Intelligent Review Mechanism for Legal Compliance in Public Security Forensic System Based on Blockchain Technology
Notice bibliographique
Résumé
The legal positioning of blockchain technology applied to evidence and its attributes are the basis for its evidence review and rule design. This paper starts from analyzing the evidence attributes of blockchain electronic data, combines relevant regulations and judicial interpretations, and clarifies the legal effect of blockchain electronic data. Combined with the judicial application of blockchain evidence at home and abroad, it points out the specialized review rules of blockchain evidence. Obtain the blockchain access evidence process, and propose the block file storage method based on RS code as well as the decryption outsourcing attribute-based encryption scheme with the same sub-policy to improve the CP-ABE encryption scheme. Explore the rules for blockchain deposits and clarify the rules and institutional value of blockchain deposits for admissibility. Analyze the theoretical and practical operational performance of the improved attribute-based encryption algorithm. Optimize the evidence storage capacity of blockchain, and analyze the performance of the blockchain technology scheme designed in this paper in the intelligent review of access evidence. In the forensic scenario run by the algorithm in this paper, the stored evidence data is reduced by 1417 characters, the transaction response time is shortened by 175.361ms on average, and the block size is reduced by about 4 times. It proves that the blockchain algorithm scheme proposed in this paper can shrink the cost of depositing evidence, reduce the time of depositing evidence, and improve the efficiency of depositing evidence in the public security forensic system.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».