基于余数系统的区块链存储优化模型

来源 :天津大学 | 被引量 : 0次 | 上传用户:dh5601
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
区块链目前发展的最大瓶颈是存储问题,优化存储已成为加速区块链发展的必由之路。现有的解决方案大多会改变区块链的框架,削弱了区块链去中心化的特点。本文将区块链账户数据作为研究对象,提一种基于余数系统的区块链存储优化模型,并针对模型中存在恶意节点篡改本地数据的情况提出基于CRT Ⅱ(扩展的中国剩余定理,Chinese remainder theorem Ⅱ)和Raft算法的检纠错方案,使得提出的存储模型具有较强的容错能力。主要工作可以概况为以下几个部分:第一部分根据余数系统和区块链的特性提出基于余数系统的区块链存储优化模型。在该方案中,使用余数系统对区块链的账户数据进行压缩,在每个节点中存储一个余数基和所有账户数据对余数基取模的余数。通过将账户数据的余数存储在一个更小的模块上,每个节点上的容量可以节省90%以上。余数系统在进行线性数据操作上具有可以并行处理的余数更新特点,它允许独立处理和更新不同节点上的余数,极大的降低和节省了系统的大量网络资源开销和强大的计算力。第二部分针对恶意节点篡改本地存储的余数问题提出了基于CRT Ⅱ和Raft算法的混合检纠错方案。在检纠错方案中,使用Raft算法确认两个可信数据作为冗余基,并构造迷你冗余余数系统。在CRT Ⅱ恢复账户数据信息过程中,根据溢出判定定理判断是否存在恶意数据,若是发现恶意数据则寻找余数基相同但余数不同的数据进行替换,直至用于恢复的数据全部正确。第三部分根据数据分析选择合适的参数设定情景,通过具体的情况对该方案的可行性进行分析。首先通过实验选取余数基的位宽与个数,然后对一次性能获得多个正确数据和单个恶意数据能替换为正确数据的概率进行分析。其次使用python程序模拟区块链的核心功能,通过实验对比分析普通区块链存储空间与基于余数系统的区块链存储空间。经过对实验研究结果分析可得,本文所提的基于余数系统的区块链存储模型能节省每个节点90%以上的存储空间,有效地降低了系统的存储开销,并对提出的基于CRT Ⅱ和Raft算法的混合检纠错方案进行容错性分析,实验结果验证了该模型在实际应用中的可行性。
其他文献
目前甲状腺癌症发病率逐年上涨,居于世界女性癌症发病第四位。早期发现甲状腺癌症如果进行手术治疗,患者的5年存活率高达96%。因此,早期发现和诊断是控制病症的关键。超声成像技术具有无创性、无辐射、低成本和实时成像等优点,是早期检测和诊断甲状腺癌最常用的成像方式。然而,使用超声精准的诊断甲状腺结节需要放射科医生具有大量的临床实践经验。目前,随着深度学习的快速发展,应用深度学习技术处理医学图像问题已成为一
旋翼型无人机因其成本低、易维护、可扩展性强的特点,受到了广泛的使用。目前在大部分应用场景下都需要人工对无人机进行操作,因此有必要让无人机具有自主执行一些任务的能力,以降低其使用门槛并节省人力。无人机在自主执行任务的过程中,很多导航过程与任务的执行可以依靠视觉来自主完成。因此本文围绕一种可自主进行目标搜索、返航与精准降落的四旋翼无人机,进行了以下主要工作:首先,本文完成了帮助无人机实现上述功能的视觉
透射多光谱成像具有医学应用的潜在价值,例如乳腺肿瘤的早期筛查。但是生物组织的强散射性和强吸收性致使获得的图像信噪比低且模糊。采用帧累加技术与函数信号调制解调技术可以提升获得图像的灰阶和信噪比,进而提高异质体检出的可能性。使用帧累加结合函数信号调制解调技术获取图像数据需要进行大量计算,并且多光谱透射图像边界模糊,难以进行异质体检测。本文针对上述多光谱透射成像中的图像解调速度问题和图像中异质体的检测问
双目立体视觉是从两个视点观察同一景物,以获取在不同视角下的感知图像,通过三角测量原理计算图像像素点间的视差来获取景物的三维信息。立体视觉技术主要涉及摄像机标定、图像预处理、立体匹配、三维重建等步骤。立体匹配是其中最重要也是最困难的步骤,其主要目的是通过相应的算法获取参考图像与目标图像之间对应匹配点间的关系,生成相应的视差图,依据视差图信息及三角测量原理可得到场景的深度信息。本文介绍双目立体视觉的理
1867年,凡尔纳创作了《海底两万里》。三个勇敢的人,在偶然情况下掉落到海洋怪物的脊背上,他们发现这其实是一艘世界上最先进的多功能深潜船,伟大的尼摩船长发明并制造了这艘可以永远潜行的伟大航海器。阅读《海底两万里》,必须要把尼摩船长、"鹦鹉螺"号潜艇、疯狂的大海放在一起欣赏。因为这本书中包含了凡尔纳创造的最重要的三个形象,他们一个是真正的人类,一个是人类创造的机器,一个则是人类征服的对象。
期刊
随着互联网经济的快速发展,人们的生活品质也日益提高,对住房的设计装修、办公空间装修等有更高层次要求,进而推动了装修领域的发展。传统装修行业面临市场竞争激烈、行业门槛低、管理成本高、营销获客难、宣传成本高、签单率较低等问题,引起装修公司对该行业的思考与关注。移动装修APP系统的互联网化、移动化、地理信息化、线上线下一体化成为装修行业的标杆服务。因此,开发一款基于Android的装修平台系统成为行业的
场景感知是自动驾驶系统安全运行的重要基础。当前,驾驶场景语义分割任务的主要挑战在于数据缺少,以及实际应用中对不同天气环境下的鲁棒性和车辆高速前行中的实时性的要求较高。此外,道路场景中物体尺度差异大,物体类别多样,天气环境多变且场景复杂,也是驾驶场景语义分割任务的一大挑战。因此,综合利用模型改良、数据增强、数据生成等多种方法,提高面向自动驾驶场景的深度学习模型性能和泛化能力,并使模型有较高的鲁棒性,
由于时间序列的非线性和时变性,以往的神经网络预测方法都无法获得理想的效果。基于自适应神经网络的时序数据n步预测算法,可以让计算机利用时序的历史数据自动构建结构最优和得到最佳训练的神经网络模型,能够准确地拟合出隐藏在时序数据中的时变的非线性映射关系。这一算法应用于股市中的时序预测与实证分析后,收到了较好预测效果。
无人机配备高清摄像头,可以执行海上溢油应急监控、肇事船舶搜寻、遇险船舶和人员定位、海洋主权巡查等任务。本文旨在研发一个倒驳船检测系统,可在无人机巡逻过程中实时检测倒驳船,实现目标的识别、定位与检测,可以大大改善工作人员工作体验,提高工作效率。在本文中,我们设计了一个用于检测倒驳船的系统,该系统可以大大的节省人力和物力,提高工作效率。该系统包括实时检测和视频处理两个部分,同时该系统不仅可以在正常天气
越来越多的应用程序(例如Web搜索,数据挖掘和推荐系统)部署到数据中心,同时它们越来越依赖于高性能数据中心网络来满足用户不断增长的服务体验质量要求。现有的流量调度方法都是建立在假设数据流的信息已知(如大小和截止时间)或拓扑为对称拓扑(如Fat-Tree等)的情况下。但在实际生产过程中,数据流的信息是很难在开始发送时获取到,即使是准确的预测也是十分困难的。在这种情况下,最小化数据中心网络中的平均流完