降低多轮PBFT验证分片失效率的节点分配方案

来源 :大连海事大学 | 被引量 : 0次 | 上传用户:hq260
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
随着信息化社会的高速发展,传统中心化机制在社会各方面的应用遇到了巨大瓶颈,而以去中心化为主要特点的区块链技术的出现标志着新型信任机制的产生。区块链技术在近几年蓬勃发展,并凭借其去中心化、公开透明、不可篡改等优势得到广泛研究与应用。但是随着区块链上交易数量的增加和去中心化应用的增多,其容量问题逐渐凸显。为解决区块链的容量问题,研究人员提出了多种扩容方案,其中以“分而治之”为核心思想的分片作为目前最有效的扩容解决方案,在不改变去中心化的前提下,明显提升了区块链的处理规模。但是目前分片技术的发展仍处于探索阶段,有很多问题需要解决。在采用了分片技术的区块链系统中,存在单个分片拜占庭节点比例超过1/3导致的分片失效问题,影响着系统处理效率。为解决分片失效导致的效率问题,多轮验证思想被提出,其通过对交易进行多次验证,提高了交易验证成功率,但是该方案并未在降低分片失效概率上做太多考虑,一笔交易仍需多个轮次才能验证成功,影响着多轮验证的效率。针对多轮验证方案中分片失效率较高的问题,本文提出了一种适应多轮PBFT验证环境的基于节点评分的节点分配方案。该方案通过对系统内验证节点标记分值体现节点诚实度,分值会根据节点所在分片的工作表现进行增加和扣除,并将作为节点是否继续参与分片工作的重要依据。通过将疑似拜占庭节点移出分片可保证分片内拜占庭节点比例有效降低,从而降低分片失效的概率。此外,还通过模拟实验对方案有效性进行了说明。本文在实验室局域网和亚马逊云服务器环境下对设计的方案同原多轮验证方案和Elastico分片方案进行实验对比,分别从交易验证率、平均验证轮数、单个分片失效率和吞吐量四个方面进行对比分析。实验结果表明,本文方案能够通过降低分片内拜占庭节点比例来降低分片失效率,从而更快速地对交易进行验证,同时实现了更高的验证成功率,系统吞吐量得到明显提升。
其他文献
在这个网络资源膨胀的时代,网络上的数据呈现出数据量大、表达多样和价值密度低等特征,数据的歧义性影响人们对于信息的辨别和理解。为了解决实体的语义歧义问题,实体链接技术被提出,其目标是根据文档中指称的上下文语义信息,链接一个文档的指称到一个知识库的相应实体。为了提高链接的准确率,实体链接方法需要同时考虑指称和候选实体之间的局部兼容性以及与文档中其它实体之间的一致性。本文针对当前大多数实体链接方法在获取
学位
在移动互联网和大数据迅速发展的时代,海量数据都是以自然语言的形式进行存储,这些数据蕴含着巨大的价值,但同时又存在大量歧义性。词义消歧可增强计算机使用和理解自然语言的能力,在机器翻译、文本分类、信息检索等领域应用越来越广泛。词义消歧已经演变成自然语言处理中亟待解决的重要课题。本文针对在整合词典知识的神经网络词义消歧模型中,存在忽略歧义词上下文和词义定义间层级交互作用的问题,构建基于混合神经网络的多粒
学位
图像配准在许多计算机视觉任务中起着重要的作用,例如海冰漂移跟踪等研究。但是图像受光照或成像条件等因素的影响,会产生一定的非线性变化灰度差异。例如遥感图像间由于数据来源、极化方式、分辨率等存在较大差异,使得待配准图像具有不同程度的非线性变化灰度差异。甚至于在不同光谱、不同波段的遥感图像中出现局部反色的情况。这种灰度差异往往呈现非线性变化,导致提取的同位置特征不能有效的进行匹配。针对非线性变化灰度差异
学位
为了辅助解决人口老龄化带来的人力不足问题,智能家居中的老年人日常行为识别系统应运而生。研究者通过在老年人的居住环境中部署相关传感器,获取其日常活动——比如睡觉、吃饭、吃药等信息,并利用行为识别知识处理这些信息,识别老年人日常行为,及时发现老年人日常行为中的异常。近年来,研究者们在智能家居日常行为识别领域取得了一定的成绩,但是还存在一些问题:(1)以往的研究方法大多统计传感器出现的频次,把频次进行相
学位
强化学习是人工智能研究领域中一个热门的方向,被广泛应用在机器人控制,人机交互等领域。深度强化学习将深度神经网络与强化学习相结合,在原有的强化学习方法上对智能体以及环境的预输入做特征提取。Actor-Critic算法作为深度强化学习的一个经典算法,在解决连续空间的问题上有着良好的表现。但是传统的Actor-Critic算法中Critic网络使用的是单一的Q-learning输出序列,智能体状态和动作
学位
随着近年来互联网数据的海量增长以及人工智能的发展,知识图谱以强大的语义处理能力和数据互联能力为数据提供了一种新的表达、组织管理和挖掘方式。但是,构建数据嘈杂和信息抽取过程不确定,导致现有知识图谱通常存在缺失现象,因此推理知识图谱以补全具有重要研究意义。知识表示学习,作为知识图谱推理的常用手段,基于潜在特征,在计算效率上具有明显优势,但学习过程仅利用三元组信息,嵌入结果对样本数量和质量有一定依赖,稀
学位
图像语义分割技术是计算机视觉领域一项相对基础且具有挑战性的工作,其任务是为图像中每个像素分配相对应的类别标签。现如今,深度卷积神经网络已经成为图像语义分割的主流方法,基于深度神经网络的语义分割算法大多通过堆叠大量卷积层来提高模型分割精度,但面临分割算法参数量大、分割延迟等问题,不适用于实时分割场景。同时,很多实时语义分割算法为追求速度提升,致力于减少网络参数导致分割效果难以达到应用要求。本文基于深
学位
交通拥堵是大多数城市都存在的问题,自适应交通信号控制是减缓交通拥堵最有效的方式之一。自适应交通信号控制问题(ATSC)可以被建模为城市交叉口之间的多智能体合作博弈,其中交叉口相互合作以优化城市的交通状况。近年来,强化学习(RL)在处理序列决策问题上取得了显著的成就,可以很好的应用于ATSC中。因此,本文将多智能体强化学习应用于交通信号控制问题优化车辆的旅行时间。首先,真实交通控制环境中,交叉口的观
学位
随着海上运输业的快速发展,我国沿海已成为水上交通最繁忙的区域之一。沿海区域交通密度的不断增大对船舶航行安全提出了更高要求。航线规划作为船舶安全航行的基础和前提,在航运业中起着关键作用。现有的沿海船舶航线规划方法较少考虑实际航行规范和避碰规则,导致规划出的航线无法很好地应用于实际环境。综合考虑船舶航行的安全性、经济性与时效性等因素,对沿海船舶航线规划方法进行深入研究,有助于提高沿海船舶航线规划的整体
学位
随着互联网技术给人们生活带来的便捷性不断提升,人类对网络信息的依赖也逐渐加深、诉求不断增多。传统人工网络后台服务方式,已难以满足海量用户全时全方位咨询、投诉等应用需求,因此基于网络的自动问答模式俨然已成为当下网络的一种主流服务方式。受限于当前自动问答算法多是基于选择匹配的方式实现,问答匹配度低、解答方式简单,与实现“因问而异”、“以问解问”的目标需求,尚有很大差距。为解决上述问题,本文提出一种基于
学位