区块链是一种分布式存储技术,具有去中心化、防篡改和可追溯等特点,能够有效解决信任问题。区块链不仅可以应用在数字货币,而且在金融、医疗、物流和跨境支付等方面也有广阔的应用前景。其中,联盟链中节点加入需要通过认证,其网络环境相对稳定可靠,因此许多商业应用更加偏向使用联盟链。但是现有的联盟链共识算法依然存在异常和安全问题,因此如何使共识算法安全高效的执行是如今急需解决的问题。PBFT是联盟链常用的共识机制,其虽然具有一定的拜占庭容错性,但是依然存在以下两个问题:1.在共识的过程中,恶意节点/行为的存在仍会影响联盟链的共识效率,进而影响联盟链网络的TPS。针对区块链网络中的节点异常问题,已有研究多集中于采用机器学习检测公有链中的恶意行为,在联盟链环境下异常检测尚不多见。2.PBFT共识算法在进行主节点选取时规律性较强可能会选取恶意节点作为主节点。这样使得每次共识的主节点提前暴露,增加了主节点被攻击的可能性,降低了PBFT算法的安全性。为选取安全高效的节点作为PBFT共识机制的主节点,现有研究引入了信誉机制,但是现有的信誉机制存在因节点信誉值增加不均衡而带来的中心化问题。为解决以上两个问题,本文主要做了以下工作:1.为提高联盟链的可靠性和共识效率,本文提出采用KNN、朴素贝叶斯、SVM和CNN算法对PBFT共识算法进行异常检测,判断是否存在恶意延时,进而识别恶意延时节点。2.为避免信誉模型中节点信誉的中心化,本文在信誉模型中使用异常检测的结果可以较为准确对节点的信誉值进行评判,通过在信誉模型中引入随机数,使得PBFT中主节点的选取具有随机性。实验结果表明,异常检测模型能够以较高的精度检测出共识过程是否存在恶意延时,并能准确识别出恶意延时的节点,随机数的引用使得节点被选为主节点的概率随着信誉值的增加而增加,有效避免了因选取信誉值最大的节点作为主节点导致的中心化问题。