本技术涉及区块链领域，尤其涉及一种基于区块链的数据审计方法、装置、设备、介质及产品。
背景技术：
1、随着互联网和数字化技术的不断发展，金融业务和交易日益增多，传统审计方法已经难以满足审计工作的需求。传统的审计工作通常需要进行人工收集、整理和核对大量的数据，但是审计人员获取到的交易数据的真实性和可靠性无法被全程追溯，容易造成一定的审计风险。而区块链技术作为一种去中心化、分布式的信息记录和共享技术，可以提供更加安全、透明和高效的审计解决方案，区块链技术可以将审计信息记录在区块链上，实现审计数据的实时共享和验证，确保审计过程中数据的完整性和安全性，防止数据篡改和伪造，以提高审计工作的效率和准确性。
2、现有的基于区块链的数据审计方法需要遍历整条区块链以获取到每个区块中包含的业务数据，再进行人工审计分析。
3、然而，现有的基于区块链的数据审计方法存在以下问题：在区块链上查询数据需要遍历整个区块链，数据查询的效率较低；审计机构查询时仅对用户身份进行验证，无法保证访问数据时的安全性；人工对数据进行审计分析，效率和准确度较低。
技术实现思路
1、本技术提供一种基于区块链的数据审计方法、装置、设备、存储介质及产品，用以解决现有的基于区块链的数据审计方法存在的数据查询的效率较低、用户访问数据时的数据安全性较低以及人工审计数据时审计效率和准确度较低的问题。
2、第一方面，本技术提供一种基于区块链的数据审计方法，包括：
3、获取用户发送的数据查询请求，所述数据查询请求用于指示在区块链对应的时序数据库中查询多个目标历史区块数据，所述数据查询请求包括：用户id、目标时间信息；
4、根据所述用户id和所述目标时间信息，确定所述多个目标历史区块数据对应的目标时序索引，并根据所述目标时序索引获取所述多个目标历史区块数据；
5、将所述多个目标历史区块数据输入至目标审计模型，得到所述多个目标历史区块数据的审计结果，所述目标审计模型是根据多个历史区块数据的历史审计结果训练得到的。
6、可选的，所述获取用户发送的数据查询请求之前，所述方法还包括：
7、获取区块链上的多个历史区块数据，所述历史区块数据包括第一哈希值和时间字段；
8、基于哈希算法对所述多个历史区块数据进行运算处理，得到所述多个历史区块数据对应的第二哈希值；
9、根据所述多个历史区块数据对应的第一哈希值和第二哈希值，确定每个历史区块数据的读取状态，所述读取状态包括：正常状态和异常状态；
10、根据所述读取状态为正常状态的多个历史区块数据对应的时间字段，对所述多个历史区块数据进行排序处理，得到历史区块数据序列表；
11、将所述多个历史区块数据按照所述历史区块数据序列表存储至所述时序数据库中。
12、可选的，所述根据所述多个历史区块数据对应的第一哈希值和第二哈希值，确定每个历史区块数据的读取状态，包括：
13、分别判断所述多个历史区块数据对应的第二哈希值与第一哈希值是否匹配；
14、若所述历史区块数据的第二哈希值与第一哈希值匹配，则确定所述历史区块数据的读取状态为正常状态；
15、若所述历史区块数据的第二哈希值与第一哈希值不匹配，则确定所述历史区块数据的读取状态为异常状态。
16、可选的，所述将所述多个历史区块数据按照所述历史区块数据序列表存储至所述时序数据库中之后，所述方法还包括：
17、建立所述多个历史区块数据与对应的用户id之间的关联关系，得到权限认证规则，并基于所述多个历史区块数据对应的时间字段为每个历史区块数据建立对应的时序索引。
18、可选的，所述根据所述目标时序索引获取所述多个目标历史区块数据，包括：
19、根据所述权限认证规则，对所述用户id进行访问权限认证；
20、在所述访问权限认证通过后，根据所述目标时序索引，获取所述多个目标历史区块数据。
21、可选的，在所述访问权限认证未通过后，根据所述数据查询请求，生成第一响应信息，并将所述第一响应信息反馈至用户，所述第一响应信息用于指示所述用户id对所述目标历史区块数据没有访问权限。
22、可选的，所述历史区块数据还包括：历史交易信息，所述方法还包括：
23、构建神经网络模型，并根据所述读取状态为正常状态的多个历史区块数据对应的历史交易信息和时间字段，确定所述多个历史区块数据的历史审计结果，所述历史交易信息包括：交易输入地址、交易输出地址、交易金额；
24、根据所述多个历史区块数据以及每个历史区块数据对应的历史审计结果，确定所述神经网络模型的样本数据集；
25、将所述样本数据集输入至所述神经网络模型，以对所述神经网络模型进行训练，得到能够对历史区块数据进行审计处理的所述目标审计模型。
26、可选的，所述根据所述读取状态为正常状态的多个历史区块数据对应的历史交易信息和时间字段，确定所述多个历史区块数据的历史审计结果，包括：
27、根据多个历史交易信息对应的交易输入地址和交易输出地址，确定所述多个历史区块数据的交易关联特征参数；
28、根据所述交易关联特征参数与所述多个历史区块数据对应的时间字段，得到所述多个历史区块数据对应的交易频率特征参数；
29、根据所述多个历史交易信息对应的交易金额和所述交易频率特征参数，确定所述多个历史区块数据的交易模式特征参数；
30、根据所述交易关联特征参数、交易频率特征参数以及交易模式特征参数，确定所述多个历史区块数据的历史审计结果。
31、可选的，所述根据所述交易关联特征参数、交易频率特征参数以及交易模式特征参数，确定所述多个历史区块数据的历史审计结果，包括：
32、在所述交易关联特征参数、交易频率特征参数以及交易模式特征参数处于对应的预设参数范围内时，确定所述多个历史区块数据的历史审计结果为正常；
33、在所述交易关联特征参数或交易频率特征参数或交易模式特征参数中的任一项不处于对应的预设参数范围内时，确定所述多个历史区块数据的历史审计结果为异常。
34、第二方面，本技术提供一种基于区块链的数据审计装置，包括：
35、获取模块，用于获取用户发送的数据查询请求，所述数据查询请求用于指示在区块链对应的时序数据库中查询多个目标历史区块数据，所述数据查询请求包括：用户id、目标时间信息；
36、处理模块，用于根据所述用户id和所述目标时间信息，确定所述多个目标历史区块数据对应的目标时序索引，并根据所述目标时序索引获取所述多个目标历史区块数据；
37、所述处理模块，还用于将所述多个目标历史区块数据输入至目标审计模型，得到所述多个目标历史区块数据的审计结果，所述目标审计模型是根据多个历史区块数据的历史审计结果训练得到的。
38、可选的，所述获取模块，还用于获取区块链上的多个历史区块数据，所述历史区块数据包括第一哈希值和时间字段；
39、所述处理模块，还用于基于哈希算法对所述多个历史区块数据进行运算处理，得到所述多个历史区块数据对应的第二哈希值；
40、所述处理模块，还用于根据所述多个历史区块数据对应的第一哈希值和第二哈希值，确定每个历史区块数据的读取状态，所述读取状态包括：正常状态和异常状态；
41、所述处理模块，还用于根据所述读取状态为正常状态的多个历史区块数据对应的时间字段，对所述多个历史区块数据进行排序处理，得到历史区块数据序列表；
42、所述处理模块，还用于将所述多个历史区块数据按照所述历史区块数据序列表存储至所述时序数据库中。
43、可选的，所述装置还包括：判断模块；
44、所述判断模块，还用于分别判断所述多个历史区块数据对应的第二哈希值与第一哈希值是否匹配；
45、所述处理模块，还用于在所述历史区块数据的第二哈希值与第一哈希值匹配时，确定所述历史区块数据的读取状态为正常状态；
46、所述处理模块，还用于在所述历史区块数据的第二哈希值与第一哈希值不匹配时，确定所述历史区块数据的读取状态为异常状态。
47、可选的，所述处理模块，还用于建立所述多个历史区块数据与对应的用户id之间的关联关系，得到权限认证规则，并基于所述多个历史区块数据对应的时间字段为每个历史区块数据建立对应的时序索引。
48、可选的，所述处理模块，还用于根据所述权限认证规则，对所述用户id进行访问权限认证；
49、所述处理模块，还用于在所述访问权限认证通过后，根据所述目标时序索引，获取所述多个目标历史区块数据。
50、可选的，所述处理模块，还用于在所述访问权限认证未通过后，根据所述数据查询请求，生成第一响应信息，并将所述第一响应信息反馈至用户，所述第一响应信息用于指示所述用户id对所述目标历史区块数据没有访问权限。
51、可选的，所述处理模块，还用于构建神经网络模型，并根据所述读取状态为正常状态的多个历史区块数据对应的历史交易信息和时间字段，确定所述多个历史区块数据的历史审计结果，所述历史交易信息包括：交易输入地址、交易输出地址、交易金额；
52、所述处理模块，还用于根据所述多个历史区块数据以及每个历史区块数据对应的历史审计结果，确定所述神经网络模型的样本数据集；
53、所述处理模块，还用于将所述样本数据集输入至所述神经网络模型，以对所述神经网络模型进行训练，得到能够对历史区块数据进行审计处理的所述目标审计模型。
54、可选的，所述处理模块，还用于根据多个历史交易信息对应的交易输入地址和交易输出地址，确定所述多个历史区块数据的交易关联特征参数；
55、所述处理模块，还用于根据所述交易关联特征参数与所述多个历史区块数据对应的时间字段，得到所述多个历史区块数据对应的交易频率特征参数；
56、所述处理模块，还用于根据所述多个历史交易信息对应的交易金额和所述交易频率特征参数，确定所述多个历史区块数据的交易模式特征参数；
57、所述处理模块，还用于根据所述交易关联特征参数、交易频率特征参数以及交易模式特征参数，确定所述多个历史区块数据的历史审计结果。
58、可选的，所述处理模块，还用于在所述交易关联特征参数、交易频率特征参数以及交易模式特征参数处于对应的预设参数范围内时，确定所述多个历史区块数据的历史审计结果为正常；
59、所述处理模块，还用于在所述交易关联特征参数或交易频率特征参数或交易模式特征参数中的任一项不处于对应的预设参数范围内时，确定所述多个历史区块数据的历史审计结果为异常。
60、第三方面，本技术提供一种基于区块链的数据审计设备，包括：
61、存储器；
62、处理器；
63、其中，所述存储器存储计算机执行指令；
64、所述处理器执行所述存储器存储的计算机执行指令，以实现如上述第一方面以及第一方面各种可能的实现方式所述的基于区块链的数据审计方法。
65、第四方面，本技术提供一种计算机存储介质，其上存储有计算机执行指令，所述计算机执行指令被处理器执行以实现如上述第一方面以及第一方面各种可能的实现方式所述的基于区块链的数据审计方法。
66、第五方面，本技术提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上所述的基于区块链的数据审计方法。
67、本技术提供的基于区块链的数据审计方法，通过获取用户发送的数据查询请求，所述数据查询请求用于指示在区块链对应的时序数据库中查询多个目标历史区块数据，所述数据查询请求包括：用户id、目标时间信息，根据所述用户id和所述目标时间信息，确定所述多个目标历史区块数据对应的目标时序索引，并根据所述目标时序索引获取所述多个目标历史区块数据，将所述多个目标历史区块数据输入至目标审计模型，得到所述多个目标历史区块数据的审计结果；该方法实现了在区块链上查询数据时无需遍历整个区块链，提高了数据查询的效率，并且提高了审计效率和准确度。
1.一种基于区块链的数据审计方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取用户发送的数据查询请求之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述多个历史区块数据对应的第一哈希值和第二哈希值，确定每个历史区块数据的读取状态，包括：
4.根据权利要求3所述的方法，其特征在于，所述将所述多个历史区块数据按照所述历史区块数据序列表存储至所述时序数据库中之后，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述目标时序索引获取所述多个目标历史区块数据，包括：
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
7.根据权利要求4所述的方法，其特征在于，所述历史区块数据还包括：历史交易信息，所述方法还包括：
8.根据权利要求7所述的方法，其特征在于，所述根据所述读取状态为正常状态的多个历史区块数据对应的历史交易信息和时间字段，确定所述多个历史区块数据的历史审计结果，包括：
9.根据权利要求8所述的方法，其特征在于，所述根据所述交易关联特征参数、交易频率特征参数以及交易模式特征参数，确定所述多个历史区块数据的历史审计结果，包括：
10.一种基于区块链的数据审计装置，其特征在于，所述装置包括：
11.一种电子设备，其特征在于，所述电子设备包括：处理器，以及与所述处理器通信连接的存储器；
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-9任一项所述的基于区块链的数据审计方法。
13.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现权利要求1-9中任一项所述的基于区块链的数据审计方法。
