息在时序上的关联性，报文相关度越大，每两条报文信息在时序上的关联性越大，每两条报文信息的生成时刻越接近；

确定所述报文头标识对应的标识分类列表，以及确定所述报文相关度对应的相关度矩阵，其中，所述标识分类列表中包括多个列表元素，所述相关度矩阵中包括多个矩阵元素，且所述列表元素的数量与所述矩阵元素的数量相同，每个所述列表元素以及每个矩阵元素分别具有不同的元素识别度，所述标识分类列表中的列表元素的元素识别度具有由大到小的层级顺序；

提取所述报文头标识在所述标识分类列表的任一列表元素的元素属性信息，将所述相关度矩阵中具有最小元素识别度的矩阵元素确定为待校正元素；其中，所述元素属性信息用于表征所述列表元素所对应的报文头标识的标识特征；基于每组信息包中的报文信息之间的报文协议分布队列将所述元素属性信息添加到所述待校正元素中，在所述待校正元素中得到与所述元素属性信息对应的校正属性信息；基于所述元素属性信息和所述校正属性信息之间的属性关联轨迹，构建所述报文头标识和所述报文相关度之间的时序映射列表；其中，所述时序映射列表用于指示所述报文头标识和所述报文相关度之间的一一映射关系；

以所述校正属性信息的综合属性值为基准属性值在所述待校正元素中获取已校正的属性信息，根据所述时序映射列表中每个列表单元对应的映射路径的路径优先级，将所述已校正的属性信息映射到所述元素属性信息所在列表元素，以在所述元素属性信息所在列表元素中得到所述已校正的属性信息对应的映射属性信息，并确定所述映射属性信息的当前属性值为待匹配属性值；

获取所述元素属性信息映射到所述待校正元素中的信息队列中，并基于所述映射属性信息与所述信息队列中的多个队列单元对应的单元属性信息之间的属性关联度，在所述相关度矩阵中依据所述元素识别度的大小顺序依次获取所述待匹配属性值对应的目标矩阵元素，直至获取到的所述目标矩阵元素所在矩阵元素的第一相对位置系数与所述待匹配属性值在所述标识分类列表中的列表元素的第二相对位置系数一致时，停止获取下一矩阵元素中的目标矩阵元素，并根据所述目标矩阵元素提取对应信息包的信息特征，将所述信息特征以特征图数据的形式列出并生成所述信息特征对应的当前图数据；基于所述当前图数据中的图数据节点的数量以及所述图数据节点之间的传递路径确定所述信息特征的信息校验维度，选择与所述信息校验维度相同的配置校验维度所对应的并行检测线程作为所述信息包的并行校验线程；其中，所述并行校验线程与所述信息包一一对应；

通过运行每组并行校验线程，以基于对应的信息校验维度对每组信息包进行校验以得到校验结果。

B4.根据B3所述的方法，通过运行每组并行校验线程，以基于对应的信息校验维度对每组信息包进行校验以得到校验结果，包括：

基于提取的用于记录每组并行校验线程的信息校验维度的维度聚类分布的第一记录标识和第二记录标识，确定待标记的用于识别信息包对应的信息组装逻辑的多个识别因子的逻辑权重，以及不同识别因子之间的干扰系数；其中，每个第二记录标识为信息包对应的信息组装逻辑的一条连续的维度聚类分布记录，每个第一记录标识为一条离散的维度聚类分布记录；

基于确定的所述多个识别因子的逻辑权重，以及不同识别因子之间的干扰系数，对所述多个识别因子进行标记，使得标记出的识别因子的逻辑权重大于设定权重、且筛选出的识别因子之间的干扰系数小于设定系数；

针对确定出的所述并行校验线程的当前线程状态参数，根据所述并行校验线程对应的信息校验维度在标记出的识别因子中每一种识别因子下的映射值，判断所述并行校验线程的维度聚类分布记录是否与所述并行校验线程对应的信息包对应的信息组装逻辑相匹配；

若确定所述并行校验线程的维度聚类分布记录与所述并行校验线程对应的信息包对应的信息组装逻辑相匹配，则基于所述信息组装逻辑对每组信息包在每个信息校验维度下的目标信息特征进行校验，得到初始结果，对所述初始结果进行融合得到所述校验结果。

B5.根据B2-B4任一项所述的方法，根据所述校验结果判断所述收款方区块链节点是否通过身份信息校验，包括：

在确定出每个校验结果的校验置信度与校验时效系数之后，获取所述校验置信度的置信度排序队列和所述校验时效系数的时效长短排序队列，其中，所述校验置信度中携带置信度标签，所述校验时效系数中携带有效时段标签；获取所述置信度排序队列中的每一个队列元素与所述时效长短排序队列中的每一个队列元素，得到队列元素配对列表；确定所述队列元素配对列表中的任意两个队列元素之间的匹配度，得到原始匹配度集合；将所述原始匹配度集合中的小于目标阈值的匹配度调整为目标阈值，得到当前匹配度集合；对所述当前匹配度集合进行处理，得到协同校验结果，其中，所述协同校验结果用于指示所述置信度标签与所述有效时段标签为为互相匹配的标签或者为互相不匹配的标签，并且在所述置信度标签与所述有效时段标签为互相匹配的标签时，判定所述收款方区块链节点通过身份信息校验，在所述置信度标签与所述有效时段标签为互相不匹配的标签时，判定所述收款方区块链节点没有通过身份信息校验。

B6.根据B5所述的方法，对所述当前匹配度集合进行处理，得到协同校验结果，包括：

根据当前匹配度集合确定所述收款方区块链节点的历史交易记录，采用交易类别筛分规则去除历史交易记录中的无效交易记录，得到多个有效交易记录；所述历史交易记录为包括用于记录异常交易结果的无效交易记录的综合交易记录；

根据所述收款方区块链节点的当前交易评价值，分别确定每个有效交易记录的多组交易节点信息；在相同节点类别的交易节点信息中确定目标交易节点信息；其中，交易节点信息的节点类别用来表示该交易节点信息在所属有效交易记录中的业务事件类别；所述在相同节点类别的交易节点信息中确定目标交易节点信息，包括：确定每个交易节点信息的事件标识值；交易节点信息的事件标识值为该交易节点信息的交易事件标定值；根据所述事件标识值，采用预先训练完成的事件识别模型识别所述相同节点类别的交易节点信息中的多组节点参数信息，并基于所述多组节点参数信息之间的重复信息确定目标交易节点信息；

将不同节点类别的多个目标交易节点信息进行合并，得到所述收款方区块链节点的交易行为画像信息，从所述当前匹配度集合中选取出与所述交易行为画像信息对应的匹配度所对应的校验结果，并为该校验结果分配协同校验权重，根据所述协同校验权重将所述校验结果进行加权得到所述协同校验结果。

B7.根据权利要求B1或B2所述的方法，基于付款方区块链节点针对所述当前身份信息的信息校验需求对所述当前身份信息进行划分，得到分组信息包，包括：

确定所述信息校验需求的期望校验事件中的事件所属业务项目，其中所述事件所属业务项目用于表征期望校验事件对应的收款方区块链节点所执行的业务项目；

通过预设业务项目数据库中的业务项目清单中的项目分类列表以及项目检测列表对所述事件所属业务项目进行处理，确定与所述事件所属业务项目相匹配的业务项目数据；

基于所述业务项目数据，通过所述预设业务项目数据库中的业务项目清单中的互动业务行为数据，确定与所述事件所属业务项目相匹配的数据访问权限信息；基于事件所属业务项目相匹配的数据访问权限信息，通过所述预设业务项目数据库的权限配对列表，对所述事件所属业务项目进行识别，以实现输出经过权限识别的所述事件所属业务项目的识别结果，并根据所述识别结果中的信息划分标识对所述当前身份信息进行划分，得到分组信息包。

B8.一种大数据服务中心，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现B1-B7任一项所述方法的步骤。