【摘 要】
：
共识算法是区块链系统中重要的组成部分,具有维持数据一致性、保障系统安全性的作用,对区块链系统的性能有很大影响。联盟链与公有链相比,节点数量较少并且存在准入机制,因此普遍使用基于投票的共识算法,例如Raft共识算法和PBFT共识算法。Raft共识算法具有通信时间复杂度低、吞吐量高、时延低、可理解性强等优势,极大地提高了对交易的处理能力,推动了联盟链项目落地。然而Raft共识算法仅能容忍故障错误,无法
论文部分内容阅读
共识算法是区块链系统中重要的组成部分,具有维持数据一致性、保障系统安全性的作用,对区块链系统的性能有很大影响。联盟链与公有链相比,节点数量较少并且存在准入机制,因此普遍使用基于投票的共识算法,例如Raft共识算法和PBFT共识算法。Raft共识算法具有通信时间复杂度低、吞吐量高、时延低、可理解性强等优势,极大地提高了对交易的处理能力,推动了联盟链项目落地。然而Raft共识算法仅能容忍故障错误,无法拜占庭容错,虽然联盟链中具有准入机制,在一定程度上保证了安全性,但是由于各组织机构之间可能存在竞争关系,一些长期离线的节点可能被攻击,因此仍需考虑联盟链中存在拜占庭节点的问题。PBFT共识算法能够拜占庭容错,但通信时间复杂度较高,当联盟链中节点数量增多时,对交易的处理能力变弱,该算法不会对集群中已作恶的拜占庭节点进行处罚,导致拜占庭节点仍有可能在共识过程中继续作恶,扰乱共识进程。针对Raft共识算法无法满足拜占庭容错、PBFT共识算法复杂且对拜占庭节点没有处罚的问题,本文对联盟链中共识算法的理论基础、性能、拜占庭容错机制进行研究,提出了一种基于信誉机制的可拜占庭容错的共识算法rbRaft（reputationbased Raft）。本文主要的研究工作包括:（1）为了解决共识算法对拜占庭节点没有处罚,导致拜占庭节点在系统中一直破坏共识过程,影响共识效率的问题,rbRaft共识算法构建了信誉机制模型。当节点加入到联盟链中,为其设定初始信誉值,根据节点每一轮共识的表现,重新计算节点的信誉值。如果节点积极地做诚实行为,那么它的信誉值就会变高,但是一旦节点做恶意行为,该节点的信誉值会降低很多,即使该节点之后做诚实行为其信誉值增加速度会更加缓慢。根据节点的信誉值进行领导者选举,如果当前领导者节点的信誉值低于平均值,便重新选择信誉值符合条件的节点作为领导者。通过信誉机制选择信誉值较高的节点担任领导者,可以在一定程度上保证领导者节点具有较高的可信度,并且是积极的,不会轻易被攻击为拜占庭节点。（2）为了解决Raft共识算法无法拜占庭容错的问题,rbRaft共识算法在Raft共识算法的基础上,添加了数字签名,领导者节点在生成区块的时候,添加自己的数字签名,并把该区块转发给所有的跟随者节点,其他节点对区块进行验证,如果验证通过,则该节点添加自己的签名,并发送给领导者,领导者收到2/3以上节点的签名,将其组合成签名列表,发送签名列表给跟随者节点,跟随者验证成功后,该区块即可上链。数字签名保证了拜占庭节点无法作恶,并且可以通过数字签名确认出拜占庭节点,该共识算法能够在存在拜占庭节点的环境中也能完成共识。（3）本文通过编程实现了rbRaft共识算法,通过记录共识过程中节点信誉值变化以及交易吞吐量、时延等数据,将rbRaft共识算法与PBFT共识算法、Raft共识算法进行对比。通过大量的实验分析得出,本文提出的基于信誉机制的拜占庭容错rbRaft共识算法在交易的时延、吞吐量有较好的性能,能够满足商业应用前景。
其他文献
古文字作为人类用符号来记录古代历史、经济、文化、科学技术发展的瑰宝,其对文明历史的传承和知识文化的传播发挥着不可替代的作用。然而古文字一直是冷门领域,相关的研究资料也是非常贫瘠。究其原因主要是其自身的特殊性,比如需要掌握丰富的专业知识和多年的研究经验的学者,同时由于历史发展和保护条件有限,大量古文字载体存在不同程度的损毁。因此古文字的保护研究工作迫在眉睫。古文字识别是古文字学最为核心的研究课题,本
随着经济社会和科学技术的不断发展,社会的交互关系逐渐网络化,如从企业邮件转发网络到全球通讯网络,从城市居民出行网络到全球交通网络。这些网络从抽象、具体,以及微观、宏观等多个层面对现实的复杂系统进行描述,因此通过利用网络科学和计算机科学的理论来挖掘复杂系统中的共性特征和潜在的组织结构,为理解复杂而又抽象的现实世界提供了有效的依据。然而,当今社会经济的不断膨胀引起了网络规模的急剧扩张以及复杂化,给网络
作为自然语言处理领域的一项关键任务,实体关系抽取受到越来越多的关注,其目的是从原始文本中获取结构化知识,得到＜头实体、关系、尾实体＞形式的三元组。提取的三元组被广泛用于知识图谱、智能搜索、电商推荐、问答系统等领域,有着重要的研究与应用价值。实体关系联合抽取利用实体和关系间紧密的信息交互,同时抽取实体以及实体对之间的关系,很好地缓解了流水线方法所存在的错误传播等问题。中英文由于语言之间的差异性,在实
近年来,随着互联网技术的发展以及信息搜集工具的进步,我们的生活已经被各种各样的数据包围。数据信息已然成为了一种十分重要的资源,对人们有着十分重要的意义。如何从海量的,纷繁复杂的数据中提取有用的信息成为了科学界与产业界共同关注的热点。因此,各式各样的数据挖掘方法被不断地提出。聚类,作为数据挖掘领域地一个重要的技术手段,它可以在无任何先验知识的情况下,通过探究数据之间的内在关系来将一组对象进行划分归类
自然界中的事物以不同的形式相互联系着,这种联系构成了一种复杂的系统。如何从这种复杂系统中寻找出其内在蕴含的信息,揭示系统的运行规律,探究事物发展和联系的本质,已逐渐成为科学家的研究焦点。如果把复杂系统中的事物个体抽象为网络中的节点,把事物个体间的关系抽象为网络的连边,那么就可以把复杂系统抽象为复杂网络。随着对复杂网络研究的不断深入,复杂网络的分析方法已渗透到现实世界的各个领域,被广泛应用于社会、交
不管是传统的机器学习,还是现在的深度学习,事件序列预测任务都始终贯穿了它们的发展历程。具体而言,机器学习模型需要从事件序列（Events Sequence）中提取合适的历史信息,并通过这些历史信息得到未来事件的条件概率分布,从而实现对未来事件的预测。一般而言,深度学习使用循环神经网络（Recurrent Neural Network,RNN）,或是带有掩盖机制（Mask）的自注意力（Self-At
目标检测和视觉导航是无人驾驶的关键技术。传统的道线检测依赖于特征提取和检测校正，交通标志识别依赖于色彩分析和图像分割，然而道路场景的剧烈变化导致算法的鲁棒性较差。基于模拟的无人驾驶场景，本文探究深度学习模型LaneNet和YOLOv4，以完成智能车的视觉导航与目标识别。针对不同识别任务，文章采取传统视觉与深度学习结合的方式，保证算法的鲁棒性与实时性。在室内模拟场景中，智能车的无人驾驶系统能够准确实
钟秉林教授的新版著作《高考改革：理想与现实》，聚焦新高考改革，基于访谈和问卷调查等实证研究方法，对新高考改革进行持续的跟踪评估，为推进新高考提供理论支持，是新高考改革研究的重要成果。该书既肯定新高考的成效，也直面问题，为完善新高考提供改革参考。该书所收录的多篇论文曾对新高考改革的政策调整与实践改进起到实质性推动作用，产生了较大的社会效益和学术影响。
聚类,也称为聚类分析,是最基本和最重要的无监督学习范式之一。它旨在根据数据样本间的相似度情况,将样本划分到不同的簇（组）,分配到同一个簇中的样本的相似性高,不同簇中的样本的相似性低。传统的聚类算法仅能从给定的数据中找出一个聚类结果。然而,由于数据采集和存储技术的进步,人们所分析的数据更为复杂,其中可能包含不同种类的异构特征。例如,数据集中的特征可能包含不同量纲的特征或采集自多个来源。这些特征的不同
为提高智能车在不同速度和载荷下的路径跟随精度和稳定性，提出一种基于反馈纯跟踪的智能车路径跟随方法。首先，基于车辆运动学模型和纯跟踪模型分析影响控制效果的因素；然后根据车辆速度和路径曲率动态调整前视距离，将横向偏差作为反馈变量对传统纯跟踪控制方法进行补偿；接着通过仿真试验选定控制参数，分析控制参数对路径跟随精度和车辆稳定性的影响；最后通过实车试验，验证该方法在实车环境中的控制性能。结果表明，该方法具