NO.1 论文简介
区块链作为一个可以记录加密的分布式账本而受欢迎，通过共识算法在不受信任的节点网络中确保账本的交易一致性。投票类共识协议的广播过程需要进行大量网络转发，通信开销巨大，严重影响链上性能。随着节点数量增加，性能急剧下降，大规模节点的可扩展性受到严重制约。针对以上问题，本文将共识过程作为一个优化问题，提出一种使用学习自动机进行投票决策的拜占庭容错共识算法。将学习自动机嵌入区块链节点代替节点完成共识投票相关操作，降低节点恶意操作对系统的影响。共识决策由主节点与其相邻学习节点共同完成，主节点依据准则函数和整体投票结果对学习节点投票做出反馈，学习节点依据反馈调整投票策略，主节点准则函数收敛则达成共识。提出加速共识收敛的策略，调整学习自动机规则减少故障节点的影响，提出一种奖惩机制提高诚实节点参与共识过程的积极性，减少共识时延。实验结果表明在大规模节点场景下本文提出的共识算法相比现有算法复杂度更低，在面对拜占庭节点 时也表现出更好的容错性，在保持快速交易的同时减少了故障节点的影响，保证了大规模节点网络的可扩展性和容错性。
NO.2 主要贡献
（1）将学习自动机应用于BFT共识算法的设计中，提出一种基于学习自动机的拜占庭容错共识算法，使用完全分布式的算法代替节点投票进行区块共识决策。通过所提出的算法，使网络具有认知功能，能够自动识别恶意节点和故障节点，节点依据反馈动态调整决策，降低拜占庭节点对系统的影响，增强容错性。
NO.3 研究结论
本文提出了一种使用学习自动机代替投票方案的拜占庭容错共识决策算法OFD-BFT。将学习自动机与区块链共识算法相结合，以实现共识算法对更多故障节点的容错性。节点间以信任关系分区组成多个主节点为中心的单向信任网络关系图，将块验证过程视为一个主节点和学习节点之间的一个优化问题，借助单向信任网络关系图使节点投票决策可以通过反馈进行再次调整。在区块链节点中嵌入学习自动机，依据设置的策略来自动执行对新块的决策过程，降低参与成本，并通过限制消息操纵来提高安全性，避免节点恶意操作共识过程及结果 。所提议共识算法的效率取决于主节点使用的准则函数的收敛速度，通过调整初始参与者的行动概率及设置奖惩机制来加速收敛过程，减少共识时延。通过在主节点的单峰准则函数变化率确定奖惩策略，使得不同阶段相同动作带来的收益不同，促使节点做出加速共识收敛的决策。本文对所提的共识方案进行详细的性能与安全分析，相比于PBFT算法具有更低的通信复杂度，对故障节点有好的容错能力，面对大规模节点有更好的可扩展性。
NO.4 论文资助
国家自然科学基金（61373116）
陕西省重点研发计划项目（2022GY-038）
工业和信息化部通信软科学项目（2018-R-26）
工业和信息化部通信软科学项目（2017-R-22）
陕西省教育厅科学研究计划项目（18JK0697）
陕西省社会科学基金（2016N008）
西安市社科规划基金（17X63）
NO.5 作者介绍
翟社平（1971—），男，教授，
E-mail：zhaisheping@xupt.edu.cn。
E-mail：cyq0408up@163.com。
E-mail：290934920@qq.com。
E-mail：18691729079@163.com。
·引用格式·
翟社平, 曹永强, 杨锐, 张瑞婷. 支持动态反馈决策的拜占庭容错共识算法(2024) [J/OL]. 西安电子科技大学学报, [2024-09-10]. https://doi.org/10.19665/j.issn1001-2400.20240902
“扫描二维码查看原文”
编辑：许瀚樱
校对：杨 薇
审核：牛姗姗
· 推荐阅读 ·
- 联系我们 -
xuebao@mail.xidian.edu.cn
