区块链学习1-证书

article/2025/9/15 13:25:02
  • 加密和签名:

在现实生活中,如果想在某个银行存钱或者取钱,首先要开立账户,这是中心化系统的标准流程。在区块链中,我们同样需要具备这样一个账户:

公链是去中心化的,每个用户自己决定是否开户,不需要任何中心的批准。

以比特币为例,开户的过程就是创建一个公私钥对,类似于现实生活中的银行账号和密码。

        一个比特币账户 =(public key, private key)

公私钥来源于非对称加密(Asymmetric encryption algorithm)其使用场景例如:

       A用B的公钥(public_key_B)为信息(Msg)加密后通过网络发送给B 而B用自己的私钥(private_key_B)解密,注意:加密和解密用的都是接收方的。

在对称加密体中,一旦网络被窃听,盗用者可以使用同一个密钥解密信息众而得到文件内容。而在非对称加密中公钥通过网络发送给对方,而保存在本地,更为安全。

在以上例子中,非对称加密被用来做信息加密,其主要目的是防止信息泄露,密钥越长破解难度越大,但是运算时间也越长,性能也就越差。相同安全强度下,对称密钥长度在最短,ECC次之,RSA密钥长度则最长。

       在比特币系统中,公私钥对被用来签名,例如A要给B转账,如何证明是A本人发起的交易呢:

       A需要在发起转账交易时,用自己的私钥(private_key_A)对交易签名,而B使用A的公钥(public_key_A)去验证这笔交易。注意:签名用私钥,验证用公钥,都是发送方的。

在签名的过程中会使用签名算法。

加密的目的是防止信息泄露

签名的目的是防止篡改。

  • 证书
相比于公链,联盟链并不是完全去中心化的,它只允许被授权的机构参与到网络当中,这些机构例如现实中的某几个公司,他们组织利益相关的机构共同参与区块链的运行。因此相比公链,联盟链多了“授权”的操作,而这个操作多以“颁发数字证书”的形式完成。完成这个操作的,就是证书颁发机构——认证中心CA,拥有合格证书的节点才能加入到联盟链当中。
证书的签发过程大致为:
  1. 用户生成自己的公私钥对(使用非对称加密技术)。
  2. 申请认证:用户将自己的公钥,以及部分信息(例如组织信息、个人信息等)发送给CA.
  3. CA审核: CA通过线上、线下等多种手段验证申请者提供信息的真实性,如组织是否存在、企业是否合法等
  4. 审核通过后,CA会向申请者签发认证文件-证书。
证书一般包含以下信息:
用户(申请者)的公钥
申请者的组织信息和个人信息
签发机构 CA 的信息
有效时间
证书序列号等信息的明文
CA的签名(签名=用私钥对证书摘要加密)

公私钥用于证明你是谁,信息是不是你发送的,有没有被篡改

证书则用于证明你是否拥有可以从事某项活动的“资质”,除此之外,证书可以证明“你”不是冒充的。

在上面A给B转账的例子中,假如出现一个C,他使用非法手段攻击了B的数据库,将public_key_A的内容,替换成了public_key_C的内容,这样,他就可以用private_key_C加密冒充A将信息发送给B,而由于B保存的A的公钥内容其实是C的,从而验证通过,

       为了避免这个问题,A将公钥绑定了一个数字证书cert_A,cert_A里包含了公钥的信息以及A的其他信息,B保存了A的证书用以验证签名。这样C如果想要替换cert_A为自己的cert_C时,B通过读取证书发现这是另一个人的公钥。

签名的过程:

  • 使用hash算法对申请的信息计算出摘要A

  • 用CA的私钥对信息摘要进行加密,产生的密文即签名;

验签的过程:

在联盟链中,只有被信任的成员才被允许加入。新加入的成员需要携带被信任的证书。其他成员通过以下方式验证其证书的合法性:

  • 读取证书中的相关的明文信息,采用相同的hash计算得到信息摘要B
  • 用颁发者CA的公钥解密签名数据,得到摘要信息A
  • 对比A和B是否一致

长安链两种证书的生成方式:

  1. 证书生成工具:https://docs.chainmaker.org.cn/dev/证书生成工具.html

     在其配置文件chainmaker-cryptogen/config/crypto_config_template.yml提供了上述两种算法的配置项:

          

  2.  CA证书服务:https://docs.chainmaker.org.cn/tech/CA证书服务.html

也同相在配置文件: chainmaker-ca-backend/src/conf/config.yaml中提供了相应的配置:

长安链支持的加密算法如下:

     


http://chatgpt.dhexx.cn/article/dlO9MT5K.shtml

相关文章

区块链学习笔记及总结【二】

区块链总述 区块链是比特币的核心技术,在比特币系统里用来记录有序且带有时间戳的交易记录。主要用于防止(double spend)双花攻击和篡改以前的交易记录。 这里需要注意是防止篡改,不是防止更改。实际上区块链某些情况还鼓励更改…

区块链学习心得

暑假在杭州一家区块链网络公司实习,由于工作原因,学习了区块链的一些基础知识,关于区块链的知识,我是学习的《区块链基础知识25讲》,这本书真的非常不错,有时间的小伙伴可以拿来学习一下。当然我这里也就是…

区块链学习路线

泛读精读,建立框架 区块链的创新在于老技术的组合创新,也正是区块链技术的系统之美,包括:分布式系统、拜占庭问题、密码学、数据结构、P2P网络等技术,以及博弈论、经济学等思想。针对这个特点要系统化学习,…

【区块链】区块链技术学习总结

文章目录 一、区块链技术简介1.1 区块链概念1.2 区块链应用1.2.1 区块链1.0技术:比特币1.2.2 区块链2.0技术:以太坊1.2.3 区块链3.0技术:价值互联网 二、区块链1.0技术比特币2.1 比特币2.1.1 比特币概念2.1.2 比特币性质2.1.3 比特币解决的问…

注意力机制综述

注意力最近几年在深度学习各个领域被广泛使用,无论是图像分割、语音识别还是自然语言处理的各种不同类型的任务中,注意力机制都在其中大放异彩 介绍 注意力(attention)机制最初应用于机器翻译任务,现在已被广泛地应用…

注意力机制原理

Attention机制在近几年来在图像,自然语言处理等领域中都取得了重要的突破,被证明有益于提高模型的性能。Attention机制本身也是符合人脑和人眼的感知机制,这次我们主要以计算机视觉领域为例,讲述Attention机制的原理,应…

GAM注意力机制

1.GAM注意力机制: 图像解析: 从整体上可以看出,GAM和CBAM注意力机制还是比较相似的,同样是使用了通道注意力机制和空间注意力机制。但是不同的是对通道注意力和空间注意力的处理。 2.CBAM注意力解析 CBAM CAM BAM 对于通道注意…

注意力机制详解系列(三):空间注意力机制

👨‍💻作者简介: 大数据专业硕士在读,CSDN人工智能领域博客专家,阿里云专家博主,专注大数据与人工智能知识分享。 🎉专栏推荐: 目前在写CV方向专栏,更新不限于目标检测、OCR、图像分类、图像分割等方向,目前活动仅19.9,虽然付费但会长期更新,感兴趣的小伙伴可以…

注意力机制+注意力汇聚

学习《动手学习深度学习》注意力机制 之后,简单做个总结。 注意力提示 假设坐在一个物品很多的房间里,我们容易受到比较显眼的物品的吸引,进而将注意力倾注在那个物品上,这样我们就忽略了周围物品;换一种情形&#x…

LSTM(RNN)中的注意力机制

一、示例代码 目的是让网络“注意”到 index2 的特征 """ 参考: https://blog.csdn.net/weixin_44791964/article/details/104000722?spm1001.2014.3001.5501 """import matplotlib.pyplot as plt import numpy as np import pand…

Tensorflow (6) Attention 注意力机制

参考: 细讲 | Attention Is All You Need 关于注意力机制(《Attention is all you need》) 一步步解析Attention is All You Need! - 简书(代码) The Illustrated Transformer – Jay Alammar – Visualizing machine learnin…

注意力机制attention图解

来自对https://jalammar.github.io/visualizing-neural-machine-translation-mechanics-of-seq2seq-models-with-attention/的笔记 注意力机制核心观点就是让RNN每一步都监视一个更大的信息集合并从中挑选信息。例如:如果你使用RNN去为一个图像生成注释,…

注意力机制Attention详解

注意力机制Attention详解 一、前言 2018年谷歌提出的NLP语言模型Bert一提出,便在NLP领域引起热议,之所以Bert模型能够火出圈,是由于Bert模型在NLP的多项任务中取得了之前所有模型都不能达到的出色效果。那么Bert模型它是如何提出的呢&#x…

注意力机制(Attention Mechanism)

注意力机制起源于应用于NLP的RNN模型,但也在其他的领域有所应用。对注意力机制的理解也是算法面试经常提及的一道基础面试题,在这篇博文里我们汇总吴恩达深度学习视频序列模型3.7和3.8以及台大李宏毅教授对Attenion Mechanism以及相关参考文献对注意力机…

注意力机制总结

导读 注意力机制,其本质是一种通过网络自主学习出的一组权重系数,并以“动态加权”的方式来强调我们所感兴趣的区域同时抑制不相关背景区域的机制。在计算机视觉领域中,注意力机制可以大致分为两大类:强注意力和软注意力。由于强…

深度学习之注意力机制(Attention Mechanism)和Seq2Seq

这篇文章整理有关注意力机制(Attention Mechanism )的知识,主要涉及以下几点内容: 1、注意力机制是为了解决什么问题而提出来的? 2、软性注意力机制的数学原理; 3、软性注意力机制、Encoder-Decoder框架与Seq2Seq 4、自注意力模型的原理。 一、注意力机制可以解决什么问…

神经网络学习小记录73——Pytorch CA(Coordinate attention)注意力机制的解析与代码详解

神经网络学习小记录73——Pytorch CA(Coordinate attention)注意力机制的解析与代码详解 学习前言代码下载CA注意力机制的概念与实现注意力机制的应用 学习前言 CA注意力机制是最近提出的一种注意力机制,全面关注特征层的空间信息和通道信息…

【Transformer 相关理论深入理解】注意力机制、自注意力机制、多头注意力机制、位置编码

目录 前言一、注意力机制:Attention二、自注意力机制:Self-Attention三、多头注意力机制:Multi-Head Self-Attention四、位置编码:Positional EncodingReference 前言 最近在学DETR,看源码的时候,发现自己…

注意力机制详解系列(一):注意力机制概述

👨‍💻作者简介: 大数据专业硕士在读,CSDN人工智能领域博客专家,阿里云专家博主,专注大数据与人工智能知识分享。公众号: GoAI的学习小屋,免费分享书籍、简历、导图等资料,更有交流群分享AI和大数据,加群方式公众号回复“加群”或➡️点击链接。 🎉专栏推荐: 目…

注意力机制详解

注意力机制详解 Attention机制由来Attention定义Encoder-Decoder框架Attenion机制的引入Attention机制的类别Hard AttentionSoft AttentionGlobal AttentionLocal AttentionSelf AttentionMulti-head Attention Attention机制的应用自然语言处理领域计算机视觉领域语音识别领域…