基于多管道的区块链拜占庭共识协议研究

来源 :云南大学 | 被引量 : 0次 | 上传用户:seakider
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
拜占庭容错是指分布式环境下系统能够承受其副本任意故障(拜占庭错误)的能力,而拜占庭共识协议保证了在存在错误副本的环境下数据的一致性。随着区块链的诞生和应用使得拜占庭容错再次引起了研究者们的关注,作为一种分布式系统的特殊场景,共识协议保证了区块链中交易数据的一致性。快速、安全的共识协议是研究者们关注的核心,也对未来区块链的大规模应用和构建价值互联网有重要意义。本文从传统分布式的角度阐述了拜占庭容错共识的背景知识和共识原理,分析了传统的BFT(Byzantine Fault Tolerance)协议中基于可靠广播的两阶段共识方法(PBFT)。在PBFT中常规通信复杂度为(9)~2),视图更换复杂度更是(9)~3),高通信复杂度成为了区块链大规模应用的主要瓶颈;三阶段的共识范式(链式BFT源自Hot Stuff)虽然将协议的复杂度降低到线性进而能够应用于大规模的网络,但是单管道交易处理方式和7轮通信的提交延迟则成为了新的性能挑战。本文对三阶段共识的过程进行了详细分析,提出了多管道的共识机制,对性能做了进一步优化,突破了单管道下无法充分利用网络带宽和每轮通信的限制。本文的主要贡献有:(1)本文针对三阶段共识的链式BFT单管道共识的性能瓶颈,通过对视图进行更细粒度的划分,提出了在细粒度视图下的多管道共识协议。该协议继承了链式BFT的通信复杂度优点(9)),提升了副本利用率、带宽利用率,同时保证了协议的一致性。(2)针对三阶段共识方法在理论上存在7轮通信延迟的问题,提出了一种优化的多管道两阶段共识方法。通过减少一个阶段的共识将通信延迟降低到5轮,显著降低延迟的同时不增加视图更换复杂度级别。最后给出了多管道共识协议一致性和活性证明。(3)本文构建了基于区块链系统的共识原型,对单管道和多管道的共识方法分别进行了实现,通过实验对比发现本文提出的多管道方法在保证端到端提交延迟与单管道一致的情况下,系统的吞吐量显著提升了60%;且在具有拜占庭错误的大网络环境中性能也能优于单管道的共识。
其他文献
药物重新定位是药物研究中的一种新兴方法,用于确定已批准药物的新治疗潜力并发现未治疗疾病的药物治疗方案。基因组学的进步,以及生物学数据的巨大增长,进一步地促进了计算药物重新定位方法的性能。特别是基于深度学习的药物-疾病关联预测方法,使计算药物重新定位领域成为一个活跃的领域,基于深度学习的计算方法更加精准地确定了已知药物-疾病关联的潜在因素,然后通过潜在因素之间的相关性推断出新的药物-疾病关联关系,因
学位
哺乳动物组织是高度复杂的系统,由多达万亿个细胞组成,这些细胞在种类、时间和空间上都不同,但它们相互协调,形成独特的微环境,以维持器官功能和处理信息,进而确定细胞身份。无数具有不同功能类型的细胞加上发育(时间)和区域(空间)差异构成了哺乳动物器官组织转录异质性的主要组成部分。因此,在单个细胞中探究其功能身份并定位空间位置将有助于人们更好的了解复杂的器官组织。单细胞转录组测序(single-cell
学位
随着软硬件设备的智能化发展,病理影像技术越发成熟,对病理图像的分析逐渐成为国内外研究热点,广泛应用于肺癌、乳腺癌、结肠癌、食道癌、乳糜泻等疾病的预后分析。精准的预后判断是患者后续治疗的关键。因此,在实施手术或新辅助放化疗前利用病理图像分类技术对肿瘤的发展进行精准预测对制定个性化的治疗方案非常重要,包括避免过度治疗和及时选择替代治疗。除此之外,它还能帮助患者规避手术带来的风险和不确定后果。目前,主流
学位
随着人类基因组计划的顺利实施和后基因组时代的来临,为生命科学的研究开创了新纪元。生物信息学的主要研究内容是从DNA序列和蛋白质序列中运用统计学、计算机科学、生物化学、医学等专业领域的知识和技术去分析序列的结构和功能,探究生物遗传的潜在规律。在序列比对研究中常用比对和非比对的方法,利用图形表示序列的非比对法为序列比对带来了直观且便利的操作。目前图形表示法仍存在一定的局限性,信息丢失、图形退化、可视化
学位
鸡传染性鼻炎是鸡的一种常见的细菌性传染病,换季时节和产蛋期高发,可引起青年鸡群成活率下降和产蛋鸡群产蛋率下降等,给国内养鸡业造成巨大的经济损失。本文阐述了目前一些养鸡场主或管理者在鸡传染性鼻炎疫苗接种工作中存在的一些误区,建议根据鸡传染性鼻炎的发病流行规律,制定科学合理的防控方案,即在做好生物安全和饲养管理等前提下,仍需开展鸡群开产前、后的疫苗接种工作,以更好地应对鸡传染性鼻炎高发区域的感染压力。
期刊
社交机器人旨在通过与用户交流来满足不同对话场景下的用户需求,其核心是对话生成模型。根据场景的不同,模型可分为闲聊对话模型、问答对话模型以及垂直领域的任务解析对话模型。本文研究闲聊对话模型中的个性化对话生成问题。具体来说,一个优秀的闲聊对话模型被要求具备拟人化特征,这表现为除了具备流畅的对话响应外,还应具备人物相关属性的阐述。由于社交网络庞大且涉及用户众多,大量的人物属性被包含在其中,个性化表达就成
学位
社交聊天表情图像合成是跨模态文本生成图像(Text-to-image,T2I)领域的一个典型应用,即根据用户的文本描述,生成一张符合语义信息的聊天表情图像。传统的聊天表情图像获取是在预定义的表情图像库中,通过关键字检索或匹配的方式获取。这种预先定义的表情图像是固定且有限的,不能满足社交用户需求。近几年以来,一些基于生成对抗网络的文本生成图像方法已能生成较高质量的、符合一定语义信息的图像,为聊天表情
学位
查询优化一直是数据库领域的关键问题。数据库的业务应用需要大量的查询执行支持,查询执行的速度决定了数据库的整体效率,查询优化是加速查询执行的主要手段。传统数据库领域经过数十年的研究,积淀了大量的查询优化成果。传统的查询优化方法通常借用过往的研究经验,设置固定的规则进行查询优化。固定的规则设置具有普适性,但是该方式缺乏学习性不能随着数据分布的改变应用不同的规则。同时传统的查询优化器需要工作人员调整大量
学位
随着深度学习日渐成熟,目前很多工业场景已经大规模应用深度学习模型。但现实中的数据集和训练集存在较大差异,例如不同背景下、不同光照下的图像,从而导致模型对真实数据集分类效果不佳。因此研究人员提出了域自适应模型,针对不同环境下的数据集进行特征对齐,使得模型能够识别出两个域之间图像的共有特征,实现不同域之间的自适应。虽然域自适应模型可以很好地解决上述问题,但近几年针对深度学习安全性的讨论愈发火热,对抗攻
学位
随着深度生成模型的不断升级,深度伪造技术越发成熟,该技术被别有用心之人所用,可能会对社会稳定和网络空间安全构成一定威胁。目前,深度伪造检测已引起各界关注,已有很多针对虚假图像检测的方法被提出,但现存的大部分方法所用数据集样本量较大且模型泛化性能较弱。针对以上问题,本文基于大量的文献阅读,对深度伪造技术进行归纳分析,结合现存深度伪造检测模型的优点,对深度伪造检测展开研究。本文主要成果包括以下两方面:
学位