基于异步共识的区块链分片方法研究

来源 :南京邮电大学 | 被引量 : 0次 | 上传用户:xiongying1207
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
区块链技术应用面临硬件需求较高、区块链系统吞吐量较低、共识机制漏洞很多、交易信息处理效果不好等问题,对基于异步共识的区块链分片方法进行了相关研究。为了更好地处理区块链系统瓶颈问题,从区块链分片技术、共识机制、跨分片交易三方面展开探讨,本文的主要贡献概括如下:(1)为了克服区块链分片效果不好节点分配不均的问题,提出了一种基于矩阵的跳跃哈希分片算法,在高效的一致性哈希算法的基础上,结合节点信用策略和虚拟分片技术来构建区块链分片,根据节点迁移情况验证节点分布均匀性。实验结果表明,所提算法减少了分片的构建时间,比Ethereum项目快24.7%,比Zilliqa项目快18.3%。(2)为了解决区块链分片系统的共识效率不高问题,在分片技术的基础上,设计了一种由底层异步共识组和上层异步共识组构建的分层异步共识架构,并提出混合共识算法DB-PBFT(基于波达计数法的委托权益证明和实用拜占庭容错算法),实现异步共识节点选举、节点出块、节点验证、恶意节点处理的异步共识过程,可更好地适应异步环境,且不会过度牺牲区块链系统的安全性。实验结果表明,所提异步共识架构下的混合共识算法提高了共识效率,比单独的实用拜占庭容错算法减少30.5%的共识时间。(3)为了处理区块链分片系统交易验证的性能不高问题,提出了一种区块链分片系统的跨分片交易策略。在异步共识架构的基础上,采用多分片、多次共识验证方法进行交易验证,其中的区块链跨分片交易模型通过分片交易算法和交易流程实现跨分片交易策略。实验结果表明,在不影响数据一致性的同时,所提跨分片交易策略的系统交易时延比Ethereum项目快50%,比Zilliqa项目快35%,吞吐量的增长率分别是这两个项目的5倍和0.4倍。
其他文献
近几年来,随着相机硬件和深度学习技术的不断进步,人体运动捕捉技术逐渐成为计算机视觉领域的重要方向,可以通过图片或视频数据获取准确的2D人体骨架、3D人体骨架和人体模型等。在工业领域也有着很高的研究价值和发展前景,比如虚拟试衣、游戏电影特效、虚拟现实游戏和体育运动辅助训练等。但在实际工业应用中,大多都采用演员穿戴带有标记装置的特殊衣服来进行人体运动捕捉,借助装备的辅助可以获取非常精确的人体运动位姿,
学位
<正>近一段时间,山东淄博凭借烧烤爆红网络,“五一”假期更有24万人次涌入,淄博一夜之间成为“网红城市”。小小一支烤串,为何竟做成不可估量的大生意?如何把网络流量变成线下“留量”?如何将“一时现象”的特产打造成“地区品牌”的产业?这些都是留给我们冷静之后的思考。
期刊
水下目标检测技术可以应用于海洋环境监测、水下养殖、水下机器人导航、海洋勘探等领域。然而,由于水下场景的特殊性:水中弱小目标聚集堆积,且受到光线的吸收与散射影响,极易导致模糊遮挡、色彩失真等问题,使得发展高质量鲁棒的水下目标检测算法仍是一个极具挑战性的技术难题。另外,直接采用通用目标检测算法时,未能考虑水下应用场景的需求,进而影响检测精度。为解决这些问题,提升水下目标检测的精度与鲁棒性,本论文构建了
学位
我国广大地区均蕴含着大量的风能资源,大规模建立风力发电能源基地是我国实现“碳达峰,碳中和”的重要途径。并且近年来伴随着高压直流输电系统的迅猛发展,含高比例风电送端电网经交直流混联系统外送至负荷中心已成为一种主流的输电形式。但是大规模风电场并网深刻改变了传统电力系统的动态特性,增加了现代电力系统运行分析的复杂度,进一步地影响含高比例风电的电力系统安全稳定运行。为更好地向未来电力系统的规划、调控和运维
学位
随着清洁能源的发展,风电机组的正常运行是保障风力发电的重要基础。其中叶片结冰作为一种严重影响风电机组工作的故障,会导致风能转化为电能效率低下、叶片覆盖大质量冰块易断裂伤人等各种极端情况。因此,根据风机工况参数、环境参数等容易获得的数据以低代价、高效率的方式准确且及时地检测出叶片结冰状态,对于提高风能转换电能效率、延长设备寿命和保证人身安全性有极大的价值。本文针对风机叶片结冰预测方法进行了研究,主要
学位
近年来,多智能体系统的协同控制成为了工业控制、人工智能以及电子信息等领域的研究热点。由于在实际情形中,单个智能体已经无法解决复杂、大规模以及具有较多不确定性的问题。而使用集成度以及结构复杂度较高的单个智能体势必会造成成本高昂,导致工作效率低下。鉴于此,多智能体系统的协同控制这种由多个功能相对单一的智能体按照一定的规则组合并相互作用以完成全局任务的技术凭借其工作高效且成本相对低廉的优点而有着非常广阔
学位
非线性系统最为重要的一个特性是不能使用叠加原理来进行分析,这决定了该类系统在研究上的复杂性,非线性系统最重要的问题之一就是确定系统的数学模型。模糊神经网络因其具有自主学习、迅速寻找问题最优解的特点而受到了诸多学者的关注,并且在系统辨识上有着优异的表现,在生物、化学、物理等领域中都能看到其身影。尽管如此,大量的研究数据表明模糊神经网络在辨识速度和模型精度上仍然存在提升空间,为了得到更好的系统模型,研
学位
随着工业系统的不断发展,研究者们在生产生活中逐渐发现单一的智能体在工作时往往无法满足日益增长的生产需求,于是关于多智能体系统一致性算法的研究迎来了一波热潮。尤其是在人工智能时代来临的大环境下,多个简单的智能体相互配合,从而完成更为繁重的工作就变得非常重要。随着数学、计算机等基础学科的发展,关于多智能体系统一致性算法的研究也取得了很大进步。为了改进集中式控制中需要中心节点、对信息需求高的缺点,分布式
学位
近年来在深度学习的发展下,基于卷积神经网络的图片分类和目标检测取得了突破性的进展。这些基于深度神经网络的分类器和检测器往往都需要大量的训练样本才能达到理想的检测效果。然而在很多现实应用中,如医疗领域,航天领域,濒危野生动物等,样本的数量远远小于这些分类器和目标检测器的要求。针对面向小样本数据时,拥有大量训练参数的神经网络往往会产生过拟合的问题。本文重点研究基于深度学习的小样本学习算法,从图像分类和
学位
作为基于能量守恒定理建立的动力学系统模型,Euler-Lagrange系统能够用来表示几乎所有的物理以及力学系统的结构和运动特征,比如无人机、移动机器人、自动车辆等。相对于单个Euler-Lagrange系统,机动性、灵活性、可操作性和可执行性是多Euler-Lagrange系统所具备的主要特征,多Euler-Lagrange系统的一致性控制可以应用于如航天器交会对接、卫星姿态调整、多机械臂协调等
学位